Resumo Técnico: IBAD – Detecção de Anomalias Comportamentais Interpretáveis em Dados de Mobilidade Humana

Definição do Problema

Os dados de mobilidade humana exibem alta variabilidade, mas grande parte do movimento diário de um indivíduo segue padrões comportamentais estruturados e recorrentes (ex: deslocamento para o trabalho, rotinas escolares, tarefas cotidianas). Métodos tradicionais de detecção de anomalias frequentemente focam em desvios em locais, carimbos de tempo (timestamps) ou formas de trajetória específicos. No entanto, essas abordagens podem falhar ao detectar "anomalias comportamentais", onde uma pessoa visita lugares familiares, mas em uma ordem ou combinação inconsistente com seu repertório histórico (ex: um trabalhador apresentando um padrão de múltiplas paradas durante a madrugada).

O artigo define o problema da detecção de anomalias comportamentais ao nível do dia: identificar dias em que o padrão de atividade geral de um indivíduo não pode ser explicado plausivelmente por uma mistura de seus modelos comportamentais históricos estabelecidos. O objetivo é distinguir a variabilidade natural (recombinação de modelos familiares) de mudanças comportamentais genuínas.

Metodologia: O Framework IBAD

O framework proposto, IBAD (Interpretable Behavioral Anomaly Detection), opera em duas etapas principais: Descoberta de Modelos Comportamentais e Pontuação de Anomalia Hierárquica Auto-Supervisionada.

1. Descoberta de Modelos Comportamentais (Não Supervisionado)

Antes de detectar anomalias, o sistema aprende um vocabulário compartilhado de arquétipos de comportamento diário.

• Representação de Dados: Registros brutos de mobilidade são transformados em linhas do tempo de atividades diárias de comprimento fixo, divididas em slots de tempo discretos. Cada slot é tokenizado como uma atividade com carimbo de tempo (ex: "08:00-Trabalho").
• Modelagem de Tópicos: Os autores utilizam Latent Dirichlet Allocation (LDA) para tratar as linhas do tempo de atividades diárias como "documentos" e os modelos comportamentais como "tópicos latentes".
  • Modelos ($\mathcal{T}$): Um conjunto de $K$ padrões diários prototípicos (ex: um dia de trabalho das 9 às 17h, um dia de lazer no fim de semana) aprendidos a partir do corpus.
  • Misturas ($\theta$): Cada dia individual é representado não como um único modelo, mas como uma distribuição de probabilidade suave (mistura) sobre esses $K$ modelos.
• Resultado: Isso gera um resumo compacto e interpretável do comportamento diário, onde um dia é definido por sua combinação ponderada de arquétipos globais.

2. Arquitetura IBAD (Modelo Hierárquico Auto-Supervisionado)

O IBAD aprende a prever a mistura de modelos esperada para um dia alvo com base no seu histórico de trajetória.

• Embedding de Visita: As visitas individuais são codificadas usando embeddings aprendíveis para identidade do agente, tempo de chegada/partida (via Time2Vec) e categorias de atividade.
• Representação Diária: Um codificador Transformer bidirecional processa a sequência de visitas dentro de um único dia. Um token [CLS] aprendível agrega essas visitas em um vetor diário de tamanho fixo ($z_d$), capturando dependências intra-dia e ponderando as atividades dominantes.
• Predição Condicionada ao Histórico: Um mecanismo de atenção cruzada causal prevê a mistura de modelos ($\hat{\theta}_d$) para um dia alvo.
  • A consulta (query) é derivada do carimbo de tempo do dia alvo.
  • As chaves (keys) e valores (values) são derivados dos vetores diários anteriores do agente ($z_{d'}$ onde $d' < d$).
  • Isso permite que o modelo considere intervalos de observação irregulares e o desvio temporal (temporal drift).
• Objetivo de Treinamento: O modelo é treinado para minimizar a divergência de Kullback-Leibler (KL) entre a mistura observada (derivada do passo LDA) e a mistura predita (derivada do histórico do agente).
• Pontuação de Anomalia: Durante a inferência, a pontuação de anomalia para um dia é a divergência KL entre a mistura observada e a predição do modelo. Uma alta divergência indica que o comportamento do dia é inconsistente com o repertório histórico do agente.

