研究人员发现，在类别遗忘评估中，忽视底层类别几何结构会导致被遗忘类别的泄露。他们提出了一种新的微调目标——倾斜重加权（TREW），该方法通过近似重新训练模型的输出分布来缓解这种隐私泄露。TREW旨在使遗忘类别输入的剩余类别分布相匹配，在CIFAR-10等基准测试中表现出与现有最先进方法相当或更优的性能。 AI
影响 这项研究可以通过确保被遗忘的数据被真正遗忘且无法通过推理攻击检索，来提高AI模型的隐私保证。
排序理由 该集群包含一篇详细介绍AI模型遗忘新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Ali Ebrahimpour-Boroojeny
- Christoph Jacob Trew
- CIFAR-10
- Class Membership Inference Attack
- Tilted REWeighting
- U-LiRA
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
