English(EN) Unlearning on Spatio-Temporal Graphs through Subgraph Virtual Edge Reconstruction

新的CallosumNet框架实现了时空图上高效的数据遗忘

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

研究人员开发了CallosumNet，一个受胼胝体结构启发的、用于从时空图中遗忘数据的创新框架。该方法解决了GDPR和CCPA等隐私法规带来的挑战，这些法规要求完全删除数据。CallosumNet使用虚拟边重构子图，并通过元图层进行集成，从而在不显著降低模型精度的情况下实现高效的数据遗忘。在真实数据集上的实验证明了其在实现完全数据遗忘同时保持模型性能方面的有效性。 AI

影响该框架通过允许从复杂图结构中高效准确地删除数据，从而能够实现更强大的隐私保护AI系统。

排序理由该集群描述了一篇关于特定机器学习任务新颖框架的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 22 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇关于特定机器学习任务新颖框架的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Qiming Guo, Wenbo Sun, Chen Pan, Ye Wang, Wenlu Wang · 2026-09-01 04:00

通过子图虚拟边重构实现时空图的遗忘学习

arXiv:2608.29369v1 Announce Type: new Abstract: Spatio-temporal graphs are widely used in modeling complex dynamic processes such as temporal forecasting, molecular dynamics, and healthcare monitoring. Recently, stringent privacy regulations such as GDPR and CCPA have introduced …

本文如何被排名

报道来源 [1]

通过子图虚拟边重构实现时空图的遗忘学习

相关实体

相关话题