(1) Antecedentes: El desaprendizaje de máquinas desempeña un papel crucial en la protección de la privacidad y la optimización de modelos, particularmente en el olvido de categorías enteras de datos en tareas de clasificación. Sin embargo, los métodos existentes a menudo tienen dificultades con altos costos computacionales, como la estimación de la Hessiana inversa, o requieren acceso a los datos de entrenamiento originales, limitando su practicidad.