最新研究揭示了现有防御有害微调攻击（Harmful Fine-Tuning Attacks）方法的脆弱性，并提出了一种名为Panacea的创新解决方案。该方案采用自适应扰动技术，在保持模型微调性能的同时有效维护模型安全性。这一突破性进展对AI安全领域具有重要意义，特别是在当前大模型广泛应用背景下，针对模型微调阶段的恶意攻击防御提供了新思路。研究团队通过理论分析和实验验证，证实Panacea方法相比现有防御机制具有显著优势，能够在不影响模型正常功能的情况下抵御多种类型的微调攻击。该成果已发表于arXiv预印本平台，为AI安全研究开辟了新方向。