data protection regulations | BriefGPT

关键词data protection regulations

搜索结果 - 8

用于部分重叠临床数据的联邦随机森林
医疗数据的隐私保护、部分重叠特征的处理以及联邦随机森林对临床数据的有效性评估是提升协作性研究和企业合作的有希望的解决方案。
PDFa month ago
可靠的经验式机器去学习评估：博弈论视角
这项研究提出了一种新的、可靠的方法来实证评估机器遗忘算法，为更有效的遗忘技术的发展铺平了道路。
PDF3 months ago
梯度基于和任务无关的机器去学习 $ abla τ$
在本研究中，我们介绍了一种名为 “梯度优化机器遗忘” 的优化框架，用于有效地消除一部分训练数据对模型的影响，它能够覆盖大部分训练数据集（最多达到 30%），支持不同类型的遗忘任务，并且在无需超参数调整的情况下展现了比重新训练模型更为吸引人的
PDF3 months ago
通过逐层部分模型遗忘实现的训练模型高效知识删除
该文献介绍了一类新的机器遗忘算法，其中包括部分失忆式遗忘和逐层剪枝。通过详细的实验评估，展示了所提出的遗忘方法的有效性，部分失忆式遗忘不仅保持了模型效果，还消除了简短预训练的必要性，而逐层部分更新在标签翻转和基于优化的遗忘技术中显示了较于其
PDF4 months ago
EraseDiff: 擦除传播模型中的数据影响
通过在扩散模型中引入一种取消学习算法，以解决与数据遗忘和隐私保护相关的问题。我们将取消学习问题建模为一个双层优化问题，并采用一阶方法来解决该问题，从而在保留模型效用的同时清除与忘记数据相关的信息。在实验证明我们的算法能够有效地移除两个广泛使
PDF6 months ago
DeRDaVa: 机器学习的删除容忍数据估值
数据估值与个人数据所有权、数据保护法规、DeRDaVa 和风险厌恶 / 寻求模型所有者等相关，我们提出了一种数据估值框架 DeRDaVa，并将其推广到 Risk-DeRDaVa，以适应风险厌恶 / 寻求模型所有者的需求，并进行了实证研究。
PDF7 months ago
EMNLP遗忘您想遗忘的内容：针对 LLMs 的高效遗忘方法
提出了一种高效的取消学习框架，通过引入轻量级的取消学习层并与 transformers 结合，可以在不对整个模型重新训练的情况下有效地更新大型语言模型，以解决用户数据隐私与数据保护法规的问题。实验证明，与现有技术相比，我们提出的方法在分类和
PDF8 months ago
知识蒸馏下的图网络遗忘
知识蒸馏在图取消学习领域具有重要作用，D2DGN 是一种模型不可知的蒸馏框架，通过使用响应为基础的软目标和基于特征的节点嵌入，最小化 KL 散度，有效消除已删除图元素的影响同时保留有关保留图元素的知识。实验证明，在各种真实世界图数据集上，D
PDF9 months ago