FedME² 遗忘框架

精准数据遗忘

面向数字孪生移动网络的联邦遗忘框架，在保护数据隐私的同时将模型精度损失控制在4%以内。

夏辉 · Shuo, Xu · Pei, Jiaming · 张锐 · Yu, Zhi · Weitao, Zou · 王鲁坤 · Chao, Liu

IEEE Journal on Selected Areas in Communications 2023

参数信息

平均数据遗忘率

75 %

技术优势

遗忘率高

通过MEval的记忆评估信息指导，结合MErase的多损失训练，全局模型平均数据遗忘率达到约75%。

无需原始数据

作为联邦学习框架，训练过程中数据不离开设备，只需更新模型参数即可实现遗忘。

应用场景

• 联邦学习隐私保护：为联邦学习系统提供数据遗忘能力，满足隐私法规要求。
• 数字孪生网络：在数字孪生网络中使用联邦遗忘，降低数据隐私风险。
• 移动网络管理：用于移动网络环境中删除用户数据对模型的影响。