通过外部化攻击 - 防御协同进化实现模型无关的终身 LLM 安全

针对大语言模型易受对抗提示攻击的问题，现有安全范式存在攻击发现饱和及防御僵化等局限。本文提出 EvoSafety 框架，构建持久且可复用的外部结构。在红队测试中，利用对抗技能库支持攻击向量的持续进化；在防御学习中，采用增强记忆检索的轻量级辅助模型替代特定模型的微调，仅通过记忆更新即可提升鲁棒性并实现跨模型迁移。实验表明，该框架在防护模式下防御成功率达 99.61%，显著优于同类模型，同时保持了良好的推理性能。