从单张图像中遗忘个人数据
计算机视觉与模式识别
2025-02-27 v2
摘要
机器遗忘旨在从模型中擦除数据，仿佛这些数据在训练期间从未被看到。虽然现有方法通过对完整或部分访问训练数据来遗忘信息，但这种访问可能会因隐私法规而受到限制。目前不存在用于探讨遗忘方法在此类情境下有效性的设置或基准。为填补这一空白，我们提出了一种我们称之为 One-Shot Unlearning of Personal Identities (1-SHUI) 的新任务，该任务评估当训练数据不可用时遗忘模型的有效性。我们关注遗忘身份数据，这些数据特别相关，因为当前法规要求在训练后删除个人数据。为应对数据不可用的情况，我们期望用户提供一张肖像照片以辅助遗忘。我们在 CelebA、CelebA-HQ 和 MUFAC 上设计不同的遗忘集合大小，以评估 1-SHUI 中适用方法。此外，我们提出了 MetaUnlearn，这是一种从单张图像中遗忘身份的有效方法。我们的发现表明，当数据可用性受限，尤其是提供的样本与训练数据不一致时，现有方法会受到挑战。源代码地址：https://github.com/tdemin16/one-shui
关键词
引用
@article{arxiv.2407.12069,
title = {Unlearning Personal Data from a Single Image},
author = {Thomas De Min and Massimiliano Mancini and Stéphane Lathuilière and Subhankar Roy and Elisa Ricci},
journal= {arXiv preprint arXiv:2407.12069},
year = {2025}
}
备注
Published in Transactions on Machine Learning Research (TMLR)