
# Kauzinė kontrfaktinė naratyvo variklis realaus laiko daugių reguliavimo atitikties generavimui

## Įvadas

Įmonės, veikiančios tarptautiniu mastu, susiduria su nuolat kylančiu reguliavimo atnaujinimų srautu. Tradiciniai atitikties procesai remiasi rankiniu interpretavimu, taisyklėmis pagrįstu susiejimu ir periodiniais ataskaitų teikimais – procesais, kurie yra lėti, linkę į klaidas ir brangūs. Neseniai pasirodžiusios didžiųjų kalbos modelių (LLM) galimybės leido **generuoti atitikties naratyvus**, tačiau dauguma sprendimų vis dar veikia kaip juodosios dėžutės: jie generuoja tekstą nepaaiškindami, *kodėl* tam tikra kontrolė ar mitigacija yra rekomenduojama.

**Kauzinio Kontrafaktinio Naratyvo Variklis (CCNE)** užpildo šią spragą. Sukurdamas kauzinį grafą, apimantį reguliavimo reikalavimus, verslo procesus ir rizikos veiksnius, variklis gali užduoti „kas‑būt“ klausimus, generuoti kontrfaktines scenarijas ir kurti naratyvus, kurie yra tiek **realaus laiko**, tiek **paaiškinami**. Šiame straipsnyje apžvelgiamos konceptualiosios pagrindai, techninė architektūra ir praktiniai diegimo žingsniai, leidžiantys sukurti CCNE, veikiančią kelių reguliavimo režimų aplinkoje.

## Kodėl svarbūs kauziniai kontrfaktiniai metodai

1. **Įžvalgos į priežastinius ryšius** – Kauziniai grafai atskleidžia pagrindinius atitikties rizikos veiksnius (pvz., „Duomenų saugojimo laikotarpis → [GDPR](https://gdpr.eu/) 5 straipsnio atitiktis“). Kai reguliavimas pasikeičia, poveikis skleidžiamas per grafiką, iš karto parodant paveiktas kontrolės priemones.

2. **„Kas‑būt“ tyrimai** – Kontrafaktinis mąstymas leidžia atitikties specialistams klausti, pavyzdžiui, „Jei sumažintume duomenų saugojimą iki 30 dienų, ar vis dar atitiktume [ISO 27001](https://www.iso.org/standard/27001) A.8.2?“ Variklis simuliuoja rezultatą ir generuoja naratyvą, paaiškinantį kompromisą.

3. **Audituojamumas** – Kiekviena rekomendacija yra pagrįsta sekama kauzine kelione ir kontrfaktiniu įrodymu, patenkinančiu auditorius, reikalaujančius įrodymų, viršijančių paprastą sugeneruotą pastraipą.

4. **Reguliavimo harmonija** – Suderinus kelias ontologijas į bendrą kauzinį pagrindą, variklis gali suderinti prieštaringus reikalavimus (pvz., skirtingas duomenų lokacijos taisykles GDPR ir CCPA) ir sukurti vieningą naratyvą.

## Architektūros apžvalga

CCNE susideda iš penkių glaudžiai susijusių sluoksnių:

1. **Įsisavinimas ir ontologijų suderinimas** – Srautas reguliavimo tekstų, vidinių politikų ir procesų metaduomenų į vieningą žinių grafiką.
2. **Kauzinio grafų kūrėjas** – Išgauna priežastinius ryšius, naudodamas LLM‑praturtintą informacijos išgavimą, ir saugo juos kaip nukreiptas briaunas.
3. **Kontrafaktinis variklis** – Generuoja alternatyvias pasaulio versijas, keisdamas mazgų būsenas ir vertindamas atitikties poveikį per probabilistinę inferenciją.
4. **Generatyvus naratyvo sluoksnis** – Sąlygoja LLM kauzine kelione ir kontrfaktiniais įrodymais, kad sukurtų žmonėms skaitomus paaiškinimus.
5. **Orkestracija ir realaus laiko API** – Aptarnauja užklausas, valdo vėlavimo biudžetus ir registruoja kilmės duomenis audito takeliam.

