Σωστή απόκρυψη δεδομένων σε PDF: γιατί τα μαύρα πλαίσια δεν αρκούν

Το πιο συνηθισμένο λάθος απόκρυψης είναι αόρατο. Ένα μαύρο πλαίσιο σχεδιασμένο πάνω από ένα όνομα φαίνεται τέλειο στην οθόνη και στο χαρτί, αλλά στις περισσότερες περιπτώσεις το όνομα βρίσκεται ακόμη μέσα στο αρχείο, ακριβώς από κάτω. Οποιοσδήποτε μπορεί να επιλέξει το κείμενο κάτω από το πλαίσιο και να το επικολλήσει κάπου αλλού ή να το βρει με μια απλή αναζήτηση. Δικόγραφα, κρατικές εκθέσεις και εταιρικά έγγραφα έχουν δημοσιευτεί με αυτόν τον τρόπο, και το «κρυμμένο» κείμενο ανακτήθηκε σε δευτερόλεπτα. Αυτός ο οδηγός εξηγεί γιατί η κάλυψη δεν είναι αφαίρεση, ποια είναι τα λιγότερο προφανή σημεία όπου κρύβονται πληροφορίες σε ένα PDF και πώς να ελέγξετε ένα έγγραφο με αποκρύψεις πριν φύγει από τα χέρια σας.

Γιατί ένα μαύρο πλαίσιο δεν κρύβει τίποτα

Μια σελίδα PDF χτίζεται σε στρώσεις, σαν μια στοίβα από διάφανα φύλλα. Το κείμενο σχεδιάζεται σε ένα από αυτά, και ένα μαύρο ορθογώνιο που σχεδιάζεται αργότερα βρίσκεται σε ένα φύλλο από πάνω. Τα μάτια σας βλέπουν μόνο την κορυφή της στοίβας, αλλά κάθε στρώση βρίσκεται ακόμη μέσα στο αρχείο. Η αντιγραφή, η αναζήτηση, τα προγράμματα μετατροπής κειμένου σε ομιλία και οι μηχανές αναζήτησης διαβάζουν απευθείας τη στρώση του κειμένου, και το ορθογώνιο δεν κάνει καμία διαφορά γι’ αυτά.

Το ίδιο ισχύει για τις περισσότερες πρόχειρες λύσεις:

Η μαύρη επισήμανση ή ένα γεμάτο σχήμα που προστίθεται σε ένα πρόγραμμα προβολής PDF είναι ένα σχόλιο που κάθεται πάνω στη σελίδα. Οποιοσδήποτε μπορεί να το επιλέξει και να το διαγράψει ή να το μετακινήσει στην άκρη.
Η μαύρη επισήμανση στο Word μένει κείμενο με μορφοποίηση μαύρο σε μαύρο. Όταν το έγγραφο αποθηκεύεται ως PDF, οι λέξεις πηγαίνουν μαζί του.
Η αλλαγή του χρώματος του κειμένου σε λευκό το κρύβει από τα μάτια, και από τίποτε άλλο.

Τα λιγότερο προφανή σημεία όπου κρύβονται πληροφορίες

Ακόμη κι όταν το ορατό κείμενο αντιμετωπίζεται σωστά, ένα PDF μπορεί να περιέχει τις ίδιες πληροφορίες σε σημεία που δεν κοιτάζει κανείς.

Η στρώση κειμένου μιας σάρωσης. Πολλά σαρωμένα PDF έχουν αόρατο κείμενο OCR πίσω από την εικόνα, ώστε να μπορούν να αναζητηθούν. Αν καλύψετε την εικόνα μιας λέξης, το αόρατο αντίγραφό της μένει ανέγγιχτο.
Τα pixel μιας εικόνας. Ένα πλαίσιο σχεδιασμένο πάνω από μια φωτογραφία ή μια σαρωμένη υπογραφή την καλύπτει, αλλά τα δεδομένα της εικόνας από κάτω είναι πλήρη. Αν αφαιρεθεί το πλαίσιο ή εξαχθεί η εικόνα, φαίνεται το πρωτότυπο.
Μεταδεδομένα. Ο τίτλος, ο συντάκτης, το θέμα και οι λέξεις-κλειδιά του εγγράφου, καθώς και το ίδιο το όνομα του αρχείου, συχνά περιέχουν ακριβώς τα ονόματα που αποκρύπτονται.
Σχόλια, πεδία φορμών και σελιδοδείκτες. Η σημείωση ενός ελεγκτή, μια συμπληρωμένη τιμή φόρμας ή ένας σελιδοδείκτης με τίτλο «Συμβιβασμός με Ι. Παπαδόπουλο» μπορεί να επαναλαμβάνει ό,τι κρύβει η σελίδα.
Συνημμένα. Ένα PDF μπορεί να περιέχει άλλα αρχεία μέσα του, όπως το υπολογιστικό φύλλο από το οποίο προέρχονται οι αριθμοί.
Παλαιότερες εκδόσεις. Πολλοί επεξεργαστές PDF αποθηκεύουν τις αλλαγές προσθέτοντάς τες στο τέλος του αρχείου, οπότε η εκδοχή πριν από την απόκρυψη βρίσκεται ακόμη μέσα του.
Πληροφορίες προσβασιμότητας. Τα PDF με ετικέτες μπορούν να περιέχουν εναλλακτικό κείμενο για τα προγράμματα ανάγνωσης οθόνης, το οποίο διατυπώνει λέξεις που είναι σχεδιασμένες στη σελίδα.

