조건부 적대적 신경망에 대한 선택적 망각 기법

초록

Machine Unlearning은 사전 학습된 네트워크에서 특정 데이터 또는 클래스에 대해 학습된 정보를 지우는 기법이다. 선행 연구들은 분류 기반 네트워크에서 정보 망각을 위한 기법에 집중하였지만, 이미지의 분포를 학습함에 따라 가상 이미지를 생성할 수 있어 사생활 보호 (privacy preserving) 측면에서 중요하게 고려되어야 할 적대적 생성 신경망 (generative adversarial networks, GAN) 기반의 망각 연구는 많이 수행되지 않았다. 본 논문은 GAN에 privacy preserving을 적용하는 초기 연구로써, 사전 학습된 조건부 적대적 신경망 (conditional generative adversarial networks, CGAN)의 특정 클래스 정보를 망각하기 위한 두가지 미세 조정 학습 방식을 제안한다. 첫째, 기존 데이터셋에서 망각할 클래스의 데이터셋을 제거한 후 미세 조정한다. 둘째, 첫번째 방법과 동일하되 기존의 클래스 정보를 망각할 클래스 정보로 대체한 데이터셋을 미세 조정한다. 미세 조정한 CGAN을 통해 생성된 이미지를 다양한 관점 및 기법으로 분석하여 GAN에서의 학습된 정보를 망각하는 Machine Unlearning기법 적용 가능성을 확인한다.