Žemiau pateikiamas aukšto lygio „Mermaid“ diagramos duomenų srauto vaizdas.

```mermaid
graph LR
    A["Reguliavimo šaltinis"] --> B["Įsisavinimo paslauga"]
    C["Įmonės politikų saugykla"] --> B
    D["Procesų metaduomenų ežeras"] --> B
    B --> E["Vieningas žinių grafas"]
    E --> F["Kauzinio grafų kūrėjas"]
    F --> G["Kauzinio grafų saugykla"]
    G --> H["Kontrafaktinis variklis"]
    H --> I["Naratyvo generatorius"]
    I --> J["Realio laiko API"]
    J --> K["Atitikties skydelis"]
    style A fill:#f9f,stroke:#333,stroke-width:2px
    style K fill:#bbf,stroke:#333,stroke-width:2px
```

## Duomenų įsisavinimas ir ontologijų suderinimas

### Daugių šaltinių srautas

- **Reguliavimo šaltiniai** (ES Valstybės žurnalas, SEC EDGAR, vietinės agentūros) gaunami per RSS, API arba žiniatinklio skreperius.
- **Vidiniai artefaktai** (politikos dokumentai, SOP, rizikos registrai) traukiami iš dokumentų valdymo sistemų naudojant jungtis.
- **Procesų telemetrija** (darbo srautų žurnalai, IAM įvykiai) teka iš įvykių hubų (Kafka, Pulsar) į žaliąjį duomenų ežerą.

### Normalizacijos konvejeris

1. **Teksto išankstinis apdorojimas** – OCR skenuotoms PDF, kalbos aptikimas ir tokenizavimas.
2. **Semantinis skaidymas** – Ilgas teisės aktus skaidome į atomines dalis, naudodami LLM‑valdomą segmentavimą.
3. **Ontologijų susiejimas** – Kiekvieną dalį susiejame su bendru meta‑modeliu (pvz., `DataRetention`, `AccessControl`, `AuditLog`) per **Prompt‑Based Entity Resolver**.

### Tokenų paskatinimo sluoksnis (nebūtinas)

Siekiant paskatinti išorinius reguliuotojus ar partnerius teikti aukštos kokybės metaduomenis, platforma gali išduoti **atitikties tokenus** leidžiamoje grandinėje. Tokenai skiriami už patvirtintus susiejimus ir gali būti panaudoti analitikos kreditams.

## Kauzinio grafų kūrimas

### Išgavimo technikos

- **Priklausomybės analizė** identifikuoja veiksmažodžius, nurodančius kauzališkumą („privalo saugoti“, „turėtų šifruoti“).
- **LLM‑praturtintas šablonų kasyba** skatina modelį žymėti priežasties‑pasekmės poras, pvz., „Jei `EncryptionAtRest` įjungta, tada `DataBreachRisk` sumažėja“.

### Grafų schema

| Mazgo tipas      | Pavyzdys                     | Atributai                         |
|------------------|-----------------------------|-----------------------------------|
| RegulationClause | “GDPR Art 5(1)(a)”          | `source`, `effectiveDate`         |
| Control          | “AES‑256 šifravimas”        | `implementationStatus`, `cost`   |
| RiskFactor       | “Neleistina prieiga”        | `probability`, `impactScore`     |
| BusinessProcess  | “Kliento duomenų eksportas” | `owner`, `frequency`             |

Briaunos turi **kauzinį svorį** (0‑1), gautą iš pasitikėjimo balų. Grafas saugomas **savybių grafų duomenų bazėje** (Neo4j, JanusGraph) greitam traversavimui.

## Kontrafaktinio mąstymo modulis

### „Kas‑būt“ variklis

Variklis naudoja **probabilistinius grafinius modelius** (Bajeso tinklus), sukurtus ant kauzinio grafiko. Norint įvertinti kontrfaktinę situaciją:

1. **Intervencija** – Nustatome mazgo būseną (pvz., `DataRetention = 30 days`).
2. **Do‑kalkulius** – Propaguojame intervenciją per tinklą, perskaičiuodami posteriorines tikimybes žemiau esančiam rizikos mazgams.
3. **Rezultato įvertinimas** – Lyginame naują rizikos profilį su atitikties slenksčiais.

### Pavyzdinė užklausa

> *„Jei pakeistume vietinį žurnalo saugojimą į debesų pagrindu veikiančią SIEM, ar vis dar atitiktume [ISO 27001](https://www.iso.org/standard/27001) A.12.4?“*

Variklis intervenciją `LoggingSolution = CloudSIEM` įgyvendina, atlieka inferenciją ir grąžina atitikties tikimybę (pvz., 0,92). Šis rezultatas perduodamas naratyvo generatoriui.

## Generatyvus naratyvo sluoksnis

### Promptų kūrimas

LLM gauna struktūruotą promptą, kuriame yra:

- **Reguliavimo kontekstas** (klauzės tekstas, jurisdikcija)
- **Kauzinė kelionė** (mazgų ir briaunų sąrašas)
- **Kontrafaktinis rezultatas** (tikimybė, rizikos pokytis)
- **Tonacijos nurodymai** (koncizuotas, vadovų santrauka, techninis detalės)

Pavyzdinis promptas (supaprastintas):

```
You are a compliance analyst. Explain why switching to CloudSIEM improves ISO 27001 A.12.4 compliance. Include the causal chain: CloudSIEM → RealTimeLogAggregation → ReducedLogLoss → ComplianceScore 0.92. Keep the tone professional and include a brief recommendation.
```

### Išvesties savybės

- **Paaiškinimo pastraipa** – Žmogui skaitomas naratyvas.
- **Įrodymų lentelė** – Markdown lentelė, susiejanti kiekvieną teiginį su grafų mazgo ID.
- **Audito hash** – SHA‑256 kauzinės kelionės, saugomas nekintamoje grandinėje vėlesniam patikrinimui.

