跳到正文
arXiv cs.AI· Eleftheria Chini, George Margaritis, Dimitrios Katsaros·· 23 小时前AI 评分18

CULypso:面向车载自组网的聚类联邦遗忘范式

CULypso: A Clustered Federated Unlearning paradigm for Vehicular Ad-Hoc Networks

AI 导读

研究者提出 CULypso,一种面向聚类车载自组网(VANET)的近似、精准、分层联邦遗忘算法,利用拓扑与移动性降低通信、资源和时间开销。实验显示其在时间、服务器存储负载和遗忘保真度上比 FedEraser 约优 65%,并全面优于全量重训练基线。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:遗忘学习已成为机器学习中一项必不可少的安全与隐私保护方案,使网络能够支持客户依据数据保护法规所享有的数据删除权。将这一非平凡任务引入边缘、高度移动且时间敏感的车辆网络,是更大且基本未被探索的挑战。本文认为,分层联邦遗忘学习方案可以恰当地集成到车载自组网(VANET)中,利用拓扑和移动性来降低通信、资源和时间成本,同时有效遗忘某个客户端对全局模型更新的影响。为实现这一目标,我们提出 CULypso,一种为集群化 VANET 量身定制的近似、精准、分层遗忘学习算法。受希腊神话中名为 Calypso 的宁芙启发,其名字意为“隐藏知识者”,CULypso 中的大写字母代表 \textbf{C}lustered \textbf{U}n\textbf{L}earning,旨在实现其名称所暗示的目标:在我们的场景中即隐藏、擦除或遗忘其所包含的知识。大量实验证实了该范式的效力,其在时间、服务器存储负载和遗忘保真度方面比 FedEraser 约好 65\%,同时完全优于基线完整重训练。
评论: 12 页,14 幅图
主题: 机器学习(cs.LG);人工智能(cs.AI);网络与互联网架构(cs.NI)
引用为: arXiv:2611.22682 [cs.LG]
  (或 arXiv:2611.22682v1 [cs.LG] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.22682

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Dimitrios Katsaros [查看电子邮件]
[v1] 2026 年 11 月 17 日星期二 12:33:22 UTC(2,772 KB)

来源:arXiv cs.AI · arxiv.org