基于多GAN模型的机器遗忘
机器学习
2024-07-29 v1
摘要
本文提出一种新的机器遗忘方法，利用多个基于生成对抗网络（GAN）的模型。该方法包含两个阶段：i）数据组织，其中引入使用GAN模型生成的合成数据，并对遗忘数据集的类别标签进行反转；ii）微调预训练模型。GAN模型由两对生成器和判别器组成。生成器-判别器对为保留数据集和遗忘数据集生成合成数据。然后，使用预训练模型获取合成数据集的类别标签。将合成数据集和原始遗忘数据集的类别标签反转。最后，使用所有组合后的数据集微调预训练模型以获得遗忘后的模型。我们在 CIFAR-10 数据集上进行实验，并使用成员推断攻击（MIA）测试遗忘后的模型。类别标签的反转程序和合成生成数据有助于获取有价值的信息，从而使模型在性能上超越当前最先进的方法和其他标准遗忘分类器。
引用
@article{arxiv.2407.18467,
title = {Machine Unlearning using a Multi-GAN based Model},
author = {Amartya Hatua and Trung T. Nguyen and Andrew H. Sung},
journal= {arXiv preprint arXiv:2407.18467},
year = {2024}
}