可靠遗忘：机器遗忘验证概述

随着对隐私保护、安全以及法律合规（如 GDPR）日益增长的要求，机器遗忘已成为确保机器学习模型可控性和法规一致性的关键技术。然而，该领域的根本挑战在于有效验证遗忘操作是否成功且彻底执行。尽管存在关于遗忘技术的日益增长的文献，但验证方法仍相对不够探索且往往碎片化。现有方法缺乏统一的分类框架和系统性评估框架。为弥合这一差距，本文提出了机器遗忘验证方法的首个结构化综述。我们提出一种将当前技术组织为两大主要类别的分类框架——基于行为的验证 和 基于参数的验证——基于用于评估遗忘忠诚度的证据类型。我们审查了每个类别中的代表性方法，分析了其 underlying 假设、优势与局限性，并识别了实际部署中的潜在漏洞。最后，我们阐述了当前验证研究中的一系列开放问题，旨在为 developing 更 robust、efficient 且 theory grounded 的遗忘验证机制提供基础。