拆分联邦遗忘（Split Federated Unlearning）

研究者首次系统形式化拆分联邦遗忘（SFU），用于解决拆分联邦学习中跨分区耦合与双侧聚合导致的知识移除难题。针对受限模型更新的结构性局限，论文提出 SURE 方案，融合双重重要性估计、选择性参数扰动与重要性引导恢复。实验表明，SURE 能在多种模型架构和数据分布下以适度额外成本达到接近模式匹配重新训练的效果。