面向联邦社会公平 k-Means 聚类的机器遗忘

arXiv:2610.13717v1 公告类型：新论文 摘要：联邦聚类可支持跨医院的患者分层、分布式金融数据集中的客户细分等应用。负责任的人工智能要求公平地表征各人口群体，并支持数据删除，这在一定程度上源于 GDPR 的删除权等权利要求。这些目标相互影响：删除记录可能改变群体之间的平衡，并改变剩余人群的聚类结果。我们研究联邦社会公平 $k$-means 的精确机器遗忘，其目标是最小化各群体到最近中心的平均平方距离中的最大值。我们的方法为每个群体分别保留本地摘要，因此，当全局公平性权重发生变化时，未受影响机构的摘要仍然有效。对于两个群体的情形，我们证明了在理想采样条件下，初始化具有独立于客户端群体比例的近似保证，并表明使用相同随机种子进行重放能够精确复现重新训练的结果。当整个客户端退出时，复用带来的收益最大：在三个数据集上，对于仅包含初始化的模型，重放的速度为重新训练的 $35.8\times$；加入一轮和两轮公平性细化后，速度仍分别为重新训练的 $2.4\times$ 和 $1.7\times$，而这些细化轮次能够降低表现最差群体的代价。对于单条记录的删除，收益较为有限（约为 $1.06\times$），且验证缓存分配结果的开销可能超过其节省的开销。这些结果明确了精确遗忘能够通过复用计算获得收益的适用范围。代码和可复现性材料见 https://github.com/arareddy/mufsc。