本文系统性地研究了大型语言模型（LLM）的越狱防御措施在安全性、性能和成本之间的权衡。作者指出，防御措施在提升安全性的同时，可能引入二次代价，例如降低模型实用性、对良性输入过度拒绝以及增加推理开销。与以往将防御视为单一类别不同，本文根据操作策略对防御方法进行分类，并分析不同策略如何与不同的副作用谱相关联。研究涵盖了多种最先进的防御方法、广泛使用的基准数据集和代表性的开源LLM。主要发现包括：基于规则的防御最能保持任务性能；高度保守的自我反思式防御往往增加过度拒绝；多轮防御导致最大的运行时开销。这些结果为评估防御副作用提供了基准，并为在部署约束下选择防御策略提供了实用指导。