Enable the Right to be Forgotten with Federated Client Unlearning in Medical Imaging

要約

ほとんどのデータ規制に記載されているように、忘れられる権利はフェデレーテッド ラーニング (FL) において未踏の課題を引き起こし、フェデレーテッド アンラーニング (FU) の開発につながります。
ただし、現在の FU アプローチは、効率、モデルのパフォーマンス、有効性の忘却、プライバシー保護の間でトレードオフに直面することがよくあります。
この論文では、クライアントに貢献または影響を消去する権利を保証する Federated Client Unlearning (FCU) のパラダイムを詳しく掘り下げ、医用画像分野初の FU フレームワークを導入します。
クライアントの非学習プロセスにおいて、提案されたモデル対比的非学習は、特徴レベルの非学習への先駆的な一歩を示し、頻度に応じた記憶保存により、トレーニングされたグローバル モデルの一般化可能性を維持しながら、ローカルの知識をスムーズに忘れることができるため、パフォーマンスの妥協が回避されます。
トレーニング後の迅速なトレーニングを保証します。
私たちは、頭蓋内出血診断と皮膚病変診断を含む 2 つの公開医療画像データセットで FCU フレームワークを評価しました。その結果、私たちのフレームワークが他の最先端の FU フレームワークよりも優れており、従来の FU フレームワークと比較して 10 ～ 15 倍の高速化が期待できることが実証されました。
ゼロからの再訓練。
コードと編成されたデータセットは、https://github.com/dzp2095/FCU で見つけることができます。

要約(オリジナル)

The right to be forgotten, as stated in most data regulations, poses an underexplored challenge in federated learning (FL), leading to the development of federated unlearning (FU). However, current FU approaches often face trade-offs between efficiency, model performance, forgetting efficacy, and privacy preservation. In this paper, we delve into the paradigm of Federated Client Unlearning (FCU) to guarantee a client the right to erase the contribution or the influence, introducing the first FU framework in medical imaging. In the unlearning process of a client, the proposed model-contrastive unlearning marks a pioneering step towards feature-level unlearning, and frequency-guided memory preservation ensures smooth forgetting of local knowledge while maintaining the generalizability of the trained global model, thus avoiding performance compromises and guaranteeing rapid post-training. We evaluated our FCU framework on two public medical image datasets, including Intracranial hemorrhage diagnosis and skin lesion diagnosis, demonstrating that our framework outperformed other state-of-the-art FU frameworks, with an expected speed-up of 10-15 times compared with retraining from scratch. The code and the organized datasets can be found at: https://github.com/dzp2095/FCU.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google