机器遗忘研究综述
机器学习
2024-11-19 v1
摘要
近来，越来越多的法律对用户隐私的可用性进行了规范。例如，《通用数据保护条例》（GDPR）第 17 条“被遗忘权”要求，如果用户提出请求，机器学习应用必须从数据集中移除部分数据并重新训练。此外，从安全角度来看，机器学习模型的训练数据，即可能包含用户隐私的数据，应得到有效保护，包括适当的擦除。因此，研究人员提出了各种隐私保护方法，如机器遗忘，来处理此类问题。本文对机器学习模型中的安全和隐私问题进行了深入综述。首先，我们介绍了机器学习如何在日常生活中使用用户的私人数据，以及 GDPR 在此问题中扮演的角色。然后，我们通过描述机器学习模型中的安全威胁以及如何利用机器学习平台保护用户隐私免受侵犯，引入了机器遗忘的概念。作为本文的核心内容，我们介绍并分析了当前的机器遗忘方法和几个代表性研究成果，并在数据沿袭的背景下对其进行了讨论。此外，我们还讨论了该领域未来的研究挑战。
引用
@article{arxiv.2411.11315,
title = {A Review on Machine Unlearning},
author = {Haibo Zhang and Toru Nakamura and Takamasa Isohara and Kouichi Sakurai},
journal= {arXiv preprint arXiv:2411.11315},
year = {2024}
}