Unlearning Personal Data from a Single Image

要約

Machine Ulearningは、モデルからデータを消去することを目的としています。
既存のアプローチは、トレーニングデータへの完全または部分的なアクセスから情報を解除しますが、このアクセスはプライバシー規制により時間の経過とともに制限される可能性があります。
現在、このようなシナリオで学習する方法の有効性を調査するための設定やベンチマークは存在しません。
このギャップを埋めるために、トレーニングデータが利用できないときに未学習モデルを評価する個人的なアイデンティティ（1-shui）のワンショットの未解決のタスクを提案します。
私たちは、トレーニング後の個人データの削除を必要とする現在の規制のために特に関連するアイデンティティデータの解除に焦点を当てています。
データの不在に対処するために、ユーザーは学習を支援するためにポートレートピクチャーを提供することを期待しています。
Celeba、Celeba-HQ、およびMUFACのリクエストをさまざまな未学習セットサイズで設計し、1-Shuiで適用される方法を評価します。
さらに、Metaunlearnを提案します。MetaunLearnは、単一の画像からのアイデンティティを忘れるためのメタラーンが効果的な方法です。
私たちの調査結果は、特に提供されたサンプルとトレーニングデータの間に類似性がある場合、データの可用性が限られている場合、既存のアプローチが闘っていることを示しています。
https://github.com/tdemin16/one-shuiで入手可能なソースコード。

要約(オリジナル)

Machine unlearning aims to erase data from a model as if the latter never saw them during training. While existing approaches unlearn information from complete or partial access to the training data, this access can be limited over time due to privacy regulations. Currently, no setting or benchmark exists to probe the effectiveness of unlearning methods in such scenarios. To fill this gap, we propose a novel task we call One-Shot Unlearning of Personal Identities (1-SHUI) that evaluates unlearning models when the training data is not available. We focus on unlearning identity data, which is specifically relevant due to current regulations requiring personal data deletion after training. To cope with data absence, we expect users to provide a portraiting picture to aid unlearning. We design requests on CelebA, CelebA-HQ, and MUFAC with different unlearning set sizes to evaluate applicable methods in 1-SHUI. Moreover, we propose MetaUnlearn, an effective method that meta-learns to forget identities from a single image. Our findings indicate that existing approaches struggle when data availability is limited, especially when there is a dissimilarity between the provided samples and the training data. Source code available at https://github.com/tdemin16/one-shui.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google