Variational Encrypted Model Predictive Control

Este artigo apresenta um protocolo de Controle Preditivo Baseado em Modelo Criptografado Variacional (VEMPC) que executa operações online apenas com polinômios criptografados, reformulando o problema de otimização como um estimador baseado em amostragem para reduzir a carga computacional, sem exigir rodadas adicionais de comunicação ou descriptografia intermediária, enquanto mantém a escalabilidade e a precisão da solução.

O essencial

Imagine que você tem um robô muito inteligente (um pêndulo invertido, como um boneco de palito equilibrado na ponta de um dedo) que precisa se manter em pé. Para fazer isso, o robô precisa calcular, a cada fração de segundo, qual força aplicar para não cair. Esse cálculo é complexo e exige muita energia.

A ideia do artigo é: "Por que não pedir ajuda a um computador superpoderoso na nuvem para fazer essa conta?"

Mas aqui está o problema: se você enviar os dados do robô (sua posição, velocidade, etc.) para a nuvem, você está entregando seus segredos. E se o computador da nuvem for "honesto, mas curioso" (ele segue as regras, mas tenta adivinhar o que você está fazendo), ele pode espionar seus dados.

A solução tradicional seria usar um "envelope mágico" (criptografia) que permite que a nuvem faça as contas sem abrir o envelope. O problema é que esse envelope mágico só entende somas e multiplicações simples. O cálculo do robô, no entanto, exige coisas complexas, como "se cair para a esquerda, puxe para a direita" (comparações e decisões), o que quebra o envelope mágico.

A Grande Ideia: O "Chapéu de Mágica" Variacional

Os autores deste artigo criaram uma nova forma de fazer essa mágica, chamada VEMPC (Controle Preditivo Modelado Variacionalmente Criptografado). Eles usaram uma analogia genial para resolver o problema:

1. O Problema do "Custo Quadrático":
   Normalmente, para calcular a melhor força, o robô precisa resolver uma equação quadrática complexa (como calcular a área de um quadrado perfeito). Fazer isso dentro do "envelope mágico" é lento e difícil.

2. A Solução: "Inclinar a Distribuição" (O Truque do Chapéu):
   Em vez de tentar calcular a equação quadrática difícil dentro do envelope, os autores mudaram a estratégia. Eles imaginaram que, em vez de escolher uma força aleatória e depois calcular o custo, eles mudaram a própria sorte.

   Pense assim:

   • Imagine que você está jogando dardos em um alvo. Normalmente, você joga aleatoriamente e depois conta quantos pontos você fez.
   • A ideia deles é: "Vamos mudar a forma como jogamos os dardos antes de jogar". Eles usam uma técnica matemática (chamada tilting ou inclinação) para fazer com que os dardos já caiam naturalmente nas áreas de "alta pontuação" (baixo custo).

   Resultado: A parte difícil da conta (o quadrado) é "absorvida" pela mudança na sorte. Agora, o computador na nuvem só precisa fazer somas e multiplicações simples (que o envelope mágico entende perfeitamente) para gerar amostras de forças possíveis.

Como Funciona na Prática (Sem Segredos)

O processo é dividido em duas etapas, como preparar um jantar:

• Etapa 1 (Preparação Offline - Antes da festa):
  O dono do robô (o cliente) prepara os ingredientes básicos (as regras do robô) e os envia para a nuvem já embrulhados. A nuvem faz alguns cálculos de "sorte" (gera números aleatórios) e guarda tudo pronto. Isso só acontece uma vez.

• Etapa 2 (Execução Online - Durante a festa):
  A cada segundo, o robô envia apenas sua posição atual (também embrulhada) para a nuvem.

  1. A nuvem pega os ingredientes prontos, mistura com a posição atual e gera milhares de "caminhos possíveis" para o robô seguir.
  2. A nuvem verifica rapidamente quais caminhos são seguros (não batem nas paredes) usando uma aproximação matemática inteligente (polinômios) que o envelope mágico consegue ler.
  3. A nuvem devolve a lista de caminhos possíveis para o dono.
  4. O dono abre o envelope, escolhe o melhor caminho e aplica a força no robô.

