zkUnlearner：一个支持多粒度与防伪造的可验证遗忘零知识框架
密码学与安全
2025-09-10 v1 人工智能
摘要
随着行使“被遗忘权”的需求日益增长，对可验证机器遗忘的需求变得愈发明显，以确保透明度和问责制。我们提出了 zkUnlearner，这是首个用于可验证机器遗忘的零知识框架，专门设计用于支持多粒度和防伪造。首先，我们提出了一种通用计算模型，该模型采用位掩码技术，为现有的梯度下降算法训练零知识证明赋予选择性。这一创新不仅支持传统的样本级遗忘，还支持更高级的特征级和类别级遗忘。我们的模型可以转换为算术电路，确保与广泛的零知识证明系统兼容。此外，我们的方法克服了现有方法在效率和隐私方面的关键局限性。其次，伪造攻击对遗忘的可靠性构成严重威胁。具体来说，在随机梯度下降优化中，来自被遗忘数据或包含该数据的小批次的梯度，可以使用替代数据样本或排除该数据的小批次进行伪造。我们提出了首个有效策略来抵御最先进的伪造攻击。最后，我们对我们框架的一个基于 zkSNARK 的实例进行了基准测试，并进行了全面的性能评估以验证其实用性。
引用
@article{arxiv.2509.07290,
title = {zkUnlearner: A Zero-Knowledge Framework for Verifiable Unlearning with Multi-Granularity and Forgery-Resistance},
author = {Nan Wang and Nan Wu and Xiangyu Hui and Jiafan Wang and Xin Yuan},
journal= {arXiv preprint arXiv:2509.07290},
year = {2025}
}