対策としては, そのような悪性データをデータセットから削除したうえで再トレーニングすることも必要となる [Baracaldo 17]. しかし, 単純な再訓練では大量の計算量と時間を消費してしまう. この課題を解決すべく, より効率的な手法として, 機械アンラーニングが提案されている [Bourtoule 21].「アンラーニング」 とは, 機械学習モデルを再訓練し, データの一部を, あえて利用しない, 忘れた状態で新たな予測モデルを生成することを意味する. 学習モデルに対してアンラーニングを行うには, 大きく二つの方法がある. 一つは, データを削除した後の新しいデータセットを, 最初から再学習する厳密なアンラーニングである. もう一つは, 機械学習モデルとデータセットを修正し, 近似的にアンラーニングを行う方法である. どちらも, 最終目標は, できるだけ効率的にアンラーニング法の精度を向上させることである.