anonyfy 0.1.0__tar.gz

anonyfy-0.1.0/.gitignore

@@ -0,0 +1,13 @@
+__pycache__/
+*.pyc
+.venv/
+*.egg-info/
+.pytest_cache/
+dist/
+build/
+# Artefacts de pilotage Olgenius et de session (locaux, non versionnés)
+.olgenius/
+resume.md
+src/anonyfy/vault.py.bak
+src/anonyfy/types.py.bak
+src/anonyfy/audit.py.bak

anonyfy-0.1.0/LICENSE

@@ -0,0 +1,202 @@
+
+                                 Apache License
+                           Version 2.0, January 2004
+                        http://www.apache.org/licenses/
+
+   TERMS AND CONDITIONS FOR USE, REPRODUCTION, AND DISTRIBUTION
+
+   1. Definitions.
+
+      "License" shall mean the terms and conditions for use, reproduction,
+      and distribution as defined by Sections 1 through 9 of this document.
+
+      "Licensor" shall mean the copyright owner or entity authorized by
+      the copyright owner that is granting the License.
+
+      "Legal Entity" shall mean the union of the acting entity and all
+      other entities that control, are controlled by, or are under common
+      control with that entity. For the purposes of this definition,
+      "control" means (i) the power, direct or indirect, to cause the
+      direction or management of such entity, whether by contract or
+      otherwise, or (ii) ownership of fifty percent (50%) or more of the
+      outstanding shares, or (iii) beneficial ownership of such entity.
+
+      "You" (or "Your") shall mean an individual or Legal Entity
+      exercising permissions granted by this License.
+
+      "Source" form shall mean the preferred form for making modifications,
+      including but not limited to software source code, documentation
+      source, and configuration files.
+
+      "Object" form shall mean any form resulting from mechanical
+      transformation or translation of a Source form, including but
+      not limited to compiled object code, generated documentation,
+      and conversions to other media types.
+
+      "Work" shall mean the work of authorship, whether in Source or
+      Object form, made available under the License, as indicated by a
+      copyright notice that is included in or attached to the work
+      (an example is provided in the Appendix below).
+
+      "Derivative Works" shall mean any work, whether in Source or Object
+      form, that is based on (or derived from) the Work and for which the
+      editorial revisions, annotations, elaborations, or other modifications
+      represent, as a whole, an original work of authorship. For the purposes
+      of this License, Derivative Works shall not include works that remain
+      separable from, or merely link (or bind by name) to the interfaces of,
+      the Work and Derivative Works thereof.
+
+      "Contribution" shall mean any work of authorship, including
+      the original version of the Work and any modifications or additions
+      to that Work or Derivative Works thereof, that is intentionally
+      submitted to Licensor for inclusion in the Work by the copyright owner
+      or by an individual or Legal Entity authorized to submit on behalf of
+      the copyright owner. For the purposes of this definition, "submitted"
+      means any form of electronic, verbal, or written communication sent
+      to the Licensor or its representatives, including but not limited to
+      communication on electronic mailing lists, source code control systems,
+      and issue tracking systems that are managed by, or on behalf of, the
+      Licensor for the purpose of discussing and improving the Work, but
+      excluding communication that is conspicuously marked or otherwise
+      designated in writing by the copyright owner as "Not a Contribution."
+
+      "Contributor" shall mean Licensor and any individual or Legal Entity
+      on behalf of whom a Contribution has been received by Licensor and
+      subsequently incorporated within the Work.
+
+   2. Grant of Copyright License. Subject to the terms and conditions of
+      this License, each Contributor hereby grants to You a perpetual,
+      worldwide, non-exclusive, no-charge, royalty-free, irrevocable
+      copyright license to reproduce, prepare Derivative Works of,
+      publicly display, publicly perform, sublicense, and distribute the
+      Work and such Derivative Works in Source or Object form.
