ClearAttack:面向超维计算的高效数据遗忘框架
《Electronics》:Probabilistic Unlearning-Based Defense for Robust and Efficient Edge Learning
【字体:
大
中
小
】
时间:2026年10月22日
来源:Electronics 2.9
摘要
超维计算(Hyperdimensional Computing, HDC)是一种受大脑启发的范式,通过将信息编码为高维向量并利用捆绑操作形成关联。然而,HDC在选择性遗忘信息这一对隐私、安全性和适应性至关重要的能力方面尚未被探索。我们指出,由于HDC的记念性质,遗忘操作十分困难:向量被直接存储于联想记忆中并持续存在,使得特定数据的遗忘难以实现,而简单的删除方式会导致严重的精度损失。我们提出了ClearAttack,一种计算轻量且高效的HDC遗忘框架。ClearAttack追踪编码向量的影响,并利用合适的替代项抵消被遗忘数据的影响,从而实现原地遗忘。为进一步缓解精度损失,该框架还引入了针对敏感样本的选择性重训练。实验结果表明,ClearAttack在数据遗忘效果与效率上均优于现有方法,遗忘得分最高提升3.6倍,精度与理想模型(oracle model)相差0.2%–0.6%以内,执行速度最快可达5.2倍。此外,ClearAttack成功消除了中毒数据的影响,证明了其在精度提升与安全保障方面的实用性。由于完整的遗忘流程仅需单次重训练周期的一个极小比例,且仅增加6.4%的内存开销,数据删除请求和中毒恢复可以直接在资源受限的设备上处理,而无需完整的重训练过程。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号