 |
 |
Communication dans un congrès
Differentially Private Bayesian Programming
Abstract : We present PrivInfer, an expressive framework for writing and verifying differentially private Bayesian machine learning algorithms. Programs in PrivInfer are written in a rich functional probabilistic programming language with constructs for performing Bayesian inference. Then, differential privacy of programs is established using a relational refinement type system, in which refinements on probability types are indexed by a metric on distributions. Our framework leverages recent developments in Bayesian inference, probabilistic programming languages, and in relational refinement types. We demonstrate the expressiveness of PrivInfer by verifying privacy for several examples of private Bayesian inference.
Littérature citée [39 références]
https://hal-mines-paristech.archives-ouvertes.fr/hal-01446970
Contributeur : Claire Medrala <>
Soumis le : jeudi 26 janvier 2017 - 14:54:31
Dernière modification le : jeudi 24 septembre 2020 - 16:36:02
Archivage à long terme le : : vendredi 28 avril 2017 - 06:39:00
Contributeur : Claire Medrala <>
Soumis le : jeudi 26 janvier 2017 - 14:54:31
Dernière modification le : jeudi 24 septembre 2020 - 16:36:02
Archivage à long terme le : : vendredi 28 avril 2017 - 06:39:00
Fichier
A-656.pdf
Fichiers produits par l'(les) auteur(s)