+
+   3. Grant of Patent License. Subject to the terms and conditions of
+      this License, each Contributor hereby grants to You a perpetual,
+      worldwide, non-exclusive, no-charge, royalty-free, irrevocable
+      (except as stated in this section) patent license to make, have made,
+      use, offer to sell, sell, import, and otherwise transfer the Work,
+      where such license applies only to those patent claims licensable
+      by such Contributor that are necessarily infringed by their
+      Contribution(s) alone or by combination of their Contribution(s)
+      with the Work to which such Contribution(s) was submitted. If You
+      institute patent litigation against any entity (including a
+      cross-claim or counterclaim in a lawsuit) alleging that the Work
+      or a Contribution incorporated within the Work constitutes direct
+      or contributory patent infringement, then any patent licenses
+      granted to You under this License for that Work shall terminate
+      as of the date such litigation is filed.
+
+   4. Redistribution. You may reproduce and distribute copies of the
+      Work or Derivative Works thereof in any medium, with or without
+      modifications, and in Source or Object form, provided that You
+      meet the following conditions:
+
+      (a) You must give any other recipients of the Work or
+          Derivative Works a copy of this License; and
+
+      (b) You must cause any modified files to carry prominent notices
+          stating that You changed the files; and
+
+      (c) You must retain, in the Source form of any Derivative Works
+          that You distribute, all copyright, patent, trademark, and
+          attribution notices from the Source form of the Work,
+          excluding those notices that do not pertain to any part of
+          the Derivative Works; and
+
+      (d) If the Work includes a "NOTICE" text file as part of its
+          distribution, then any Derivative Works that You distribute must
+          include a readable copy of the attribution notices contained
+          within such NOTICE file, excluding those notices that do not
+          pertain to any part of the Derivative Works, in at least one
+          of the following places: within a NOTICE text file distributed
+          as part of the Derivative Works; within the Source form or
+          documentation, if provided along with the Derivative Works; or,
+          within a display generated by the Derivative Works, if and
+          wherever such third-party notices normally appear. The contents
+          of the NOTICE file are for informational purposes only and
+          do not modify the License. You may add Your own attribution
+          notices within Derivative Works that You distribute, alongside
+          or as an addendum to the NOTICE text from the Work, provided
+          that such additional attribution notices cannot be construed
+          as modifying the License.
+
+      You may add Your own copyright statement to Your modifications and
+      may provide additional or different license terms and conditions
+      for use, reproduction, or distribution of Your modifications, or
+      for any such Derivative Works as a whole, provided Your use,
+      reproduction, and distribution of the Work otherwise complies with
+      the conditions stated in this License.
+
+   5. Submission of Contributions. Unless You explicitly state otherwise,
+      any Contribution intentionally submitted for inclusion in the Work
+      by You to the Licensor shall be under the terms and conditions of
+      this License, without any additional terms or conditions.
+      Notwithstanding the above, nothing herein shall supersede or modify
+      the terms of any separate license agreement you may have executed
+      with Licensor regarding such Contributions.
+
+   6. Trademarks. This License does not grant permission to use the trade
+      names, trademarks, service marks, or product names of the Licensor,
+      except as required for reasonable and customary use in describing the
+      origin of the Work and reproducing the content of the NOTICE file.
+
+   7. Disclaimer of Warranty. Unless required by applicable law or
+      agreed to in writing, Licensor provides the Work (and each
+      Contributor provides its Contributions) on an "AS IS" BASIS,
+      WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or
+      implied, including, without limitation, any warranties or conditions
+      of TITLE, NON-INFRINGEMENT, MERCHANTABILITY, or FITNESS FOR A
+      PARTICULAR PURPOSE. You are solely responsible for determining the
+      appropriateness of using or redistributing the Work and assume any
+      risks associated with Your exercise of permissions under this License.