## Realaus laiko orkestracija

### Vėlavimo valdymas

- **Kešų sluoksnis** saugo neseniai atliktus kontrfaktinius rezultatus dažnai užduodamoms užklausoms (pvz., įprasti „30‑dienų saugojimo“ scenarijai).
- **Asinchroninis apdorojimas** – Sunki grafų atnaujinimai vyksta fone; API grąžina „laukiama“ būseną su webhook, skirtu pranešti apie užbaigimą.

### API sutartis

```json
POST /api/v1/compliance/narrative
{
  "regulation": "GDPR",
  "clause": "Art5(1)(a)",
  "intervention": {"DataRetentionDays": 30},
  "outputFormat": "markdown"
}
```

Atsakymas apima `narrative`, `evidenceTable` ir `auditHash`.

## Paaiškinamumas ir auditas

1. **Kilmės grafas** – Kiekvienas naratyvas susietas su tiksliai naudotomis kauzinėmis briaunomis.
2. **Kontrafaktinis takas** – Vizualiai galima sugeneruoti „Mermaid“ diagramą, rodantį intervenciją ir paveiktus mazgus.
3. **Nekintama grandinė** – Naudojant leidžiamą blokų grandinę (pvz., Hyperledger Fabric) saugomi `auditHash`, užtikrinantys nepakitimo įrodymą.

### Pavyzdinė „Mermaid“ kontrfaktinė diagrama

```mermaid
graph TD
    A["DataRetention = 90 days"] --> B["Risk: Data Breach = 0.15"]
    C["Intervention: DataRetention = 30 days"] --> D["Risk: Data Breach = 0.07"]
    style C fill:#ff9,stroke:#333,stroke-width:2px
    style D fill:#9f9,stroke:#333,stroke-width:2px
```

## Diegimo svarstymai

| Sritis          | Rekomendacija |
|-----------------|----------------|
| **Mastelio didinimas** | Naudoti paskirstytą grafų duomenų bazę; stateless paslaugas valdyti Kubernetes. |
| **Saugumas** | Šifruoti duomenis poilsio metu, įgyvendinti zero‑trust tinklo politiką ir izoliuoti tokenų kūrimo paslaugas. |
| **Atitiktis** | Pritaikyti platformą pagal [ISO 27001](https://www.iso.org/standard/27001) ir [SOC 2](https://secureframe.com/hub/soc-2/what-is-soc-2); palaikyti atskirą įrodymų saugyklą reguliatorių reikalaujamiems žurnalams. |
| **Stebėsena** | Sekti vėlavimą, inferencijos pasitikėjimą ir tokenų ekonomikos sveikatą per Prometheus + Grafana skydelius. |

## Ateities kryptys

- **Meta‑mokymasis promptų optimizavimui** – Nuolat tobulinti LLM pagal naudotojų atsiliepimus, kad naratyvai būtų dar tikslesni.
- **Multimodaliniai įrodymai** – Įtraukti vizualinius elementus (pvz., UI kontrolės ekrano nuotraukas) naudojant viziją palaikančius LLM.
- **Kryžinis domenų perkėlimas** – Naudoti išmoktas kauzines struktūras iš finansų sektoriaus, kad pagreitintume atitikties įgyvendinimą sveikatos priežiūros reglamentuose.
- **Savarankiškai gyjančios grafų sistemos** – Aptikti senstančias briaunas per nuokrypio aptikimą ir automatiškai inicijuoti išgavimo modelių permokymą.

## Išvada

**Kauzinio Kontrafaktinio Naratyvo Variklis** paverčia atitiktį iš reaguojančio kontrolinio sąrašo į proaktyvią, paaiškinamą sprendimų paramos sistemą. Sujungdamas kauzinės grafų analizę, kontrfaktinę simuliaciją ir generatyvią DI, organizacijos gauna momentinius, audituojamus naratyvus, kurie prisitaiko prie reguliavimo pokyčių realiu laiku. Įgyvendinus aukščiau aprašytą architektūrą, įmonės įgyja skaidrumą, kurį reikalauja reguliuotojai, ir lankstumą, kurio reikalauja šiuolaikinė rinka.

## Susiję

- [Kontrafaktinis mąstymas dideliuose kalbos modeliuose – arXiv preprint](https://arxiv.org/abs/2403.01234)