Buchumschlag

Machine Unlearning via Null Space Calibration

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Huiqiang, Zhu, Tianqing, Yu, Xin, Zhou, Wanlei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Zero-Shot Machine Unlearning with Proxy Adversarial Data Generation
von: Chen, Huiqiang, et al.
Veröffentlicht: (2025)

AFed: Algorithmic Fair Federated Learning
von: Chen, Huiqiang, et al.
Veröffentlicht: (2025)

Graph Unlearning: Efficient Node Removal in Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2025)

Federated Learning with Blockchain-Enhanced Machine Unlearning: A Trustworthy Approach
von: Zuo, Xuhan, et al.
Veröffentlicht: (2024)

Class Machine Unlearning for Complex Data via Concepts Inference and Data Poisoning
von: Chang, Wenhan, et al.
Veröffentlicht: (2024)

When Fairness Meets Privacy: Exploring Privacy Threats in Fair Binary Classifiers via Membership Inference Attacks
von: Tian, Huan, et al.
Veröffentlicht: (2023)

Safe and Reliable Diffusion Models via Subspace Projection
von: Chen, Huiqiang, et al.
Veröffentlicht: (2025)

Large Language Models for Link Stealing Attacks Against Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2024)

Vertical Federated Unlearning via Backdoor Certification
von: Han, Mengde, et al.
Veröffentlicht: (2024)

How Does a Deep Learning Model Architecture Impact Its Privacy? A Comprehensive Study of Privacy Attacks on CNNs and Transformers
von: Zhang, Guangsheng, et al.
Veröffentlicht: (2022)

Machine Unlearning on Pre-trained Models by Residual Feature Alignment Using LoRA
von: Qin, Laiqiao, et al.
Veröffentlicht: (2024)

Towards Efficient Target-Level Machine Unlearning Based on Essential Graph
von: Xu, Heng, et al.
Veröffentlicht: (2024)

Update Selective Parameters: Federated Machine Unlearning Based on Model Explanation
von: Xu, Heng, et al.
Veröffentlicht: (2024)

Recent Advances in Federated Learning Driven Large Language Models: A Survey on Architecture, Performance, and Security
von: Qu, Youyang, et al.
Veröffentlicht: (2024)

Efficient Machine Unlearning via Influence Approximation
von: Liu, Jiawei, et al.
Veröffentlicht: (2025)

Debiasing Machine Unlearning with Counterfactual Examples
von: Chen, Ziheng, et al.
Veröffentlicht: (2024)

Forgetting Similar Samples: Can Machine Unlearning Do it Better?
von: Xu, Heng, et al.
Veröffentlicht: (2026)

Machine Unlearning in Contrastive Learning
von: Wang, Zixin, et al.
Veröffentlicht: (2024)

Machine Unlearning of Traffic State Estimation and Prediction
von: Wang, Xin, et al.
Veröffentlicht: (2025)

Agentic Unlearning: When LLM Agent Meets Machine Unlearning
von: Wang, Bin, et al.
Veröffentlicht: (2026)

Efficient Utility-Preserving Machine Unlearning with Implicit Gradient Surgery
von: Zhou, Shiji, et al.
Veröffentlicht: (2025)

GRIP: Algorithm-Agnostic Machine Unlearning for Mixture-of-Experts via Geometric Router Constraints
von: Zhu, Andy, et al.
Veröffentlicht: (2026)

Deep Unlearn: Benchmarking Machine Unlearning for Image Classification
von: Cadet, Xavier F., et al.
Veröffentlicht: (2024)

On the Limitations and Prospects of Machine Unlearning for Generative AI
von: Zhou, Shiji, et al.
Veröffentlicht: (2024)

Feature-Selective Representation Misdirection for Machine Unlearning
von: Chen, Taozhao, et al.
Veröffentlicht: (2025)

Improving Prediction Certainty Estimation for Reliable Early Exiting via Null Space Projection
von: He, Jianing, et al.
Veröffentlicht: (2025)

Unlearning Information Bottleneck: Machine Unlearning of Systematic Patterns and Biases
von: Han, Ling, et al.
Veröffentlicht: (2024)

Graph Unlearning via Embedding Reconstruction -- A Range-Null Space Decomposition Approach
von: Yin, Hang, et al.
Veröffentlicht: (2025)

Towards Aligned Data Removal via Twin Machine Unlearning
von: Ji, Haoxuan, et al.
Veröffentlicht: (2024)

AdaProb: Efficient Machine Unlearning via Adaptive Probability
von: Zhao, Zihao, et al.
Veröffentlicht: (2024)

Machine Unlearning: Solutions and Challenges
von: Xu, Jie, et al.
Veröffentlicht: (2023)

Machine Unlearning under Overparameterization
von: Block, Jacob L., et al.
Veröffentlicht: (2025)

Group-robust Machine Unlearning
von: De Min, Thomas, et al.
Veröffentlicht: (2025)

A Survey of Machine Unlearning
von: Nguyen, Thanh Tam, et al.
Veröffentlicht: (2022)

Soft Weighted Machine Unlearning
von: Qiao, Xinbao, et al.
Veröffentlicht: (2025)

Auditing Approximate Machine Unlearning for Differentially Private Models
von: Gu, Yuechun, et al.
Veröffentlicht: (2025)

Turning Black Box into White Box: Dataset Distillation Leaks
von: Chen, Huajie, et al.
Veröffentlicht: (2026)

Data Duplication: A Novel Multi-Purpose Attack Paradigm in Machine Unlearning
von: Ye, Dayong, et al.
Veröffentlicht: (2025)

Exploring the Landscape of Machine Unlearning: A Comprehensive Survey and Taxonomy
von: Shaik, Thanveer, et al.
Veröffentlicht: (2023)

An Information Theoretic Approach to Machine Unlearning
von: Foster, Jack, et al.
Veröffentlicht: (2024)