Federated Causal Representation Learning in State-Space Systems for Decentralized Counterfactual Reasoning

Título: Aprendizado Federado de Representação Causal em Sistemas de Espaço de Estado para Raciocínio Contrafactual Descentralizado

1. Problema e Motivação

O artigo aborda um desafio crítico em sistemas industriais complexos e interdependentes (como refinarias de petróleo, redes de tratamento de água e plantas de processos distribuídos). Nesses sistemas, ativos geográficamente dispersos (clientes) estão acoplados através de processos físicos e entradas de controle.

O Problema Central:
Os operadores precisam realizar raciocínio contrafactual: responder a perguntas do tipo "Como a saída do Cliente A mudaria se o Cliente B alterasse sua entrada de controle?".

• Desafios Atuais:
  1. Privacidade e Dados: Os dados de cada cliente são de alta dimensão, proprietários e sensíveis. A centralização dos dados brutos é inviável devido a regulamentações de privacidade e custos de largura de banda.
  2. Modelos Proprietários: Cada cliente já possui modelos locais proprietários que não podem ser alterados ou compartilhados.
  3. Limitações da Causalidade Tradicional: Métodos clássicos como Causalidade de Granger são preditivos, não intervencionais, e não conseguem separar dinâmicas intrínsecas de influências externas (controle), tornando a inferência contrafactual imprecisa.

2. Metodologia Proposta

Os autores propõem um framework de aprendizado federado baseado em Sistemas de Espaço de Estado Lineares e Invariantes no Tempo (LTI). O objetivo é aprender representações causais que dissem (separem) as dinâmicas internas dos efeitos de controle externos, permitindo inferência contrafactual sem compartilhar dados brutos.

Arquitetura do Sistema:

O sistema consiste em múltiplos clientes e um servidor central.

1. Nível do Cliente (Modelo Proprietário + Augmentado):

   • Cada cliente possui um modelo proprietário (ex: Filtro de Kalman) que estima o estado local baseado apenas em seus dados locais.
   • Para capturar interdependências, os autores introduzem um Modelo de Cliente Augmentado. Este modelo adiciona parâmetros aprendíveis ($\theta_m$ e $\phi_m$) ao modelo proprietário.
   • O cliente mapeia observações de alta dimensão para estados latentes de baixa dimensão, tentando "desentrelaçar" (disentangle) a dinâmica autoregressiva (estados passados) dos efeitos de entrada exógena (controle de outros clientes).
   • Comunicação: O cliente envia apenas estimativas de estados latentes compactos e entradas de controle para o servidor, nunca os dados brutos de sensores.

2. Nível do Servidor:

   • O servidor atua como um condutor que estima as estruturas globais de transição de estado ($A_{mn}$) e entrada ($B_{mn}$) entre clientes ($m \neq n$).
   • O servidor não tem acesso aos dados brutos, apenas às estimativas de estados latentes recebidas.
   • Ele calcula uma função de perda baseada na diferença entre a previsão do estado global e a soma das contribuições locais e cruzadas.

3. Mecanismo de Treinamento e Desentrelaçamento:

   • O servidor envia gradientes da perda global de volta aos clientes.
   • Os clientes atualizam seus parâmetros locais combinando o gradiente de sua própria perda (reconstrução local) com os gradientes do servidor.
   • Desentrelaçamento (Disentanglement): Um termo de penalidade no servidor força a separação entre os efeitos endógenos (propagação de estados passados via matriz $A$) e exógenos (efeitos de controle via matriz $B$). Isso é crucial para isolar o impacto causal de uma intervenção específica.

4. Inferência Contrafactual:

   • Utilizando o framework Abduction-Action-Prediction de Pearl, o sistema permite calcular o Efeito Médio do Tratamento (ATE).
   • O servidor pode prever como o estado de um cliente mudaria se a entrada de outro fosse alterada.
   • Os clientes podem prever como suas medições mudariam com base nas influências agregadas de outros clientes, sem saber exatamente quem são os influenciadores individuais (apenas o efeito agregado).

3. Contribuições Chave

• Primeira Abordagem Descentralizada: É o primeiro trabalho a habilitar o raciocínio contrafactual descentralizado em sistemas industriais interdependentes.
• Framework Teórico Formal: Derivação formal do ATE em um ambiente federado usando o framework de Pearl, provando que é possível estimar efeitos causais cruzados sem centralização de dados.
• Desentrelaçamento Provável: Otimização iterativa que garante matematicamente a separação entre dinâmicas autoregressivas e entradas exógenas, um requisito fundamental para causalidade.
• Garantias de Privacidade e Convergência:
  • Prova de convergência do framework descentralizado para um "oráculo centralizado" (que teria acesso a todos os dados).
  • Análise de Privacidade Diferencial (DP), quantificando o ruído necessário para proteger os dados dos clientes durante a troca de gradientes e estados.
• Identificabilidade Causal: Demonstra que, embora os parâmetros estruturais exatos não sejam únicos (problema de identificabilidade), a função de transferência (que codifica a causalidade e o ATE) é unicamente determinada e aprendida pelo modelo.

4. Resultados Experimentais

Os autores validaram a abordagem em dois cenários:

1. Dados Sintéticos:

   • Simulações em sistemas LTI multi-cliente.
   • Convergência: A perda global e a perda dos clientes convergiram, superando o modelo proprietário isolado.
   • Desentrelaçamento: As métricas mostraram que os parâmetros aprendidos separaram efetivamente os efeitos de entrada dos efeitos de estado.
   • Robustez: O modelo manteve desempenho superior mesmo sob mudanças de média (não-estacionariedade) nos dados de validação.
   • Função de Transferência: Os polos e zeros estimados preservaram a estrutura dinâmica estável do sistema real.

2. Dados do Mundo Real (Industrial):

   • HAI Dataset: Um sistema de controle industrial com 4 subsistemas acoplados (caldeira, turbina, tratamento de água, simulação).
   • SWaT Dataset: Uma planta de tratamento de água de 6 estágios.
   • Resultados: O framework demonstrou escalabilidade e capacidade de inferência cruzada precisa em dados reais, com convergência estável e baixa perda de reconstrução, validando a aplicabilidade prática em cenários de segurança cibernética industrial.

5. Significado e Impacto

Este trabalho representa um avanço significativo na interseção entre Aprendizado Federado, Inferência Causal e Controle de Sistemas Industriais.

• Segurança e Tomada de Decisão: Permite que operadores de redes industriais planejem intervenções proativas (ex: "O que acontece se eu fechar esta válvula?") sem violar a privacidade de dados ou expor modelos proprietários.
• Escalabilidade: Oferece uma solução viável para redes de sensores de alta dimensão onde a centralização é impossível.
• Privacidade: Estabelece um novo padrão para análise causal colaborativa, garantindo que insights causais possam ser extraídos de redes distribuídas sem comprometer a segurança dos dados individuais.

Em resumo, o paper resolve o dilema de como aprender causalidade em sistemas complexos e distribuídos, permitindo que máquinas "imaginem" cenários futuros e alternativos de forma colaborativa e segura.