TFR-Net: Un Nuovo Approccio al Machine Unlearning Continuo

Uno studio recente pubblicato su arXiv presenta la Trajectory-guided Forget-Recover Network (TFR-Net), volta ad affrontare le problematiche del machine unlearning continuo. L'obiettivo del machine unlearning è rimuovere l'impatto dei dati sensibili da un modello. Tuttavia, nelle applicazioni pratiche, le richieste di unlearning sono frequenti, portando a due sfide principali: in primo luogo, un'azione di unlearning può inavvertitamente far riemergere conoscenze precedentemente dimenticate ridistribuendo i calcoli; in secondo luogo, un unlearning ripetuto può diminuire la capacità del modello di trattenere informazioni utili. TFR-Net monitora i rischi a livello di canale tra le richieste, distinguendo tra canali persistenti e transitori, sopprimendo solo quelli persistenti. Inoltre, migliora la capacità del modello riattivando canali dormienti che supportano significativamente l'utilità mantenuta e mostrano un basso rischio di dimenticanza. Il recupero è consentito solo se l'utilità mantenuta rimane intatta. Il documento può essere trovato su arXiv con l'identificatore 2608.03123.