O Pulo do Gato: A nuvem nunca vê a posição real do robô, nem o modelo exato dele. Ela apenas vê números embaralhados e devolve resultados embaralhados.

Por que isso é incrível?

• Velocidade: O método usa dois tipos de "trabalho em equipe" (paralelismo). É como ter 4 cozinheiros trabalhando ao mesmo tempo, e cada um deles cozinhando vários pratos de uma só vez. Isso permite que o cálculo seja feito em milissegundos, rápido o suficiente para controlar um robô em tempo real.
• Segurança: Não há necessidade de "abrir o envelope" no meio do processo para fazer verificações. Tudo acontece de forma contínua e segura.
• Precisão: Mesmo com a "mágica" da criptografia introduzindo pequenos erros de arredondamento, o sistema é robusto o suficiente para manter o robô em pé perfeitamente, conforme testado em simulações.

Resumo em uma frase

Os autores criaram um sistema onde um robô pode pedir ajuda a um computador estranho na nuvem para calcular seus movimentos, mantendo todos os seus segredos trancados em um cofre digital, e fazendo isso tão rápido que o robô nem percebe que está sendo vigiado. Eles conseguiram isso transformando uma conta matemática difícil em um jogo de "sorte inclinado", onde a nuvem só precisa fazer contas simples.

Resumo técnico

Título: Controle Preditivo por Modelo Variacional Criptografado (VEMPC)

1. Problema e Motivação

O Controle Preditivo por Modelo (MPC) é amplamente utilizado em sistemas industriais devido à sua capacidade de lidar explicitamente com restrições e fornecer garantias teóricas. No entanto, o MPC exige a resolução de um problema de otimização em tempo real a cada passo de tempo.

• Desafio da Privacidade: Para aliviar a carga computacional, é atraente delegar essa tarefa a um servidor em nuvem. Contudo, transmitir estados do sistema, parâmetros do modelo e dados de trajetória para um servidor externo levanta sérias preocupações de privacidade (risco de espionagem ou inferência por servidores "honestos, mas curiosos").
• Limitações da Criptografia Homomórfica (HE): A HE permite computação direta sobre dados criptografados, mas suporta apenas operações de adição e multiplicação (polinomiais). O MPC tradicional envolve operações não polinomiais (como projeção em conjuntos de restrições, comparações e ramificações) que são difíceis ou impossíveis de realizar eficientemente sob HE.
• Soluções Existentes: Métodos anteriores exigem:
  • Decriptação intermediária pelo cliente a cada iteração (quebra de privacidade).
  • Apenas um passo de gradiente (resultando em desempenho subótimo).
  • Leis de feedback explícitas pré-computadas que exigem operações de comparação complexas online.

2. Metodologia Proposta

Os autores propõem o VEMPC, um protocolo que reformula o problema de otimização do MPC como um problema de estimação baseada em amostragem, eliminando a necessidade de otimização iterativa ou projeção direta sob criptografia.

A. Reformulação Variacional
Em vez de resolver diretamente o problema de Programação Quadrática (QP) do MPC, o método utiliza uma formulação variacional sobre o espaço de distribuições de probabilidade.

• O problema de minimização de custo é transformado em uma busca pela distribuição que minimiza a divergência de Kullback-Leibler (KL) sujeita a um custo esperado.
• A solução ótima é expressa como uma média ponderada de amostras, onde os pesos são exponenciais do negativo do custo.

B. Inclinação Exponencial (Exponential Tilting)
O grande gargalo computacional seria calcular o termo de custo quadrático ($U^T H U$) sobre dados criptografados para cada amostra.

• Solução: Os autores aplicam uma transformação de "inclinação exponencial" na distribuição de amostragem de referência (Gaussiana).
• Isso permite que o termo quadrático do custo seja absorvido analiticamente na própria distribuição de amostragem (transformando-a em uma nova Gaussiana com média e covariância modificadas).
• Resultado: A computação online no domínio criptografado não precisa mais avaliar o termo quadrático complexo. O custo é "pago" na definição da distribuição de amostragem.

