
de mukul975
Guide d'implémentation pratique pour le calcul multi-parties sécurisé (SMPC) : partage de secrets, circuits garbled, frameworks (MP-SPDZ, CrypTen) et déploiements conformes au RGPD.
Un guide d'implémentation complet qui explique les techniques fondamentales du SMPC (partage de secrets de Shamir, circuits garbled, transfert obligatoire/oblivious transfer), compare les frameworks (MP-SPDZ, CrypTen, Sharemind) et décrit les modèles de gouvernance et de déploiement alignés sur le RGPD. Il aide les ingénieurs à concevoir des calculs conjoints préservant la confidentialité (agrégation privée, PSI, ML privé) et à choisir les protocoles et frameworks appropriés pour le déploiement.
Utilisez cette compétence lors de l'implémentation ou de l'évaluation du SMPC pour des analyses inter-organisations, du ML privé, ou tout scénario nécessitant un calcul sur des entrées privées sans centraliser les données brutes. Approprié pour les ingénieurs en confidentialité, les chercheurs et les équipes devops planifiant des systèmes SMPC de production ou des prototypes.
Utile pour les agents orientés développeurs/capables de coder (Codex, Copilot, Claude Code) et tout agent capable d'extraire des documents techniques et d'exécuter des scripts de dépôt.
Educational skill demonstrating SMPC concepts (additive secret sharing, Shamir threshold sharing, private aggregation, private comparison) with a clean Python implementation. The process.py script runs successfully with no external dependencies, correctly demonstrating all cryptographic primitives. Well-written and idempotent code with dataclasses and type hints. Niche topic — practical deployment would require MP-SPDZ or CrypTen, but the educational simulation is solid.
Clean educational skill with no security concerns. Code is well-structured with proper type hints and dataclasses. The SKILL.md is comprehensive with good technical depth on SMPC techniques, framework comparisons, GDPR references, and architecture diagrams. Lacks a references/ directory or separate scripts/ organization — everything is in one process.py. The skill is purely educational; users would need to adopt MP-SPDZ/CrypTen for real deployments.