+
+   8. Limitation of Liability. In no event and under no legal theory,
+      whether in tort (including negligence), contract, or otherwise,
+      unless required by applicable law (such as deliberate and grossly
+      negligent acts) or agreed to in writing, shall any Contributor be
+      liable to You for damages, including any direct, indirect, special,
+      incidental, or consequential damages of any character arising as a
+      result of this License or out of the use or inability to use the
+      Work (including but not limited to damages for loss of goodwill,
+      work stoppage, computer failure or malfunction, or any and all
+      other commercial damages or losses), even if such Contributor
+      has been advised of the possibility of such damages.
+
+   9. Accepting Warranty or Additional Liability. While redistributing
+      the Work or Derivative Works thereof, You may choose to offer,
+      and charge a fee for, acceptance of support, warranty, indemnity,
+      or other liability obligations and/or rights consistent with this
+      License. However, in accepting such obligations, You may act only
+      on Your own behalf and on Your sole responsibility, not on behalf
+      of any other Contributor, and only if You agree to indemnify,
+      defend, and hold each Contributor harmless for any liability
+      incurred by, or claims asserted against, such Contributor by reason
+      of your accepting any such warranty or additional liability.
+
+   END OF TERMS AND CONDITIONS
+
+   APPENDIX: How to apply the Apache License to your work.
+
+      To apply the Apache License to your work, attach the following
+      boilerplate notice, with the fields enclosed by brackets "[]"
+      replaced with your own identifying information. (Don't include
+      the brackets!)  The text should be enclosed in the appropriate
+      comment syntax for the file format. We also recommend that a
+      file or class name and description of purpose be included on the
+      same "printed page" as the copyright notice for easier
+      identification within third-party archives.
+
+   Copyright [yyyy] [name of copyright owner]
+
+   Licensed under the Apache License, Version 2.0 (the "License");
+   you may not use this file except in compliance with the License.
+   You may obtain a copy of the License at
+
+       http://www.apache.org/licenses/LICENSE-2.0
+
+   Unless required by applicable law or agreed to in writing, software
+   distributed under the License is distributed on an "AS IS" BASIS,
+   WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+   See the License for the specific language governing permissions and
+   limitations under the License.

anonyfy-0.1.0/NOTICE

@@ -0,0 +1,14 @@
+Anonyfy
+Copyright 2026 Anonyfy contributors
+
+Licensed under the Apache License, Version 2.0 (the "License");
+you may not use this file except in compliance with the License.
+You may obtain a copy of the License at
+
+    http://www.apache.org/licenses/LICENSE-2.0
+
+Unless required by applicable law or agreed to in writing, software
+distributed under the License is distributed on an "AS IS" BASIS,
+WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+See the License for the specific language governing permissions and
+limitations under the License.

anonyfy-0.1.0/PKG-INFO

@@ -0,0 +1,247 @@
+Metadata-Version: 2.5
+Name: anonyfy
+Version: 0.1.0
+Summary: Anonyfy - anonymisation réversible par pseudonymisation (FPE + registre de scope)
+Project-URL: Homepage, https://github.com/anonyfy/anonyfy
+Project-URL: Repository, https://github.com/anonyfy/anonyfy
+Author: Anonyfy contributors
+License-Expression: Apache-2.0
+License-File: LICENSE
+License-File: NOTICE
+Keywords: anonymization,fpe,gdpr,pseudonymization,rgpd
+Classifier: Development Status :: 2 - Pre-Alpha
+Classifier: Intended Audience :: Developers
+Classifier: License :: OSI Approved :: Apache Software License
+Classifier: Programming Language :: Python :: 3
+Classifier: Programming Language :: Python :: 3.11
+Classifier: Programming Language :: Python :: 3.12
+Classifier: Programming Language :: Python :: 3.13
+Classifier: Topic :: Security
+Classifier: Topic :: Security :: Cryptography
+Requires-Python: >=3.11
+Requires-Dist: ff3>=1.0.3
+Provides-Extra: dev
+Requires-Dist: pytest>=8; extra == 'dev'
+Requires-Dist: pyyaml>=6; extra == 'dev'
+Requires-Dist: ruff>=0.6; extra == 'dev'
+Description-Content-Type: text/markdown
+
+# anonyfy
+
+> Pseudonymisation réversible et déterministe des données personnelles françaises,
+> avant transmission à un modèle de langage.
