面向分布迁移的鲁棒认证机器遗忘方法
机器学习
2026-01-13 v1 密码学与安全
摘要
牛顿法已被广泛用于实现认证遗忘。然而，现有方法的一个关键假设是用于遗忘的数据是独立同分布(i.i.d.)选取的。然而，在非i.i.d.删除下进行认证遗忘的问题仍基本未被探讨。实际情况下，遗忘请求本质上具有偏差，导致非i.i.d.的删除，并在原始数据集和保留数据集之间引发分布迁移。本文表明，在非i.i.d.遗忘集合下，采用牛顿法的认证遗忘变得效率低且效果不佳。我们随后提出一种更好的认证遗忘方法，通过在迭代牛顿更新受信任区域约束下，构建基于分布感知的认证遗忘框架。该方法提供了对再训练模型的更贴近近似，并产生更紧的梯度残差预运行界限，从而确保高效(epsilon, delta)认证遗忘。为证明其在分布迁移下的实际有效性，我们还通过多个评估指标进行了广泛实验，全面评估了我们的方法。
引用
@article{arxiv.2601.06967,
title = {A Robust Certified Machine Unlearning Method Under Distribution Shift},
author = {Jinduo Guo and Yinzhi Cao},
journal= {arXiv preprint arXiv:2601.06967},
year = {2026}
}