SIEMルールをMITRE ATT&CKにマッピングする際、従来の単純な正誤判定では、テクニックとサブテクニックのような包含関係や意味的な近さが考慮されず、LLMの能力を適切に評価できない課題があった 。 本研究では、協調型LLMマルチエージェントによる自動マッピングシステムを構築するとともに、ATT&CKの階層構造を考慮した新たな評価指標（祖先展開型一致度等）を用いた性能評価を行う 。GPT-4oと推論特化型モデルを組み合わせた自己修正機構により 、不完全な正解データセットに対しても頑健で、かつ実用性の高いマッピングが可能であることを示す。