ManiF-SMC: Un Nuovo Approccio al Machine Unlearning tramite Manifold Forgetting
Uno studio recente introduce ManiF-SMC (Manifold Forgetting with Self Mode Connectivity) volto a facilitare il machine unlearning a sostegno del diritto all'oblio. Le tecniche attuali che dipendono dall'alterazione delle etichette o dall'inversione dei gradienti delle attività spesso falliscono e possono compromettere gli obiettivi di apprendimento iniziali. ManiF-SMC ridefinisce l'unlearning approssimativo spostando ogni campione rimosso lontano dal suo centroide originale della varietà appresa e verso i suoi vicini semantici più prossimi all'interno del dataset conservato, allineando così l'unlearning con il processo di riaddestramento. Questa ricerca è disponibile su arXiv con ID 2605.22871.
Fatti principali
- ManiF-SMC sta per Manifold Forgetting with Self Mode Connectivity.
- L'articolo affronta il machine unlearning per il diritto all'oblio.
- I metodi di unlearning esistenti che utilizzano la manipolazione delle etichette o l'inversione dei gradienti delle attività hanno un'efficacia limitata.
- ManiF-SMC spinge i campioni cancellati lontano dal loro centroide originale della varietà.
- L'approccio allinea l'unlearning con il riaddestramento sui dati rimanenti.
- L'articolo è pubblicato su arXiv con ID 2605.22871.
Entità
Istituzioni
- arXiv