empirical-unlearning

提出一种实用的审计器，利用成员推理攻击来计算遗忘参数ε的数据依赖下界，发现经过认证的算法（如模型裁剪、回退删除）与经验方法（如基于Hessian的遗忘、梯度上升）之间有明显差异：前者达到严密的下界，后者表现出较大的下界，表明遗忘效果不佳。