
본 연구는 민감 속성이 다차원이거나 혼합 데이터 유형을 가질 때 공정성 보장을 위한 유연한 학습 방법을 제안한다. 역 조건부 순열을 활용하여 민감 속성의 조건부 밀도 추정 없이도 공정성을 달성할 수 있다.


coremsg

다중-민감-속성에-대한-유연한-공정성-학습-역-조건부-순열을-통한-접근


다중 민감 속성에 대한 유연한 공정성 학습: 역 조건부 순열을 통한 접근



배포된 모델의 출력에서 편향된 규칙의 영향을 제거하여 모델의 공정성을 향상시킬 수 있다.



편향된 규칙을 제거하여 배포된 모델의 편향성을 완화하는 추론 시간 규칙 제거기



그룹별 컨셉 드리프트와 그 분산 버전은 연합 학습에서 공정성을 유지하는 데 있어 중요한 과제이다. 이를 해결하기 위해서는 그룹별 손실 모니터링과 다중 모델 접근법이 필요하다.



그룹별 분산 컨셉 드리프트 해부: 연합 학습에서의 공정성 필수 과제
