基于场景图的对象级遗忘：面向数据删除的精准治疗
计算机视觉与模式识别
2024-12-03 v1 机器学习
摘要
用户可能无意中将可识别个人信息（PII）上传至机器学习即服务（MLaaS）提供商。当用户不再希望这些 PII 保留在这些服务中时，GDPR 和 COPPA 等法规要求实施忘却权。因此，这些服务寻求高效方法来移除特定数据点的影响。因此，引入了机器遗忘的概念。传统上，遗忘通过移除 entire data samples（样本遗忘）或整个数据集中的特征（特征遗忘）来实现。然而，这些方法无法处理更细粒度且更具挑战性的遗忘特定样本中特定对象的任务。为填补这一差距，我们提出了一种基于场景图（scene graph）的对象级遗忘框架。该框架利用场景图这一富含语义信息的结构，将遗忘请求透明地转化为可执行步骤。结果是保持生成图像的整体语义完整性，除非是被遗忘的对象。我们通过 influence functions 来近似遗忘过程，从而管理高计算开销。为进行验证，我们评估了在图像重建和图像合成任务下遗忘对象的保真度。我们提议的框架在对象级遗忘方面表现出更好的结果，同时保持未被遗忘样本的完整性，与样本和特征遗忘方法形成鲜明对比。本工作通过增加对特定对象级细节的精准遗忘，从而解决了关键隐私问题，既不牺牲整个数据样本或数据集特征的实用性。
引用
@article{arxiv.2412.00067,
title = {Targeted Therapy in Data Removal: Object Unlearning Based on Scene Graphs},
author = {Chenhan Zhang and Benjamin Zi Hao Zhao and Hassan Asghar and Dali Kaafar},
journal= {arXiv preprint arXiv:2412.00067},
year = {2024}
}