基于随机教师网络的机器遗忘方法

“被遗忘权”现象的出现促使了机器遗忘的研究，该权利赋予数据所有者主动撤回已用于模型训练的数据，并要求消除该数据对模型的贡献。实现此目的的一种简单方法是使用剩余数据重新训练模型，但这对继续参与训练的其他数据所有者而言不可接受。现有机器遗忘方法被发现难以快速从深度学习模型中移除知识。本文提出使用随机网络作为教师，以加速缓解被遗忘数据对模型所造成的影响。我们在三个数据集上进行了实验，结果表明我们的方法能在单个 epoch 内高效缓解目标数据对模型的影响。这允许一次性擦除并重建模型，且重建模型达到与重训练模型相同的性能。