机器遗忘：分类法、度量、应用、挑战与展望
机器学习
2024-03-14 v1 密码学与安全
计算机与社会
摘要
个人数字数据是一项关键资产，世界各国政府已颁布法律法规以保护数据隐私。数据用户被赋予了对其数据的被遗忘权。在机器学习（ML）过程中，被遗忘权要求模型提供者根据用户请求删除用户数据及其对ML模型的后续影响。机器遗忘应运而生以解决此问题，并已获得工业界和学术界日益增长的关注。尽管该领域发展迅速，但缺乏全面的综述来捕捉最新进展。认识到这一不足，我们进行了广泛的探索，以描绘机器遗忘的全貌，包括集中式和分布式设置下遗忘算法的（细粒度）分类法、关于近似遗忘的争论、验证与评估度量、不同应用下遗忘的挑战与解决方案，以及针对机器遗忘的攻击。本综述最后概述了未来研究的潜在方向，希望能为感兴趣的学者提供指引。
引用
@article{arxiv.2403.08254,
title = {Machine Unlearning: Taxonomy, Metrics, Applications, Challenges, and Prospects},
author = {Na Li and Chunyi Zhou and Yansong Gao and Hui Chen and Anmin Fu and Zhi Zhang and Yu Shui},
journal= {arXiv preprint arXiv:2403.08254},
year = {2024}
}