Η αποθήκευση του αρχείου είναι από μόνη της μια παγίδα. Όταν δοκιμάσαμε μια online υπηρεσία απόκρυψης ενώ φτιάχναμε το δικό μας εργαλείο, αφαίρεσε σωστά τις λέξεις από τη σελίδα. Ωστόσο, αποθήκευσε το αρχείο με το αρχικό περιεχόμενο της σελίδας ακόμη μέσα του, ως ένα αντικείμενο στο οποίο δεν παρέπεμπε τίποτα. Κανένα πρόγραμμα προβολής δεν το εμφάνιζε και η εξαγωγή κειμένου δεν έβρισκε τίποτα, όμως οι τιμές που είχαν αποκρυφτεί μπορούσαν να διαβαστούν απευθείας από το αρχείο. Ένα αρχείο με αποκρύψεις είναι τόσο καλό όσο ο τρόπος με τον οποίο γράφεται.

Τι κάνει η σωστή απόκρυψη

Η πραγματική απόκρυψη αλλάζει το τι περιέχει το αρχείο, όχι μόνο το πώς φαίνεται:

οι χαρακτήρες κάτω από κάθε επισημασμένη περιοχή διαγράφονται από το περιεχόμενο της σελίδας·
τα καλυμμένα pixel κάθε εικόνας αντικαθίστανται μέσα στην ίδια την εικόνα·
τα σχέδια που κρύβει εντελώς το πλαίσιο διαγράφονται·
μετά σχεδιάζεται ένα μαύρο πλαίσιο στον κενό χώρο, ως ορατό σημάδι ότι κάτι αφαιρέθηκε·
τα μεταδεδομένα, τα σχόλια, τα πεδία φορμών, οι σελιδοδείκτες, τα συνημμένα και το υπόλοιπο κρυφό περιεχόμενο αφαιρούνται επίσης· και
το αρχείο γράφεται από την αρχή, χωρίς παλαιότερες εκδόσεις και χωρίς ξεχασμένα αντικείμενα.

Υπάρχει επίσης το ζήτημα των γραμμάτων που ένα πλαίσιο καλύπτει μόνο εν μέρει. Ένα πλαίσιο που κόβει το μισό ενός ψηφίου μπορεί να αφήσει αρκετό από αυτό ώστε να διαβάζεται, οπότε ένα προσεκτικό εργαλείο αφαιρεί ολόκληρη μια λέξη που κόβει το πλαίσιο, αντί να αφήσει στη σελίδα το μισό ενός αριθμού κάρτας.

Πώς λειτουργεί η «Απόκρυψη δεδομένων PDF»

Το εργαλείο μας Απόκρυψη δεδομένων PDF είναι φτιαγμένο γύρω από αυτούς τους κανόνες. Ανοίγετε το PDF και μετά επιλέγετε κείμενο ή σχεδιάζετε πλαίσια πάνω σε ό,τι πρέπει να φύγει, ακόμη και σε μέρη εικόνων. Το αρχείο ανεβαίνει στους διακομιστές μας, όπου υποβάλλεται σε αυτοματοποιημένη επεξεργασία και διαγράφεται περίπου πέντε λεπτά αφού κλείσετε τη σελίδα. Το όριο είναι 256 MB.

Το κείμενο που καλύπτει ένα πλαίσιο αφαιρείται από το ίδιο το αρχείο. Αφαιρείται χαρακτήρα προς χαρακτήρα, και μια λέξη που καλύπτεται μόνο εν μέρει από ένα πλαίσιο μπορεί να αφαιρεθεί ολόκληρη. Τα καλυμμένα pixel μιας εικόνας σβήνονται μέσα στην εικόνα. Ένα σχέδιο διαγράφεται μόνο όταν ένα πλαίσιο το καλύπτει ολόκληρο, οπότε μια γραμμή ή ένα σχήμα που βγαίνει έξω από ένα πλαίσιο μένει ακέραιο, μαζί με το κομμάτι κάτω από το μαύρο. Το κείμενο και οι εικόνες που δεν αγγίζουν τα πλαίσια μένουν όπως ήταν. Το εργαλείο αφαιρεί επίσης τα μεταδεδομένα, τους συνδέσμους, τα σχόλια, τα πεδία φορμών, τους σελιδοδείκτες, τα συνημμένα αρχεία και τα σενάρια του εγγράφου, μαζί με τη δομή προσβασιμότητας που θα μπορούσε να διατυπώνει λέξεις που αφαιρέθηκαν.

