高效遗忘技术及其隐私保障
密码学与安全
2025-07-08 v1 机器学习
摘要
隐私保护法律（如GDPR）赋予个人要求从数据库及机器学习(ML)模型中忘记其个人数据的权利。机器遗忘已成为实现模型训练期间数据遗忘的实用方法。虽然一些现有机器遗忘方法保证精确遗忘，但计算成本高。另一方面，更经济的方法不提供遗忘保证，仅适用于特定ML模型。在本文中，我们提出\emph{高效遗忘技术及其隐私保障}(EUPG)-一种新的机器遗忘框架，为遗忘数据 individuals 提供形式隐私保证。EUPG涉及使用受隐私模型保护的数据进行预训练ML模型，并enable {\em 高效遗忘技术，同时保留所使用隐私模型提供的隐私保证}。通过在四个异构数据集上进行经验评估，使用k-匿名和ε-差分隐私作为隐私模型保护数据，我们的方法在实用性和遗忘效果方面与精确遗忘方法相当，同时显著降低计算和存储成本。我们的代码已公开于 https://github.com/najeebjebreel/EUPG。
引用
@article{arxiv.2507.04771,
title = {Efficient Unlearning with Privacy Guarantees},
author = {Josep Domingo-Ferrer and Najeeb Jebreel and David Sánchez},
journal= {arXiv preprint arXiv:2507.04771},
year = {2025}
}