通过模型分割与核心样本选择实现高效机器遗忘
机器学习
2025-05-13 v1 机器学习
摘要
机器遗忘对于满足法律义务（如“被遗忘权”）至关重要，这要求在请求时从机器学习模型中移除特定数据。尽管已提出了多种遗忘方法，但现有解决方案在效率和更关键的遗忘验证方面往往面临挑战——尤其是在弱遗忘保证的情况下，验证仍是一个开放问题。我们引入一种广义的标准遗忘度量，以实现更高效和更精确的遗忘策略。我们还提出一种遗忘感知的训练程序，在许多情况下允许实现精确遗忘。我们称之为 MaxRR。当精确遗忘不可行时，MaxRR 仍支持高效遗忘，其属性与通过完全重新训练所实现的属性密切匹配。
引用
@article{arxiv.2505.07026,
title = {Efficient Machine Unlearning by Model Splitting and Core Sample Selection},
author = {Maximilian Egger and Rawad Bitar and Rüdiger Urbanke},
journal= {arXiv preprint arXiv:2505.07026},
year = {2025}
}