在掌握了攻击者如何针对大型语言模型进行攻击后，重点现已转向构建有效的防御措施。本章将介绍实用方法和技术，用于缓解漏洞并提高大型语言模型系统的安全性。我们将从识别不足之处转向实施保护措施。

接下来的部分将详细阐述主动和被动措施。具体而言，我们将讨论：

• 用于阻止恶意指令的输入验证和净化方法。
• 用于控制大型语言模型回应的输出过滤和内容审核技术。
• 对抗性训练和专门微调 (fine-tuning)的应用，以构建更具韧性的模型。
• 指令微调以确保安全对齐 (alignment)的用法，以引导大型语言模型行为，使其回应更安全、更符合预期。
• 模型监控和异常检测方法，以识别异常或恶意活动。
• 对大型语言模型API实施速率限制和访问控制，以防止滥用。
• 旨在绕过安全协议的检测越狱尝试方法。
• 针对加强大型语言模型系统整体防御的综合方法。 本章将以一项实践练习作为结尾，您将在Python中实现一个基本的输入净化器。