+
+**anonyfy** substitue les identifiants personnels d'un texte par des valeurs
+plausibles et de même type, de façon réversible. Le clair ne quitte jamais
+l'infrastructure du client : ni vers un service, ni vers un disque, ni vers un
+journal. Conçu pour les équipes françaises qui branchent un LLM sur des données
+métier et veulent une réponse défendable à la question « et le RGPD ? ».
+
+---
+
+## Pourquoi
+
+Toute équipe française qui branche un LLM sur des données métier se heurte à la
+même question dans la première semaine : *qu'est-ce qu'on a le droit d'envoyer
+chez le fournisseur ?* Les réponses actuelles sont mauvaises.
+
+- **Ne rien envoyer** : on renonce à l'usage.
+- **Tout envoyer** : on transfère des données personnelles à un sous-traitant hors
+  périmètre, souvent hors UE, sans base solide.
+- **Caviarder** (`[REDACTED]`) : on détruit le raisonnement du modèle et on ne peut
+  plus recoller la réponse aux données réelles.
+- **Presidio** : l'outil de référence est anglo-centré. Rien n'est natif sur le NIR,
+  le SIRET, l'IBAN français ou les formats d'adresse, et il n'offre pas de
+  pseudonymisation réversible à coffre clé.
+
+anonyfy comble le vide laissé : substituer par des valeurs de même type, de façon
+déterministe et réversible, sans que le clair ne quitte le client.
+
+---
+
+## Ce que c'est
+
+Une bibliothèque Python et une CLI. Pas un service hébergé, jamais.
+
+```python
+from anonyfy import Vault
+
+v = Vault(key=..., scope="dossier-1234")
+masked = v.mask(texte)              # -> MaskedText(.text, .entities)
+clair  = v.unmask(reponse_du_modele)
+v.report()                          # journal exploitable par un DPO
+```
+
+```
+anonyfy scan dossier/*.txt          # mode observation : détecte, ne modifie rien
+anonyfy mask fichier.txt --scope d1234
+anonyfy unmask reponse.txt --scope d1234
+```
+
+`mask_json` / `unmask_json` parcourent un payload JSON et ne masquent que
+les feuilles chaîne (jamais les clés, jamais `function.name`). C'est une
+**primitive, pas un proxy** (OBJ-025) : le proxy compatible OpenAI est
+prévu en v2 ; `mask_json` expose déjà la primitive de parcours pour que
+l'intégrateur puisse câbler le masquage de payloads structurés en
+attendant.
+
+## Installation
+
+```bash
+uv add anonyfy
+```
+
+Python ≥ 3.11. Le cœur ne dépend que de la bibliothèque standard et d'une
+bibliothèque cryptographique (FPE FF3-1 via `ff3`, isolée derrière
+`surrogate/fpe.py` — voir ADR 0001). Aucun téléchargement de modèle, fonctionne
+hors ligne.
+
+---
+
+## Couverture de détection (v1)
+
+Les identifiants structurés sont traités par expression régulière **plus validation
+arithmétique** : c'est ce qui écrase les faux positifs. Les patronymes et adresses
+reposent sur des gazetteers (INSEE, COG) et des déclencheurs contextuels
+(`M.`, `Mme`, `Maître`, `né(e) le`, `demeurant`).
