オンサーバー勾配衝突緩和と表現による計算・通信効率の高いフェデレーテッドアンラーニング
arXiv cs.LG / 2026/3/17
📰 ニュースDeveloper Stack & InfrastructureModels & Research
要点
- 本論文は Federated On-server Unlearning（FOUL）を提案します。これは、学習から忘却へを行うフェーズと、オンサーバー知識を集約するフェーズから成る2段階のフレームワークで、忘却対象クライアントのデータへアクセスすることなく削除します。
- Federated Unlearning の新しいデータ設定と、忘却が最適なパフォーマンスをどれだけ早く達成するかを定量化する指標「time-to-forget」を導入します。
- 三つのデータセットの実験により、FOUL は Federated Unlearning における再訓練を上回り、忘却効率が競争力あるいは優れているとともに、忘却までの時間・通信コスト・計算コストを大幅に削減します。
- プライバシー保護と効率的な忘却の実現を通じて、FOUL はフェデレーテッド学習におけるクライアント間知識漏洩と規制要件の対応を目指します。
