Das vorgeschlagene teilweise amnesische Verlernen und die Integration von schichtweisen Teilaktualisierungen in label-basiertes und optimierungsbasiertes Verlernen können die Auswirkungen des Datenlöschens auf die Modellleistung wirksam mindern.
Das Ziel dieser Forschung ist es, eine umfassende Methode für das maschinelle Verlernen zu entwickeln, die sowohl den Datenschutz als auch die Modellintegrität in Situationen mit signifikanten Verteilungsverschiebungen gewährleistet.