机器遗忘中的“未删除者”保护
机器学习
2026-02-19 v1 数据结构与算法
摘要
机器遗忘旨在从训练好的模型中移除特定数据点，常致力于模拟“完美重新训练”，即产生若该删除数据从未被包含则会得到的模型。我们展示了这种方法以及使其成为可能的安全定义，对于剩余（未删除）数据点携带显著隐私风险。我们提出了一种重构攻击，表明对于某些可安全而无需删除的任务，遵循完美重新训练的机制允许仅通过 个控制数据点即可几乎完整地重构整个数据集。我们调查了现有的机器遗忘定义，表明它们要么易受此类攻击，要么过于严格以至于不支持诸如精确求和等基本功能。为解决此问题，我们提出一种新的安全定义，专门保护未删除数据免受其他数据点删除造成的泄露。我们表明我们的定义允许几种基本功能，如公告板、求和和统计学习。
引用
@article{arxiv.2602.16697,
title = {Protecting the Undeleted in Machine Unlearning},
author = {Aloni Cohen and Refael Kohen and Kobbi Nissim and Uri Stemmer},
journal= {arXiv preprint arXiv:2602.16697},
year = {2026}
}