防御arXiv 2607.15081·7月16日DataShield：通过共识子空间对齐识别 LLM 微调中的高风险数据提出 DataShield，用共识子空间过滤会削弱安全的微调数据arXiv2607.15081发表7月16日层训练与数据层场景模型与 API被测模型Phi3-medium-4k-it、Qwen3-4B-it、Gemma2-27B-it 等 4 个防御检测与过滤风险拒答失当组件微调与开源权重深度解读完整解读