Apprendimento Federato Non Appreso tramite Potatura della Memorizzazione
Un nuovo articolo di ricerca propone FedMemPrune, un metodo di apprendimento federato non appreso basato sulla potatura che rimuove le informazioni memorizzate uniche per i dati dimenticati, preservando al contempo i pattern sovrapposti. L'approccio utilizza la Valutazione della Memorizzazione Raggruppata per separare la conoscenza memorizzata da quella sovrapposta. Gli esperimenti dimostrano l'efficacia nel conformarsi alle normative sulla privacy.
Fatti principali
- L'apprendimento federato necessita di machine unlearning per le normative sulla privacy.
- Gli approcci esistenti trascurano le informazioni sovrapposte tra i dati da dimenticare e quelli rimanenti.
- FedMemPrune resetta i parametri ridondanti responsabili della memorizzazione.
- La Valutazione della Memorizzazione Raggruppata è una metrica a livello di esempio.
- L'articolo è su arXiv con ID 2605.24545.
- Il metodo preserva i pattern sovrapposti supportati dai dati rimanenti.
- Estesi esperimenti mostrano l'efficacia di FedMemPrune.
- Il lavoro rivisita l'apprendimento federato non appreso attraverso la memorizzazione.
Entità
Istituzioni
- arXiv