본 논문은 은밀하고 지속적이며 적응력이 뛰어난 Advanced Persistent Threat (APT) 공격에 대응하기 위한 사이버 보안 연구를 제시한다. 기존의 머신러닝 기반 탐지 시스템의 한계점을 극복하기 위해, Transfer Learning, Explainable AI (XAI), contrastive learning, Siamese networks를 통합한 하이브리드 전이 학습 프레임워크를 제안한다. 특히, attention-based autoencoder를 통한 도메인 간 지식 이전, Shapley Additive exPlanations (SHAP)를 이용한 특징 선택, contrastive objective를 사용한 Siamese encoder를 통해 cross-domain 일반화 성능을 향상시키는 것을 목표로 한다. DARPA Transparent Computing (TC) 프로그램의 실제 데이터와 합성 공격 시나리오를 활용하여 제안된 방법을 평가하며, 기존 탐지 시스템보다 우수한 성능을 입증한다.