Μετά ελέγχει τη δική του δουλειά. Ξαναδιαβάζει το τελικό αρχείο, αποσυμπιέζοντας κάθε κομμάτι περιεχομένου μέσα του, ακόμη κι όσα δεν παραπέμπονται από τίποτα, και ψάχνει τις λέξεις που βρίσκονταν κάτω από τα πλαίσιά σας. Αν κάποια από αυτές βρίσκεται ακόμη στο αρχείο, σας το λέει αντί να σας δώσει το αρχείο.

Υπάρχουν όρια σε όσα μπορεί να κάνει οποιοδήποτε εργαλείο για εσάς. Η «Απόκρυψη δεδομένων PDF» αφαιρεί ό,τι επισημαίνετε, και μόνο αυτό. Αν το ίδιο όνομα εμφανίζεται σε άλλη σελίδα, σε μια κεφαλίδα ή μέσα σε μια εικόνα που δεν επισημάνατε, μένει. Ο έλεγχος ψάχνει λέξεις που υπήρχαν μόνο κάτω από τα πλαίσιά σας, οπότε δεν μπορεί να ξέρει ότι ένα όνομα αλλού στο έγγραφο έχει επίσης σημασία. Και η απόκρυψη δεν μπορεί να αναιρεθεί, οπότε κρατήστε το πρωτότυπο κάπου ασφαλές.

Πώς να ελέγξετε μόνοι σας ένα PDF με αποκρύψεις

Όποιο εργαλείο κι αν χρησιμοποιήσετε, ελέγξτε το αποτέλεσμα πριν το μοιραστείτε. Χρειάζονται λίγα λεπτά:

Αναζητήστε κάθε όρο που αποκρύψατε. Χρησιμοποιήστε Ctrl+F (Cmd+F σε Mac) για κάθε όνομα, αριθμό και φράση που αφαιρέσατε. Δοκιμάστε και μέρος του, όπως τα τελευταία τέσσερα ψηφία ενός αριθμού.
Αντιγράψτε τα πάντα. Επιλέξτε όλο το κείμενο σε κάθε σελίδα με αποκρύψεις, επικολλήστε το σε έναν απλό επεξεργαστή κειμένου και διαβάστε τι βγαίνει.
Χρησιμοποιήστε δύο διαφορετικά προγράμματα ανάγνωσης. Ανοίξτε το αρχείο σε ένα πρόγραμμα περιήγησης και σε ένα πρόγραμμα ανάγνωσης PDF για υπολογιστή. Διαβάζουν τα αρχεία διαφορετικά, και το ένα μπορεί να δείξει ό,τι δεν δείχνει το άλλο.
Κοιτάξτε τις ιδιότητες του εγγράφου. Ελέγξτε τον τίτλο, τον συντάκτη, το θέμα και τις λέξεις-κλειδιά, καθώς και το όνομα του αρχείου.
Ανοίξτε τα πλαϊνά πλαίσια. Κοιτάξτε τα σχόλια, τους σελιδοδείκτες, τα συνημμένα και τα πεδία φορμών.
Διαβάστε κάθε σελίδα. Ψάξτε τις ίδιες πληροφορίες κάπου που δεν επισημάνατε: σε μια κεφαλίδα, ένα υποσέλιδο, μια λεζάντα, μια εικόνα, ένα πεδίο υπογραφής.

Συμπέρασμα

Η απόκρυψη αφορά το τι υπάρχει μέσα στο αρχείο, όχι το τι φαίνεται στην οθόνη. Ένα μαύρο πλαίσιο πάνω από κείμενο απλώς το κρύβει, ενώ η πραγματική απόκρυψη διαγράφει το κείμενο, σβήνει τα pixel της εικόνας, καθαρίζει τα κρυφά δεδομένα και γράφει ένα καθαρό αρχείο. Χρησιμοποιήστε ένα εργαλείο που αφαιρεί το περιεχόμενο αντί να το καλύπτει, επισημάνετε κάθε σημείο όπου εμφανίζεται η πληροφορία και ελέγξτε το αποτέλεσμα σαν να ήσασταν εκείνος που προσπαθεί να το διαβάσει.

Έχετε ένα έγγραφο για απόκρυψη δεδομένων; Δοκιμάστε την Απόκρυψη δεδομένων PDF.

← Επιστροφή στο blog