联邦 Granger 因果学习中的不确定性量化

针对联邦场景下客户端特征异构、跨客户端因果边需经多轮客户端-服务器迭代间接估计的问题，该论文刻画了不确定性传播过程，区分来自客户端数据变异性的 aleatoric 不确定性与来自模型参数的 epistemic 不确定性，并推导出闭式方差递推与稳态方差，证明初始模型参数不确定性的传播贡献渐近消失。