C. Surrogado Polinomial para Restrições
A função de viabilidade (indicador de se as restrições são satisfeitas) é não contínua e requer comparações, o que é incompatível com HE.

• Os autores substituem o indicador rígido por um surrogado polinomial.
• Eles utilizam uma aproximação de Chebyshev da função parte positiva $[x]_+$ (que mede a violação da restrição) para criar uma pontuação de violação contínua e polinomial.
• Uma correção de limiar é aplicada para garantir que amostras viáveis não sejam penalizadas indevidamente devido a erros de aproximação.

D. Protocolo Cliente-Nuvem
O protocolo é dividido em duas fases:

1. Pré-processamento Offline: O cliente (confiável) calcula e criptografa matrizes que dependem apenas do modelo do sistema (independentes do estado atual). A nuvem gera ruído gaussiano e pré-computa quantidades criptografadas.
2. Execução Online:
   • O cliente criptografa o estado atual e envia para a nuvem.
   • A nuvem gera amostras de trajetória e resíduos de restrição usando as quantidades pré-computadas e o estado criptografado (apenas somas e multiplicações polinomiais).
   • A nuvem calcula as pontuações de viabilidade polinomiais e retorna os dados ao cliente.
   • O cliente descriptografa, aplica os pesos finais e calcula a estimativa do controle ótimo.

E. Paralelismo
O protocolo explora dois níveis de paralelismo para eficiência:

1. Nível de Texto Plano: Amostragem independente de múltiplas trajetórias.
2. Nível de Texto Criptografado (SIMD): Uso do esquema CKKS para empacotar múltiplas amostras em um único texto cifrado, processando-as simultaneamente.

3. Principais Contribuições

• VEMPC: Primeira integração de uma abordagem variacional com MPC criptografado, absorvendo o custo quadrático em uma distribuição Gaussiana inclinada de forma fechada.
• Protocolo HE-Compatível: Demonstra que tanto a trajetória de controle amostrada quanto os resíduos de restrição são funções afins do ruído de amostragem, permitindo um protocolo baseado apenas em adições e avaliações polinomiais de baixo grau.
• Eficiência Computacional: Utilização de dois níveis de paralelismo, permitindo execução online em dezenas de milissegundos.
• Implementação de Código Aberto: Disponibilização de implementações em Python e Go usando as bibliotecas OpenFHE e Lattigo.

4. Resultados Numéricos

O método foi testado em um sistema de pêndulo invertido linearizado e discretizado.

• Configuração: Horizonte de predição $N=10$, 60 restrições, segurança de 128 bits.
• Desempenho:
  • O tempo médio de computação online para gerar a entrada de controle foi de ~28.66 ms (dentro do tempo de amostragem de 50 ms).
  • O VEMPC exibiu desempenho comparável ao MPC variacional não criptografado, estabilizando o sistema na origem e respeitando as restrições.
  • A análise de sensibilidade mostrou que o tempo de computação escala com o grau do polinômio ($\ell$) e a dimensão do anel ($N_{ct}$), mas permanece estável com o aumento do número de amostras ($K$) devido ao paralelismo SIMD.

5. Significância e Conclusão

Este trabalho supera a incompatibilidade fundamental entre algoritmos de otimização tradicionais (baseados em ramificação e iteração) e a aritmética criptografada (baseada em polinômios).

• Viabilidade em Tempo Real: O VEMPC demonstra que o MPC criptografado pode ser executado em tempo real (na escala de dezenas de milissegundos) sem comprometer a privacidade dos dados do cliente.
• Eliminação de Decriptação Intermediária: O protocolo não requer nenhuma interação de decriptação durante o ciclo de controle, mantendo a privacidade end-to-end.
• Escalabilidade: A abordagem é escalável através de paralelismo, tornando-a uma solução prática para a delegação segura de controle em nuvem em sistemas industriais e de IoT.

Em resumo, o VEMPC oferece um caminho viável para a privacidade de dados em sistemas de controle ciber-físico, permitindo que a computação pesada seja realizada em servidores não confiáveis sem expor o estado do sistema ou os parâmetros do modelo.