基于距离的通过质心运动取消学习
原文中文，约500字，阅读约需1分钟。发表于：。机器去学习是一个新兴领域，通过对现代人工智能模型的隐私保护需求的迫切性推动。这项技术主要旨在从神经模型的训练中消除特定数据子集的任何残留影响。该研究介绍了一种新颖的去学习算法，称为基于距离的质心运动的去学习（DUCK），它采用度量学习来引导嵌入空间中与最近的错误质心相匹配的样本的移除。通过在两个不同的场景下对多个基准数据集进行算法性能评估，包括类别移除和同质采样移除，获得了最先进的性能。我们...
机器去学习是一个新兴领域，通过对现代人工智能模型的隐私保护需求的推动。研究介绍了一种新颖的去学习算法，称为基于距离的质心运动的去学习（DUCK），它通过度量学习来移除与最近的错误质心相匹配的样本。算法在多个基准数据集上进行了性能评估，包括类别移除和同质采样移除，获得了最先进的性能。同时，提出了一种成员推理攻击方法，用于评估算法清除先前知识的能力，并设计了适应未来的方法论。
