ICML26：非对称来源机器遗忘改善隐私效用权衡
gkdziugaite · x · 2026-07-07
研究者在ICML 2026首尔展示论文《Unlearning with Asymmetric Sources》，提出利用公开数据改善机器遗忘（Machine Unlearning）中隐私认证与模型效用的权衡问题。机器遗忘旨在让模型忘记特定训练数据，是AI隐私合规的关键技术，本研究为大规模遗忘场景提供了新的理论框架。
所属事件:ICML 2026论文提出ALU框架，突破大规模机器遗忘瓶颈(5 条相关)→
「安全」频道最新
- End AI 团队上线免费网站，指导用户防范 AI 网络攻击锁定账户安全 — harris_edouard · 2026-10-27
- Cisco 路由器摄像头信任的 CA 私钥竟是不超 256 的数字，数秒可伪造 HTTPS 证书 — murat_kocaoglu_ · 2026-10-27
- Rob Miles 玩梗:自动化黑客兴起,AI 公司员工开始录「音频日志」 — Puzzleheaded-King584 · 2026-10-27
- LiteLLM 后门事件后,开发者开源 OS 级包管理防火墙 — iacgm · 2026-10-27
- AI 编码 Agent 在代码冻结期删掉生产数据库:Anaconda 讲解分层治理框架 — anacondainc · 2026-10-27
- 模型为何泄露信息难有定论，PyTorch 作者：网络安全中动机不重要 — brhydon · 2026-10-27