Buchumschlag

Distill to Delete: Unlearning in Graph Networks with Knowledge Distillation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sinha, Yash, Mandal, Murari, Kankanhalli, Mohan
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

UnStar: Unlearning with Self-Taught Anti-Sample Reasoning for LLMs
von: Sinha, Yash, et al.
Veröffentlicht: (2024)

Multi-Modal Recommendation Unlearning for Legal, Licensing, and Modality Constraints
von: Sinha, Yash, et al.
Veröffentlicht: (2024)

Step-by-Step Reasoning Attack: Revealing 'Erased' Knowledge in Large Language Models
von: Sinha, Yash, et al.
Veröffentlicht: (2025)

EcoVal: An Efficient Data Valuation Framework for Machine Learning
von: Tarun, Ayush K, et al.
Veröffentlicht: (2024)

A Unified Framework for Continual Learning and Unlearning
von: Chatterjee, Romit, et al.
Veröffentlicht: (2024)

Unlearning or Concealment? A Critical Analysis and Evaluation Metrics for Unlearning in Diffusion Models
von: Sharma, Aakash Sen, et al.
Veröffentlicht: (2024)

Distillation Robustifies Unlearning
von: Lee, Bruce W., et al.
Veröffentlicht: (2025)

Forgetting is Competition: Rethinking Unlearning as Representation Interference in Diffusion Models
von: Ranjan, Ashutosh, et al.
Veröffentlicht: (2026)

Adversarial Curriculum Graph-Free Knowledge Distillation for Graph Neural Networks
von: Jia, Yuang, et al.
Veröffentlicht: (2025)

Efficient Verified Machine Unlearning For Distillation
von: Quan, Yijun, et al.
Veröffentlicht: (2025)

Online Adversarial Knowledge Distillation for Graph Neural Networks
von: Wang, Can, et al.
Veröffentlicht: (2021)

A Teacher-Free Graph Knowledge Distillation Framework with Dual Self-Distillation
von: Wu, Lirong, et al.
Veröffentlicht: (2024)

Graph Knowledge Distillation to Mixture of Experts
von: Rumiantsev, Pavel, et al.
Veröffentlicht: (2024)

ConDa: Fast Federated Unlearning with Contribution Dampening
von: Chundawat, Vikram S, et al.
Veröffentlicht: (2024)

Knowledge Distillation on Spatial-Temporal Graph Convolutional Network for Traffic Prediction
von: Izadi, Mohammad, et al.
Veröffentlicht: (2024)

FlyKD: Graph Knowledge Distillation on the Fly with Curriculum Learning
von: Ku, Eugene
Veröffentlicht: (2024)

LLM-driven Knowledge Distillation for Dynamic Text-Attributed Graphs
von: Roy, Amit, et al.
Veröffentlicht: (2025)

Toward Fair Graph Neural Networks Via Dual-Teacher Knowledge Distillation
von: Li, Chengyu, et al.
Veröffentlicht: (2024)

Logical Distillation of Graph Neural Networks
von: Pluska, Alexander, et al.
Veröffentlicht: (2024)

Delete and Retain: Efficient Unlearning for Document Classification
von: Goel, Aadya, et al.
Veröffentlicht: (2025)

Dataset Distillation via Knowledge Distillation: Towards Efficient Self-Supervised Pre-Training of Deep Networks
von: Joshi, Siddharth, et al.
Veröffentlicht: (2024)

Distinguishable Deletion: Unifying Knowledge Erasure and Refusal for Large Language Model Unlearning
von: Yang, Puning, et al.
Veröffentlicht: (2026)

Low-Dimensional Federated Knowledge Graph Embedding via Knowledge Distillation
von: Zhang, Xiaoxiong, et al.
Veröffentlicht: (2024)

Distilled Circuits: A Mechanistic Study of Internal Restructuring in Knowledge Distillation
von: Haskins, Reilly, et al.
Veröffentlicht: (2025)

HERO: Heterogeneous Continual Graph Learning via Meta-Knowledge Distillation
von: Sun, Guiquan, et al.
Veröffentlicht: (2025)

Certified Minimax Unlearning with Generalization Rates and Deletion Capacity
von: Liu, Jiaqi, et al.
Veröffentlicht: (2023)

Rewind-to-Delete: Certified Machine Unlearning for Nonconvex Functions
von: Mu, Siqiao, et al.
Veröffentlicht: (2024)

Attribute-to-Delete: Machine Unlearning via Datamodel Matching
von: Georgiev, Kristian, et al.
Veröffentlicht: (2024)

QuickDrop: Efficient Federated Unlearning by Integrated Dataset Distillation
von: Dhasade, Akash, et al.
Veröffentlicht: (2023)

DUET: Distilled LLM Unlearning from an Efficiently Contextualized Teacher
von: Zhong, Yisheng, et al.
Veröffentlicht: (2026)

LLM on a Budget: Active Knowledge Distillation for Efficient Classification of Large Text Corpora
von: Luccioli, Viviana, et al.
Veröffentlicht: (2025)

Graph Distillation with Eigenbasis Matching
von: Liu, Yang, et al.
Veröffentlicht: (2023)

Knowledge Distillation with Adapted Weight
von: Wu, Sirong, et al.
Veröffentlicht: (2025)

A Functional Perspective on Knowledge Distillation in Neural Networks
von: Mason-Williams, Israel, et al.
Veröffentlicht: (2025)

STRIDE: Structure and Embedding Distillation with Attention for Graph Neural Networks
von: Ahluwalia, Anshul, et al.
Veröffentlicht: (2023)

OrgAccess: A Benchmark for Role Based Access Control in Organization Scale LLMs
von: Sanyal, Debdeep, et al.
Veröffentlicht: (2025)

Online Knowledge Distillation with Reward Guidance
von: Jia, Chen
Veröffentlicht: (2025)

How Is Uncertainty Propagated in Knowledge Distillation?
von: Cui, Ziyao, et al.
Veröffentlicht: (2026)

A Closer Look at Knowledge Distillation in Spiking Neural Network Training
von: Liu, Xu, et al.
Veröffentlicht: (2025)

DOGe: Defensive Output Generation for LLM Protection Against Knowledge Distillation
von: Li, Pingzhi, et al.
Veröffentlicht: (2025)