交通状态估计与预测的机器学习无学习
机器学习
2025-12-01 v3 人工智能
摘要
数据驱动的交通状态估计与预测 (TSEP) 依赖大量包含敏感信息的数据源。尽管数据 abundance 推动了机器学习方法取得的显著突破，但也引发了关于隐私、网络安全和数据新鲜度的担忧，这些问题可能动摇公众对智能交通系统的信任。近期法规引入了“被遗忘权”，允许用户请求从模型中删除其私人数据。由于机器学习模型能够记住旧数据，仅从后端数据库中删除数据在此类系统中仍不够。为了应对这些挑战，本研究引入了一种 novel learning paradigm for TSEP-Machine Unlearning TSEP-which enables a trained TSEP model to selectively forget privacy-sensitive, poisoned, or outdated data. 通过赋予模型“无学习”能力，我们旨在增强数据驱动交通 TSEP 的可信度和可靠性。
引用
@article{arxiv.2507.17984,
title = {Machine Unlearning of Traffic State Estimation and Prediction},
author = {Xin Wang and R. Tyrrell Rockafellar and Xuegang and Ban},
journal= {arXiv preprint arXiv:2507.17984},
year = {2025}
}