15-EFT.WP.Methods.Falsification v1.0 | 第11章 跨域/跨设备证伪

目录 ／ 文档-技术白皮书 ／ 15-EFT.WP.Methods.Falsification v1.0

第11章 跨域/跨设备证伪

I. 范围与目标

• 本章规定多站点、多硬件、多算力后端与多数据域下的证伪方法、度量与通过门，覆盖站点差异 site_id、设备差异 device_id、数值与量化迁移、软件栈与时基对齐 ts = alpha + beta * tau_mono、运输与对照实验、异常处置与报告联动。目标是在 EnvLock 约束下，对候选系统的跨域等效性与稳健性给出可证伪结论。
• 合成偏差口径以 delta_dev、delta_quant、delta_num、delta_domain 表示；合规联动见第7章（错误控制）、第8章（不确定性）、第10章（审计轨）与第9章（在线守门）。

II. 术语与符号

1. 站点与设备
   site_id ∈ S，device_id ∈ D，backend ∈ {CPU, CUDA, ROCm, NPU}，precision ∈ {fp32, bf16, fp16, int8, int4}，qformat = {scheme, scale, zero_point}，driver_ver，firmware_ver，kernel_ver。
2. 迁移与差异
   • 性能差异：delta_perf = ( score_ref - score_cand )；实时差异：delta_rt = ( TS.latency_cand - TS.latency_ref )。
   • 量化迁移差异：delta_quant = ( score_fp32 - score_int8 )。
   • 数值漂移：delta_num = ( || y_fp32 - y_hw ||_p / max( ||y_fp32||_p, eps ) )；eps 为无量纲稳定项。
   • 域迁移差异：delta_domain = ( score_Da - score_Db )。
   • 复合设备差异：delta_dev = w_perf * delta_perf + w_num * delta_num + w_rt * delta_rt，Σ w_* = 1。
3. 元分析与等效
   • 站点权重：w_i = ( 1 / var_i )；合成效应：theta_hat = ( Σ w_i * theta_i ) / ( Σ w_i )；异质性：Q = Σ w_i * ( theta_i - theta_hat )^2，I2 = max( ( Q - (k - 1) ) / Q, 0 )。
   • 等效性边界：delta_equiv（见第7章），采用 TOST 断言 | theta | < delta_equiv。
4. 数值与量纲
   ulp(x)，epsilon_fp（机内精度），check_dim(expr) 保证量纲守恒；log/exp/ln 自变量无量纲。

III. 公设与最小方程

• P51-22（跨域可等效公设）
  存在 delta_equiv > 0，使得对任意 (site_id, device_id)，主要指标差异 theta 满足 | theta | < delta_equiv 则视为等效。
• P51-23（数值确定性包络公设）
  在锁定 EnvLock、rng.seed 与 canon_json(·) 序列化下，多后端输出应落在数值包络：delta_num ≤ tau_num；超界触发 E_DET_DRIFT_EXCEEDED。
• P51-24（量化迁移可证伪公设）
  量化配置 qformat 的变更应保持 delta_quant ≤ tau_quant；超界视为迁移退化。
• P51-25（运输可归因公设）
  通过运输/对照实验，站点效应可分解为可测可控项，允许以差分口径证伪不可接受的站点偏移。
• S52-51（跨设备等效性检验，TOST）
  记 theta = ( score_ref - score_hw )，若同时满足 ( t_lower > t_alpha ) ∧ ( t_upper > t_alpha )，等价于 | theta | < delta_equiv，则接受等效；否则证伪。
• S52-52（站点异质性分解）
  Var_total = Var_within + Var_between，其中 Var_between = max( ( Q - (k - 1) ) / ( Σ w_i - ( Σ w_i^2 / Σ w_i ) ), 0 )；若 I2 > tau_I2，判定存在显著站点异质性，需单站点证伪与修复。
• S52-53（数值漂移预算）
  delta_num = ( || y_ref - y_hw ||_∞ / max( ||y_ref||_∞, eps ) )，要求 delta_num ≤ tau_num；并且 max_ulp = max_i ulp( y_ref[i], y_hw[i] ) ≤ tau_ulp。
• S52-54（量化迁移风险）
  risk_quant = P( delta_quant > tau_quant | D )，门为 risk_quant ≤ beta_quant；若 power ≥ power_min 且风险超界，则证伪量化方案。
• S52-55（域迁移守门）
  score_guard = min_{domain ∈ {Da, Db, ...}} score_domain，发布门：score_guard ≥ tau_accept 且 FDR ≤ q_star，见第7章。
• S52-56（运输实验差分）
  设基线前后两期 pre/post，站点 A/B，则 DiD = ( y_B_post - y_B_pre ) - ( y_A_post - y_A_pre )；若 | DiD | ≥ tau_transport，证伪“站点无效应”的断言。

