TTP-R1은 사이버 위협 인텔리전스(CTI) 문서를 MITRE ATT&CK 공격 기법에 매핑하는 작업을, 검색증강 지도학습(SFT)과 검증 가능한 보상 기반 강화학습(RLVR)을 결합한 2단계 프레임워크로 자동화한다. 하이브리드 검색기가 수백 개에 달하는 방대한 라벨 공간을 후보 집합으로 좁히면 파인튜닝된 LLM이 정확한 기법을 선택하며, 예측된 기법 집합의 정밀도·재현율·출력 형식을 직접 감독하는 분해된 보상으로 Group Relative Policy Optimization을 적용한다. 4개의 CTI 벤치마크에서 최고 평균 F1을 달성했으며, 검색증강 Claude Sonnet 4.5 대비 세부기법(sub-technique) 수준 F1을 7.4%포인트 개선하면서도 단일 GPU에서 8B 파라미터 모델로 서빙 시 28배 더 빠르게 동작했다.

• •검색증강 SFT와 RLVR을 결합한 2단계 CTI-ATT&CK 매핑 프레임워크
• •정밀도·재현율·형식을 직접 감독하는 분해된 보상으로 강화학습 수행
• •Claude Sonnet 4.5 대비 세부기법 F1을 7.4%p 개선
• •8B 모델로 단일 GPU에서 28배 빠른 서빙 속도 달성