3. Estratégia de Benchmarking

Como rótulos de anomalia comportamental de verdade (ground-truth) são escassos, os autores introduzem um Benchmark de Emparelhamento (Splicing Benchmark):

• Emparelhamento Intra-agente: Substitui um dia por outro dia do mesmo agente (ex: trocando um dia útil por um fim de semana) para simular desvios de rotina dentro da mesma pessoa.
• Emparelhamento Inter-agente: Substitui um dia por um de um agente diferente para simular incompatibilidades comportamentais entre pessoas.
• Combinado: Uma mistura de ambas as estratégias.
• Filtragem: As substituições são aceitas apenas se a divergência de Jensen-Shannon entre o dia original e o dia injetado exceder um limite, garantindo mudanças comportamentais significativas.

Principais Contribuições

1. Novo Paradigma Comportamental: Muda o foco da detecção de anomalias de desvios espaciais ou temporais rígidos para misturas de modelos comportamentais. As anomalias são definidas como dias onde o padrão de atividade geral não pode ser explicado pelo mix de modelos comportamentais estabelecido do indivíduo.
2. Descoberta de Modelos Comportamentais: Demonstra que a mobilidade diária se decompõe em um pequeno conjunto de modelos interpretáveis usando LDA não supervisionado. O framework IBAD proposto pontua os dias com base em seu desvio da mistura de modelos prevista.
3. Novos Benchmarks:
   • Um benchmark Geolife semanticamente rotulado, mapeando pontos de permanência (stay-points) de GPS bruto para categorias de atividade usando OpenStreetMap e LLMs.
   • Um protocolo de emparelhamento (splicing) para avaliar a detecção de anomalias comportamentais sem rótulos de verdade fundamental, cobrindo incompatibilidades intra-pessoa, inter-pessoa e combinadas.
4. Robustez e Transferibilidade: Experimentos mostram que os modelos aprendidos em um conjunto de dados (ex: NHTS) capturam arquétipos comportamentais universais que são transferíveis entre contextos geográficos e demográficos distintos (ex: Geolife, dados sintéticos).

Resultados Experimentais

O artigo avalia o IBAD em conjuntos de dados reais (NHTS 2017, Geolife) e sintéticos (NUMOSIM).

• Interpretabilidade dos Modelos: Os modelos descobertos pelo LDA (ex: trabalho em tempo integral, estudante, permanência em casa, trabalho em turnos) alinham-se com arquétipos comportamentais humanos conhecidos e são temporalmente distintos.
• Desempenho: O IBAD supera consistentemente os baselines de última geração (incluindo métodos como BeSTAD, LMTAD e ICAD) na detecção de anomalias comportamentais em todos os cenários.
• Generalização: O framework mantém um desempenho robusto mesmo quando aplicado a conjuntos de dados com distribuições diferentes, demonstrando que os arquétipos comportamentais aprendidos são transferíveis.

Significância e Alegações

O artigo afirma que o IBAD oferece um avanço significativo ao abordar a limitação dos métodos existentes que dependem de características espaciais ou temporais criadas manualmente. Ao abstrair a mobilidade em misturas de modelos interpretáveis, o IBAD pode detectar mudanças de estilo de vida e mudanças comportamentais que parecem "fora do personagem", mesmo que nenhum local visitado seja incomum.

Os autores posicionam esta abordagem como particularmente relevante para aplicações como:

• Monitoramento de cuidados com idosos e declínio cognitivo.
• Avaliação de saúde psiquiátrica.
• Segurança infantil e detecção de fraudes.
• Segurança pública.

O trabalho enfatiza que as verdadeiras anomalias comportamentais são frequentemente definidas pela recombinação de atividades, e não pelas atividades em si, uma nuance capturada pela abordagem de mistura de modelos. O código é disponibilizado para reprodutibilidade.