Buchumschlag

CausalArmor: Efficient Indirect Prompt Injection Guardrails via Causal Attribution

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Minbeom, Parmar, Mihir, Wallis, Phillip, Miculicich, Lesly, Jung, Kyomin, Dvijotham, Krishnamurthy Dj, Le, Long T., Pfister, Tomas
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VeriGuard: Enhancing LLM Agent Safety via Verified Code Generation
von: Miculicich, Lesly, et al.
Veröffentlicht: (2025)

LiSA: Lifelong Safety Adaptation via Conservative Policy Induction
von: Kim, Minbeom, et al.
Veröffentlicht: (2026)

Instrumental Variable Estimation of Distributional Causal Effects
von: Kook, Lucas, et al.
Veröffentlicht: (2024)

Indirect Prompt Injections: Are Firewalls All You Need, or Stronger Benchmarks?
von: Bhagwatkar, Rishika, et al.
Veröffentlicht: (2025)

Causal Change Point Detection and Localization
von: Huang, Shimeng, et al.
Veröffentlicht: (2024)

Guardrailed Uplift Targeting: A Causal Optimization Playbook for Marketing Strategy
von: Sapru, Deepit
Veröffentlicht: (2025)

Identifiability of Sparse Causal Effects using Instrumental Variables
von: Pfister, Niklas, et al.
Veröffentlicht: (2022)

Sparse Causal Effect Estimation using Two-Sample Summary Statistics in the Presence of Unmeasured Confounding
von: Huang, Shimeng, et al.
Veröffentlicht: (2024)

Identifying Causal Effects Using a Single Proxy Variable
von: Vollmer, Silvan, et al.
Veröffentlicht: (2026)

Multiply-Robust Causal Change Attribution
von: Quintas-Martinez, Victor, et al.
Veröffentlicht: (2024)

Causal SHAP: Feature Attribution with Dependency Awareness through Causal Discovery
von: Ng, Woon Yee, et al.
Veröffentlicht: (2025)

Towards Learning and Explaining Indirect Causal Effects in Neural Networks
von: Reddy, Abbavaram Gowtham, et al.
Veröffentlicht: (2023)

Language Agents Meet Causality -- Bridging LLMs and Causal World Models
von: Gkountouras, John, et al.
Veröffentlicht: (2024)

Causal inference for censored data with continuous marks
von: Qu, Lianqiang, et al.
Veröffentlicht: (2026)

DCRMTA: Unbiased Causal Representation for Multi-touch Attribution
von: Tang, Jiaming
Veröffentlicht: (2024)

Synapse: Adaptive Arbitration of Complementary Expertise in Time Series Foundational Models
von: Das, Sarkar Snigdha Sarathi, et al.
Veröffentlicht: (2025)

Statistical and Causal Robustness for Causal Null Hypothesis Tests
von: Yang, Junhui, et al.
Veröffentlicht: (2023)

Causality and extremes
von: Chavez-Demoulin, Valérie, et al.
Veröffentlicht: (2024)

Challenges in Statistics: A Dozen Challenges in Causality and Causal Inference
von: Cinelli, Carlos, et al.
Veröffentlicht: (2025)

Orthogonal Causal Calibration
von: Whitehouse, Justin, et al.
Veröffentlicht: (2024)

Causal-learn: Causal Discovery in Python
von: Zheng, Yujia, et al.
Veröffentlicht: (2023)

Feature Attribution with Necessity and Sufficiency via Dual-stage Perturbation Test for Causal Explanation
von: Chen, Xuexin, et al.
Veröffentlicht: (2024)

Embarrassingly Causal: Causal Use of Associational Data in Magic The Gathering Drafts
von: Ramos, Mark Louie F., et al.
Veröffentlicht: (2026)

Multivariate Causal Effects: a Bayesian Causal Regression Factor Model
von: Zorzetto, Dafne, et al.
Veröffentlicht: (2025)

Enhancing Causal Reasoning in Large Language Models: A Causal Attribution Model for Precision Fine-Tuning
von: Cai, Hengrui, et al.
Veröffentlicht: (2023)

Generative Causal Inference
von: Nareklishvili, Maria, et al.
Veröffentlicht: (2023)

Causal Stability Selection
von: Bargagli-Stoffi, Falco J., et al.
Veröffentlicht: (2026)

Causal attribution with confidence
von: Zhang, Ping, et al.
Veröffentlicht: (2025)

Geodesic Causal Inference
von: Kurisu, Daisuke, et al.
Veröffentlicht: (2024)

Information-Theoretic Causal Bounds under Unmeasured Confounding
von: Jung, Yonghan, et al.
Veröffentlicht: (2026)

Local Causal Discovery for Estimating Causal Effects
von: Gupta, Shantanu, et al.
Veröffentlicht: (2023)

Aggregate Bayesian Causal Forests: The ABCs of Flexible Causal Inference for Hierarchically Structured Data
von: Thal, Dan R. C., et al.
Veröffentlicht: (2024)

Reinforcement Learning for Causal Discovery without Acyclicity Constraints
von: Duong, Bao, et al.
Veröffentlicht: (2024)

CausalFormer: An Interpretable Transformer for Temporal Causal Discovery
von: Kong, Lingbai, et al.
Veröffentlicht: (2024)

Causal drivers of dynamic networks
von: Lembo, Melania, et al.
Veröffentlicht: (2025)

Demystifying Proximal Causal Inference
von: Ringlein, Grace V., et al.
Veröffentlicht: (2025)

The Case for Time in Causal DAGs
von: Reisach, Alexander G., et al.
Veröffentlicht: (2025)

Causal Spatial Quantile Regression
von: Gong, Yan, et al.
Veröffentlicht: (2025)

Nonlinear Causal Discovery with Confounders
von: Li, Chunlin, et al.
Veröffentlicht: (2023)

Causal Inference in the Multiverse of Hazard
von: Lai, En-Yu, et al.
Veröffentlicht: (2024)