기업 네트워크에서 관찰된 공격자(adversary)를 완화하는 작업은 일반적으로 전문가의 작업이 수주씩 소요됩니다. 분석가는 해당 공격자에 맞춤화된 완화책을 도출하고, 운영 환경을 망가뜨리지 않으면서 이를 검증하며, 특정 공격을 차단하는지 확인합니다. 이 절차는 전문가의 판단에 의존하며, 운영 네트워크(production network)를 대상으로 안전하게 실행할 수 없습니다. COHORT는 배포 가능한 완화책을 위해 이 절차를 자동화하는 최초의 엔드투엔드(end-to-end) 프레임워크입니다. 역할이 분해된 멀티 에이전트 LLM 워크플로우는 후보를 제안하고, 이를 실제 장치 명령어로 구현하며, 비판 루프(critique loop)를 통해 이를 정교화합니다. 이 모든 과정은 실제 벤더 펌웨어(방화벽, 스위치, 라우터)가 실행되는 고충실도 GNS3 에뮬레이터 상에서 이루어집니다. 각 후보는 공격적 재현(offensive replay)을 통해 평가됩니다. 이는 이전의 시뮬레이션, 하이브리드 및 구성 생성(configuration-generation) 작업에서 사용된 보상 신호(reward-signal)나 전문가 판단 대리 지표 대신, 완화되지 않은 기준점(baseline)과 쌍을 이루어 비교하기 위해 완화된 네트워크에서 원래의 공격자를 재실행하는 방식입니다. 재현을 보완하기 위해 두 가지 추가 점검이 수행됩니다. 연결성 회귀 점검(connectivity-regression check, LAN ping 및 인터넷 HTTP 프로브)은 정당한 LAN 또는 인터넷 연결을 방해하는 완화책을 거부하며, 누적 평가(cumulative evaluation)는 승인된 완화책을 지속적인 상태(persistent state)에 쌓아 복합적인 효과를 드러냅니다. 세 가지 토폴로지와 네 가지 공격 시나리오(랜섬웨어, 측면 이동(lateral movement), DNS 데이터 유출(DNS exfiltration), 데이터 절도)에 걸쳐, 생성된 완화책의 46.7%가 재현 하에서 공격을 차단하는 동시에 연결성을 유지했으며, 이는 동일한 모델과 도구 액세스를 사용하는 싱글 에이전트(single-agent) 기준점보다 4.4배 높은 비율입니다. 프레임워크를 설명하는 데모 영상은 공개된 결과물과 함께 제공됩니다.