Ce projet universitaire propose une solution de chiffrement et déchiffrement de données sensibles via un système de clés cryptographiques partagées entre deux responsables. Les données sont protégées par des clés générées aléatoirement et stockées sur des clés USB, combinées à des mots de passe hachés. Le système permet également la répudiation des clés pour renforcer la sécurité des données.

Ce projet permet de sécuriser des données sensibles en utilisant un système de chiffrement basé sur des clés générées aléatoirement. Chaque responsable dispose d'une clé USB protégée par un mot de passe personnalisé. Les données sont chiffrées avec une clé finale issue de la concaténation de clés décryptées, garantissant un accès sécurisé et contrôlé.

Module Puppet qui enrichit les capacités de base de Puppet en fournissant des fonctions avancées, des faits personnalisés et des templates pour générer des fichiers de configuration (JSON, YAML, TOML). Il facilite l'intégration avec PuppetDB et améliore la gestion des données sensibles, tout en offrant des outils pour manipuler des adresses IP, des mots de passe aléatoires et des requêtes sécurisées.

SPM (SParse Matrix package) est une bibliothèque scientifique permettant de manipuler des matrices creuses dans les formats CSC, CSR et IJV. Les fonctionnalités offertes incluent des produits matriciels avec des vecteurs ou des matrices denses, des calculs de normes, des fonctions de tri, des générateurs de matrices aléatoires, des vérifications pour les solveurs linéaires, des conversions de formats, des générateurs de laplaciens pour des motifs de maillage, et des lecteurs de matrices à partir de fichiers (MatrixMarket, Harwell-Boeing/RSA, IJV, etc.). Des wrappers pour Python, Julia et Fortran90 sont inclus dans le package.

Ce projet génère des graphiques pour analyser les séries temporelles et les corrélations aléatoires. Il permet de visualiser des données statistiques afin d'identifier des tendances ou des motifs dans des séries générées par des marches aléatoires. L'outil est utile pour les chercheurs ou analystes travaillant sur des données temporelles.