该论文提出了 COHORT，一个用于企业网络缓解措施自动化生成和验证的端到端框架。当前，针对已观测到的攻击者，分析师通常需要数周时间手动推导缓解措施、验证其不影响生产环境，并确保能阻断攻击。COHORT 首次实现了这一过程的自动化：通过角色分解的多智能体 LLM 工作流，生成候选缓解措施，并将其转换为实际设备命令（如防火墙、交换机、路由器），在高保真的 GNS3 模拟器上运行真实固件。每个候选缓解措施通过“对抗性重放”进行评估：在模拟的缓解后网络上重新执行原始攻击，与未缓解的基线进行配对比较，而非像以往工作那样依赖奖励信号或专家判断。此外，框架还包含连通性回归检查（LAN ping 和互联网 HTTP 探测）以拒绝破坏正常通信的缓解措施，并通过累积评估将批准的缓解措施叠加到持久状态上，以揭示复合效果。在三个拓扑和四个攻击场景（勒索软件、横向移动、DNS 外泄、数据窃取）中，生成的缓解措施中有 46.7% 既能阻断攻击又保持连通性，是单智能体基线的 4.4 倍。论文公开了演示视频及相关工件。