端到端自动驾驶系统（ADS）凭借其在环境感知和可泛化驾驶决策方面的强大能力，正日益受到学术界与产业界的广泛关注。然而，一旦部署于公共道路，ADS不可避免地会面临各种驾驶风险，这些风险可能危及安全并导致系统性能下降。这使得对ADS韧性的需求愈发迫切，尤其是系统持续监测驾驶风险并自适应响应潜在安全违规的能力，这对于在复杂驾驶场景中维持稳健的驾驶行为至关重要。为弥合这一差距，我们提出了一种面向运行时韧性的框架——Argus，旨在缓解驾驶风险，从而预防潜在的安全违规并提升ADS的驾驶性能。Argus持续监控ADS生成的车辆轨迹，识别潜在风险；一旦判定本车（EGO车辆）处于不安全状态，系统将通过一个风险缓解模块无缝接管控制权。我们将Argus集成至三种先进的端到端ADS系统中，即TCP、UniAD和VAD。评估结果表明，Argus能够有效且高效地增强ADS的韧性，在平均驾驶评分上提升达150.30%，同时最多可防止64.38%的安全违规事件，且仅带来微小的额外时间开销。