本文针对大型语言模型（LLM）在多轮交互中面临的对抗性攻击持续演化问题，指出现有防御方法本质上是反应式的，难以应对攻击者在多轮对话中不断调整策略的复杂威胁。为此，作者提出了一种主动防御框架 CoopGuard，旨在通过跨多轮交互的干扰、误导和适应相结合的方式，系统性地提升 LLM 的安全性。该框架采用协作式多智能体架构，由多个专职智能体分别执行互补的防御策略：一是受控响应节奏，通过延迟或改变响应速度来增加攻击者的时间与计算成本；二是策略性模糊输出，生成含义不明确的回复，误导攻击者采用低效的攻击路径；三是交互日志取证分析，对对话记录进行深度分析以识别攻击模式，并据此改进防御策略。这些智能体由一个自适应协调机制统一调度，该机制能够根据威胁的升级程度动态调整整体防御策略。为全面评估框架效果，作者构建了 EMRA 数据集，模拟多轮攻击中策略的演化，包含 8 种攻击类型、共 5,200 个对抗样本。在多个 LLM 主干上的实验结果表明，相比现有最优基线，该框架平均将攻击成功率（ASR）降低 69%，同时维持了欺骗性互动，其平均欺骗率（DR）是最强基线的六倍以上，并使攻击者的 token 消耗平均增加 198.83%。代码和数据集已公开。该研究为 LLM 安全防御提供了一种从被动响应转向主动博弈的新思路，适合 LLM 安全研究、红蓝对抗和防御系统设计者阅读。