Neue Methode: OOD-Erkennung bleibt robust, während gezieltes Unlearning möglich
In offenen KI‑Umgebungen gilt die doppelte Herausforderung: Zuverlässige Out‑of‑Distribution‑Erkennung (OOD) muss die Sicherheit gewährleisten, während gleichzeitig flexible Machine‑Unlearning‑Methoden erforderlich sind, um Datenschutz‑Vorgaben zu erfüllen und Modelle zu korrigieren. Der neue Ansatz löst das bisherige Paradoxon, dass OOD‑Detektoren auf einem statischen, kompakten Datenmanifold beruhen, während klassische Unlearning‑Techniken dieses empfindliche Gleichgewicht zerstören.