+
+| Type | Méthode | Validation | Substitut |
+|---|---|---|---|
+| NIR (n° sécu) | regex | clé mod 97 | FPE, clé recalculée |
+| SIREN / SIRET | regex | Luhn | FPE, Luhn recalculé |
+| IBAN FR | regex | mod 97 | FPE, clé recalculée |
+| TVA intracomm. FR | regex | clé | FPE |
+| Carte bancaire | regex | Luhn | FPE |
+| Téléphone FR | regex | plan de numérotation | FPE, préfixe préservé |
+| Email | regex | syntaxe | partie locale FPE, domaine gazetteer |
+| Plaque SIV | regex | format | FPE |
+| Prénom / nom | gazetteer INSEE + déclencheurs | — | gazetteer + registre de scope |
+| Commune / code postal | gazetteer COG INSEE | cohérence CP/commune | gazetteer |
+| Date de naissance | regex + déclencheur | calendaire | décalage déterministe borné |
+
+---
+
+## Le positionnement juridique — à lire avant de l'utiliser
+
+La pseudonymisation n'est **pas** l'anonymisation. Écrire « conforme RGPD » ici
+serait faux et discréditerait le projet auprès du public juridique visé.
+
+Le cadrage défendable est plus intéressant. Dans *EDPS c. CRU* (CJUE, septembre
+2025), la Cour a retenu une approche **relative** de la notion de donnée
+personnelle : des données pseudonymisées transmises à un destinataire qui ne
+dispose d'aucun moyen raisonnable de ré-identifier peuvent ne pas constituer des
+données personnelles *pour ce destinataire*. Si la clé et le registre restent chez
+le client, c'est exactement la configuration vis-à-vis du fournisseur de LLM.
+
+C'est un raisonnement **contextuel et encore discuté** par le CEPD. anonyfy le
+présente comme un argument à instruire au cas par cas avec son conseil, pas comme
+un blanc-seing. Cette honnêteté est un différenciateur : personne d'autre ne
+l'écrit.
+
+---
+
+## Ce que anonyfy ne fait pas
+
+Ces limites sont volontaires et assumées. Les dissimuler discréditerait l'outil.
+
+1. **Ce n'est pas de l'anonymisation** au sens du RGPD. Voir le positionnement
+   ci-dessus.
+2. **La ré-identification par le contexte.** « Le dirigeant de la société de
+   menuiserie de Moulidars » reste identifiant même si le nom est substitué. Aucun
+   outil ne résout ça, et prétendre le contraire serait malhonnête.
+3. **Le dictionnaire de code.** Un mapping déterministe *est* un code book. Qui
+   obtient beaucoup de couples clair/substitut peut inverser. Mitigations : clé
+   secrète par déploiement, sel par scope. La rotation de clé est reportée à v2 :
+   elle exigerait un registre stockant du clair, interdit par l'invariant 1 en v1.
+4. **La compromission de la clé.** La clé permet de tout inverser. Elle doit vivre
+   dans le gestionnaire de secrets du client, jamais dans le dépôt, jamais dans le
+   journal.
+5. **Le FPE sur petits domaines.** FF3-1 est faible quand l'espace des valeurs
+   possibles est réduit. anonyfy tranche par type : FPE pur sur les grands domaines
+   (NIR, SIREN, SIRET, IBAN, TVA, carte bancaire, téléphone) ; permutation keyée
+   Feistel (ADR 0003) sur les petits domaines non-FPE (patronyme, prénom, commune,
+   voie, plaque SIV, référence de dossier, date, email local-part). La bijectivité
+   est garantie, mais les points fixes existent (D23, probabilité ~1/N par clair,
+   détectés et alertés). Détail dans l'ADR 0001 et l'ADR 0003.
+6. **Les dates par bucket de mois.** Le décalage par bucket de mois (D8) préserve
+   le mois et l'année mais pas le jour (clampé à [1, 28]). Une date substituée
+   reste ré-identifiable par contexte si le bucket de date ou le mois est unique
+   dans le contexte. La limite est assumée (§8 point 1) : le décalage ne prétend
+   pas empêcher la ré-identification. Détail dans l'ADR 0001 §10.
+7. **La cohérence inter-type.** SIREN, SIRET et TVA intracommunautaire partagent
+   le même SIREN sous-jacent. anonyfy applique FPE indépendamment par type : le
+   SIRET substitué et la TVA substituée d'un même dossier peuvent reposer sur des
+   SIREN différents. La cohérence métier n'est pas garantie en v1. Reportée à v2
+   (OBJ-008).
