【技术实现步骤摘要】
本专利技术涉及深度学习，尤其涉及一种针对深度学习模型的机器遗忘方法及装置。
技术介绍
1、机器学习模型已成为各行业不可或缺的工具，组织和用户广泛利用其强大功能。然而，这种广泛应用也引发了用户隐私的重大担忧。一些相关法规要求了在使用用户数据之前，必须获得用户的明确同意，并且用户有权随时撤回这一同意。因此，迫切需要能够从模型中删除指定数据的算法，这要求撤回之前用于训练模型的数据。
2、然而，由于机器学习模型的黑箱特性以及数据与模型参数之间关系的复杂性，撤回已经被模型学习的数据具有相当大的挑战性。为此，机器遗忘技术（machineunlearning，mu）逐渐成为研究热点，其目标是在确保保留数据准确性的同时，删除特定的遗忘数据。
3、一种直观的机器遗忘方法是从训练集中删除遗忘数据并从头开始重新训练模型，这种模型通常被称为“重新训练模型”或“黄金模型”。然而，随着机器学习技术的发展以及模型规模和数据量的指数级增长，这种方法带来了巨大的计算成本，在实际应用中难以实现。
4、目前，机器遗忘的研究主要分为精确遗忘...
【技术保护点】
1.一种针对深度学习模型的机器遗忘方法，其特征在于，包括：
2.根据权利要求1所述的针对深度学习模型的机器遗忘方法，其特征在于，所述获取表征被请求删除数据的第一类数据和表征额外引入数据的第二类数据的步骤，具体包括：
3.根据权利要求1或2所述的针对深度学习模型的机器遗忘方法，其特征在于，所述在所述第二类数据在待遗忘模型中的表现差异与所述第一类数据在目标模型中的表现差异迭代至小于预设阈值的情况下，根据当前目标模型确定遗忘后的模型的步骤之前，还包括：
4.根据权利要求1或2所述的针对深度学习模型的机器遗忘方法，其特征在于，所述在所述第二...
【技术特征摘要】
1.一种针对深度学习模型的机器遗忘方法，其特征在于，包括：
2.根据权利要求1所述的针对深度学习模型的机器遗忘方法，其特征在于，所述获取表征被请求删除数据的第一类数据和表征额外引入数据的第二类数据的步骤，具体包括：
3.根据权利要求1或2所述的针对深度学习模型的机器遗忘方法，其特征在于，所述在所述第二类数据在待遗忘模型中的表现差异与所述第一类数据在目标模型中的表现差异迭代至小于预设阈值的情况下，根据当前目标模型确定遗忘后的模型的步骤之前，还包括：
4.根据权利要求1或2所述的针对深度学习模型的机器遗忘方法，其特征在于，所述在所述第二类数据在待遗忘模型中的表现差异与所述第一类数据在目标模型中的表现差异迭代至小于预设阈值的情况下，根据当前目标模型确定遗忘后的模型的步骤之前，还包括：
5.根据权利要求3所述的针对深度学习模型的机器遗忘方法，其特征在于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。