Vec2Null: Structured Identity Vectorization and Nulling for One-Shot Face Unlearning

Hao Yu

doi:10.1109/tifs.2026.3734767

Vec2Null: Structured Identity Vectorization and Nulling for One-Shot Face Unlearning

2026-09-17

0

PRE

AI

DOI：10.1109/tifs.2026.3734767

原文链接

原文求助

摘要

En 中文

机器遗忘已作为保障个人隐私合规的关键机制而兴起。然而，现有方法大多需要访问原始训练数据集，这在严格的数据监管下难以实现。为解决这一问题，我们研究了仅需用户提供的单张新面部图像即可满足遗忘请求的“单次个人身份遗忘”这一实际难题。在此模式下，现有方法存在不适用性：直接在单一、含噪声的支持视图中进行优化，无法推广至目标身份的流形，必然导致遗忘不彻底或效用下降。为弥合“单视图到流形”的差距，我们提出了Vec2Null，一种面向面部分析模型的几何引导式单次身份遗忘框架。Vec2Null并非直接从支持图像中遗忘，而是先将单次支持图像向量化为稳定的身份级方向，再执行保留安全的零化更新。我们首先引入了一种面向遗忘的面部表示网络（UnoFace），该网络通过新颖的异步单次代理目标进行优化。UnoFace可将任意单视图映射为针对目标身份流形的稳定、低方差代理方向。在此基础上，Vec2Null采用一种情境感知的元学习器，通过融合目标模型的内部响应与UnoFace提供的稳定遗忘方向，合成鲁棒的参数更新。最后，遗忘更新通过投影算子施加，将更新映射至远离保留敏感子空间的位置。在多个基准测试中的大量实验表明，Vec2Null在单次面部遗忘任务中达到了当前最佳性能。代码将发布于：github.com/CV-AC/Vec2Null。

Keyword:

Machine unlearning

one-shot face unlearning

privacy protection

identity vectorization

Vec2Null: Structured Identity Vectorization and Nulling for One-Shot Face Unlearning

摘要

期刊

机构

引用论文