IV. 数据与清单口径

1. 站点元数据 SiteCard
   {site_id, geo, power/thermal, network.qos, storage.io, ACL, ts_calib:{alpha, beta}, time_source, compliance.regs}。
2. 设备元数据 DeviceCard
   {device_id, backend, precision, qformat, compute_cap, driver_ver, firmware_ver, kernel_ver, blas_dnn_ver, rng_family}。
3. 工件与指纹
   • Graph.sig，ParamCard.sig，InferPipelineCard.sig，anchor，hash(·)，fingerprint，EnvLock（见第10章）。
   • 样本切片：golden_set_hash、boundary_set_hash、ood_set_hash、adv_set_hash(epsilon)（见第4章）。
4. 记录格式
   每次评估记录 {site_id, device_id, ts, rng.seed, data_shard, score, TS.latency, TS.thrpt, y_ref_hash, y_hw_hash, delta_num, delta_quant}，以 canon_json(·) 固化并入 AuditTrail。

V. 算法与实现绑定

1. 新增实现绑定 I50-*
   • I50-41 site_stratified_eval(runtime:any, tests:any, sites:list) -> {per_site:table, theta_i:list}
   • I50-42 device_sweep(runtime:any, devices:list, precision:list) -> SweepReport
   • I50-43 quant_migration_test(model:any, qformat:dict, data:any) -> {delta_quant:float, risk_quant:float}
   • I50-44 numeric_drift_probe(runtime:any, x:any, ref_backend:str, cand_backend:str) -> {delta_num:float, max_ulp:float}
   • I50-45 transport_experiment(plan:dict) -> {DiD:float, ci:tuple}
   • I50-46 equivalence_meta_analysis(thetas:list, vars:list) -> {theta_hat:float, I2:float}
2. 异常与契约
   E_SITE_HETEROGENEITY（I2 > tau_I2），E_QUANT_MISMATCH（delta_quant > tau_quant），E_DET_DRIFT_EXCEEDED（delta_num > tau_num），E_TIMEBASE_MISALIGNED（未满足 ts = alpha + beta * tau_mono），E_ENV_MISMATCH（EnvLock 不一致）。
3. 幂等与重放
   同一 {anchor, SiteCard, DeviceCard, golden_set_hash, rng.seed} 下 site_stratified_eval 结果幂等；偏离进入 AuditTrail（见第10章）。

VI. 计量流程与运行图

1. Mx-80 站点/设备编目
   • 采集 SiteCard 与 DeviceCard，校验 EnvLock，对齐时基参数 {alpha, beta}。
   • 构建评估矩阵 sites × devices × precision × domains。
2. Mx-81 数值与量化探针
   • 以 I50-44 对关键用例运行 ref_backend → cand_backend，产出 delta_num 与 max_ulp。
   • 以 I50-43 对目标 qformat 评估 delta_quant 与 risk_quant。
3. Mx-82 跨域等效性与元分析
   • 执行 I50-41/42，得到每站点效应 theta_i 与方差 var_i。
   • 以 I50-46 计算 theta_hat、I2，并以 S52-51/52 判定等效与异质性。
4. Mx-83 运输/对照实验
   • 按计划将相同变更在 A/B 站点同期部署，I50-45 计算 DiD 与区间。
   • 若 | DiD | ≥ tau_transport，触发回退与修复。
5. Mx-84 守门与归档
   将 delta_dev、delta_quant、delta_num、I2、DiD 与第7章门控合成，调用 gate_release；证据落 Evidence.bundle 并签名（见第10章）。

VII. 验证与测试矩阵

1. 数值稳定与确定性
   • ref_backend = fp32_cpu，cand_backend ∈ {CUDA, ROCm, NPU}，测 delta_num 与 max_ulp；门：delta_num ≤ tau_num，max_ulp ≤ tau_ulp。
   • 形变关系 MR_k 上重放（见第5章），验证包络不扩大。
2. 量化迁移
   • fp32 → int8 与 bf16 → int8 双路径评估，门：delta_quant ≤ tau_quant，risk_quant ≤ beta_quant。
   • 边界样本与 OOD（见第4章）上验证 score_guard ≥ tau_accept。
3. 站点等效与异质性
   • 至少 k ≥ 3 站点，计算 theta_i、theta_hat、I2；门：| theta_hat | < delta_equiv 且 I2 ≤ tau_I2。
   • 若 I2 超界，进入单站点证伪与根因定位。
4. 运输/对照
   以 DiD 检验“站点无效应”，门：| DiD | < tau_transport；否则回退。
5. 实时与吞吐
   TS.latency、TS.thrpt 在各设备上满足 SLO_rt；delta_rt 纳入 delta_dev 计算。

VIII. 交叉引用与依赖

IX. 风险、限制与开放问题

• 风险与限制
  跨后端内核实现差异（blas/dnn）导致隐式数值漂移；量化校准样本不足造成 delta_quant 低估；站点网络与热噪声干扰实时指标；时基对齐失配引入伪差异。
• 开放问题
  在线 alpha-spending 与跨站点元分析的联合最优；tau_num/tau_ulp 的任务自适应设定；低比特量化（int4）在 OOD 场景的保守门设计。

X. 交付件与版本管理

• 交付件
  SiteCard.*，DeviceCard.*，NumericDriftReport，QuantMigrationReport，MetaAnalysisReport（含 theta_i/theta_hat/I2），TransportReport（含 DiD），CrossDev.summary，更新后的 Evidence.bundle 与签名。
• 版本策略
  仅新增站点/设备：patch；量化或后端切换：minor（需重跑 Mx-81 → Mx-82）；图结构或参数重大变更：major（新 EnvLock 与全量重放）。