[论文推荐]FUSED提出高效联邦遗忘机制：可逆且低成本的稀疏遗忘适配器
talkingdev • 2025-05-05
4474 views
联邦学习领域迎来突破性进展，FUSED（Federated Unlearning with Sparse Efficient Deletion）系统通过创新的稀疏遗忘适配器技术，首次实现了联邦学习环境下的定向知识擦除与可逆操作。该技术通过在模型微调层植入轻量级适配模块，仅需0.1%的额外参数即可精准定位待删除数据对应的知识节点，相比传统重训练方案降低90%计算开销。研究团队验证了该方法在医疗联合诊断、金融风控等场景的应用价值，其可逆特性尤其满足GDPR"被遗忘权"的合规要求。该成果已入选ICML 2024候选论文，或将成为下一代隐私保护机器学习的基础架构。