Machine unlearning 감시 프레임워크 Regularized f-Divergence Kernel Tests

Google Research가 머신 언러닝(machine unlearning) 감시를 위한 새로운 통계 프레임워크인 Regularized f-Divergence Kernel Tests를 소개했어요. 기존 two-sample testing 방식은 완벽한 재학습 모델까지 실패로 오진하는 한계가 있었는데, 이 프레임워크는 상대적 거리 측정(relative distance test)을 통해 언러닝된 모델이 안전하게 재학습된 모델과 더 유사한지, 원래 훼손된 모델과 더 유사한지를 판단해요. 또한 f-divergence를 활용해 국소적(local) 데이터 변화까지 포착하면서도 수동 튜닝을 최소화하고, 필요한 샘플 수를 대폭 줄일 수 있게 됐어요

규제 준수(GDPR 잊혀질 권리)와 데이터 프라이버시 감시가 비즈니스 필수 요건이 되면서, 모델 안전성을 수학적으로 입증할 수 있는 감시 도구의 정확도와 효율성이 경쟁력의 핵심이 될 것으로 시사됩니다