认证数据删除edit

认证数据删除 指机器学习方法对“删除某些数据后模型应如何变化”给出明确可检验保证。在本 wiki 中，它主要用于解释 机器遗忘 的数学侧面：目标不仅是快速更新模型，还要约束更新模型与“真正不含被删数据重新训练模型”之间的差距。¹

在本 wiki 中的作用edit

本页服务于读者理解 无 Hessian 在线认证遗忘。“认证”并不意味着模型整体安全或公平，而是指方法陈述了一个可度量的删除标准，例如参数、损失、预测或分布在删除前后的差异。这个限定使结论更窄，也更容易测试。

与乔鑫宝工作的关系edit

乔鑫宝的 Hessian-free 工作围绕在线更新约束下的认证删除展开。论文避免显式 Hessian 求逆，这一点对已部署系统很重要，因为精确二阶操作可能昂贵且不稳定。认证数据删除因此把数学遗忘保证连接到 AI 与网络 的系统关切：只有当保证能以现实计算和延迟成本交付时，它才真正有用。

参见edit

• 机器遗忘
• 无 Hessian 在线认证遗忘
• 影响函数
• 可信 AI

Footnotesedit

1. Guo 等人在 ICML 2020 的 “Certified Data Removal from Machine Learning Models” 是将删除视为认证式近似重新训练的代表性参考之一。 ↩