本文提出了MLLM-Protector，旨在提升多模态大型语言模型（MLLMs）的安全性。通过结合轻量级有害检测器和响应解毒剂，该策略有效降低了恶意输入的风险。研究开发了视觉语言安全指令数据集VLGuard，并通过微调提升模型安全性，显著降低了对抗攻击的成功率。此外，提出了VISAGE安全度量标准，帮助评估LLMs的安全性，强调了系统提示在保护模型中的重要性。