Regularized f-Divergence Kernel Tests

新框架审计AI遗忘有效性，揭示方法失败 · 跟踪2个来源

研究人员开发了一个新的框架来审计机器学习遗忘，这是一个允许AI模型在不完全重新训练的情况下忘记特定数据的过程。这对于监管合规和AI安全至关重要，因为当前的审计方法通常计算成本高昂且缺乏统计功效。提出的框架，正则化f散度核检验，旨在更敏感、更灵活、更准确，理论上可以控制假阳性并确保假阴性收敛到零。实验表明，虽然一些方法如重新训练和微调可以实现有效的遗忘，但其他方法如去优化和基于Fisher/Hessian的方法即使有正式认证也未能真正擦除数据。