+8. **Les faux positifs sur les noms-mots courants.** « Boulanger », « rue Pierre »,
+   « Mme Rose » produiront des faux positifs. C'est le prix de l'auditabilité, et
+   c'est la justification d'une couche modèle optionnelle plus tard. Le mode
+   observation existe pour les découvrir avant la production.
+9. **Pas de service hébergé, jamais.** Le coffre et la clé restent chez le client.
+   C'est une décision d'architecture, pas une étape de feuille de route, et c'est
+   l'argument le plus fort.
+
+---
+
+## Principes d'architecture
+
+Quatre invariants. Si une décision de conception les contredit, c'est la décision
+qui a tort.
+
+1. **Le clair ne franchit jamais la frontière.** Ni vers un service, ni vers un
+   disque, ni vers un journal.
+2. **Déterminisme scopé.** Dans un scope, une valeur produit toujours le même
+   substitut. C'est ce qui préserve le fil d'une conversation et le cache de préfixe
+   du fournisseur.
+3. **Injectivité dans le scope.** Deux valeurs distinctes ne partagent jamais un
+   substitut. Sans cette garantie, `unmask` est ambigu et le modèle fusionne deux
+   personnes.
+4. **Rien n'est démasqué qui n'ait été masqué.** `unmask` ne transforme que des
+   substituts réellement émis. Un identifiant inventé par le modèle reste tel quel.
+
+Détail dans `architecture.md` : flux aller/retour, génération des substituts (FPE
+pour les identifiants, gazetteer + registre de scope pour le texte libre),
+résolution des collisions, traitement des appels d'outils.
+
+Les décisions cryptographiques (isolation de `ff3` derrière `surrogate/fpe.py`,
+FPE par type vs mécanisme registre, vecteurs FF3-1 du NIST, empreinte d'audit
+HMAC, politique de logging, figage du gazetteer, dates par bucket de mois,
+rotation de clé reportée à v2) sont figées dans l'**ADR 0001**
+(`docs/ADR/0001-fpe-ff3.md`), qui est la source de vérité avant l'implémentation.
+
+---
+
+## Statut
+
+v0.1 · Août 2026. Jalons M0 à M4 livrés (phases 01 à 19) : paquet
+installable, CI verte, validateurs arithmétiques et de format, FPE FF3-1
+sur les grands domaines, registre de scope SQLite, Aho-Corasick, API
+publique `Vault` (`mask`/`unmask`/`mask_json`/`unmask_json`/`report`),
+gazetteers figés, arbitrage complet, journal d'audit HMAC, rapport DPO,
+CLI `scan`/`mask`/`unmask`, mode observation, politique de fermeture,
+corpus de test. La phase 20 (cette documentation) finalise le jalon M4.
+
+Feuille de route :
+
+| Jalon | Contenu | Statut |
+|---|---|---|
+| **M0** | Squelette du paquet, CI, licence, README | Livré |
+| **M1** | Validateurs structurés + FPE + aller-retour | Livré |
+| **M2** | Gazetteers, registre de scope, résolution de collisions | Livré |
+| **M3** | CLI, mode observation, journal, rapport | Livré |
+| **M4** | Documentation, corpus de test public, billet de lancement | En cours |
+
+Voir `CHANGELOG.md` pour le détail des phases livrées et
+`docs/TUTORIAL.md` pour le guide d'intégration.
+
+## Licence
+
+Apache-2.0 sur l'ensemble du cœur. La version libre résout entièrement le problème
+d'un utilisateur seul : détection, substituts, réversibilité, registre, CLI, mode
+observation. Une version support/entreprise pourra venir plus tard ; une version
+hébergée du coffre ne viendra jamais, l'architecture l'interdit.
+
+---
+
+*Voir `PRD.md` pour le cahier des charges complet et `architecture.md` pour la
+conception détaillée.*