基于图像特征融合的联邦客户端无学习 (IFF-FCU)
机器学习
2026-05-27 v1
摘要
所有主要的数据保护法规都提到“被�忘权”，这推动了联邦无学习（FU）技术的发展。但仍存在一个顽固问题：灾难性遗忘——你擦除目标知识，却意外地抛弃了essential retained knowledge，这会损害模型的全局泛化能力。为在无学习效果和泛化能力之间取得更好的平衡，我们提出了一种称为基于图像特征融合的联邦客户端无学习（IFF-FCU）的方案。其核心思想是引入线性图像特征融合机制（Mixup），动态创建混合样本，桥接忘却分布与保留分布之间的差距。这种策略的作用不仅仅是删除少量离散数据点——它在理论上扩大并正则化了忘却边界。我们在医学影像基准（RSNA-ICH 和 ISIC2018）上进行了大量实验，结果表明该方法在实现合理的无学习方面表现优异。例如，在ICH数据集上，IFF-FCU实现了与重新训练的黄金标准之间的高度竞争的误差偏差，显示出对现有基线方法的稳健性改进。
引用
@article{arxiv.2605.26715,
title = {Image Feature Fusion-based Federated Client Unlearning (FCU)},
author = {Hangyi Shen and Yizhi Pan and Tiansuo Li and Weiqi Jiang and Guanqun Sun},
journal= {arXiv preprint arXiv:2605.26715},
year = {2026}
}