機械アンラーニングの監査のための新しいフレームワーク

本論文は、機械学習モデルのアンラーニング（学習済みの知識を削除するプロセス）を監査するための新しいフレームワークを提案しています。アンラーニングの有効性と完全性を評価する指標や手法を開発し、プライバシー保護やデータ倫理の観点から重要性が増すアンラーニング技術の信頼性向上に貢献します。