Maskera en PDF på rätt sätt: varför svarta rutor inte räcker

Det vanligaste maskeringsmisstaget är osynligt. En svart ruta som ritats över ett namn ser perfekt ut på skärmen och på papper, men i de flesta fall finns namnet kvar i filen, direkt under rutan. Vem som helst kan markera texten under rutan och klistra in den någon annanstans, eller hitta den med en enkel sökning. Domstolshandlingar, myndighetsrapporter och företagsdokument har alla publicerats på det här sättet, och den ”dolda” texten har kunnat återskapas på några sekunder. Den här guiden förklarar varför att täcka inte är att ta bort, var information gömmer sig på mindre uppenbara ställen i en PDF och hur du kontrollerar ett maskerat dokument innan det lämnar dina händer.

Varför en svart ruta inte döljer något

En PDF-sida är uppbyggd i lager, som en bunt genomskinliga ark. Texten ritas på ett ark, och en svart rektangel som ritas senare ligger på ett ark ovanför. Dina ögon ser bara det översta lagret, men varje lager finns kvar i filen. Kopiering, sökning, talsyntes och sökmotorer läser alla textlagret direkt, och rektangeln gör ingen skillnad för dem.

Detsamma gäller de flesta snabba lösningar:

Svart markering eller en fylld form som lagts till i ett PDF-program är en kommentar som ligger ovanpå sidan. Vem som helst kan markera och ta bort den, eller flytta den åt sidan.
Svart överstrykning i Word finns kvar som text i ett svart-på-svart-format. När dokumentet sparas som PDF följer orden med.
Att ändra textfärgen till vit döljer texten för ögat, men inte för något annat.

Var information gömmer sig på mindre uppenbara ställen

Även när den synliga texten har hanterats på rätt sätt kan en PDF bära samma information på ställen som ingen tittar på.

Textlagret i en skanning. Många skannade PDF-filer har osynlig OCR-text bakom bilden, så att de går att söka i. Att täcka bilden av ett ord lämnar den osynliga kopian orörd.
Bildpunkterna i en bild. En ruta som ritas över ett foto eller en skannad namnteckning täcker den, men bilddata under är fullständiga. Tar man bort rutan, eller extraherar bilden, syns originalet.
Metadata. Dokumentets titel, författare, ämne och nyckelord, och själva filnamnet, innehåller ofta just de namn som maskeras.
Kommentarer, formulärfält och bokmärken. En granskares anteckning, ett ifyllt formulärvärde eller ett bokmärke som heter ”Förlikning med J. Svensson” kan upprepa det som sidan döljer.
Bilagor. En PDF kan bära andra filer inuti sig, till exempel kalkylbladet som siffrorna kom från.
Tidigare versioner. Många PDF-redigerare sparar ändringar genom att lägga till dem i slutet av filen, så versionen från före maskeringen finns fortfarande kvar i den.
Tillgänglighetsinformation. Taggade PDF-filer kan innehålla en ersättningstext för skärmläsare som skriver ut ord som är ritade på sidan.

Att spara filen är en fälla i sig. När vi testade en maskeringstjänst online medan vi byggde vårt eget verktyg tog den bort orden från sidan på rätt sätt. Men den sparade filen med sidans ursprungliga innehåll kvar inuti, som ett objekt som ingenting hänvisade till. Inget visningsprogram visade det och textextrahering hittade ingenting, men de maskerade värdena gick att läsa direkt ur filen. En maskerad fil är aldrig bättre än sättet den skrivs på.

Vad riktig maskering gör

Riktig maskering ändrar vad filen innehåller, inte bara hur den ser ut:

tecknen under varje markerat område raderas ur sidans innehåll;
de täckta bildpunkterna i varje bild skrivs över i själva bilden;
grafik som rutan döljer helt tas bort;
sedan ritas en svart ruta i det tomma utrymmet, som en synlig markering av att något har tagits bort;
metadata, kommentarer, formulärfält, bokmärken, bilagor och annat dolt innehåll tas också bort; och
filen skrivs ut på nytt, utan tidigare versioner och utan kvarlämnade objekt.

Sedan finns frågan om bokstäver som en ruta bara delvis täcker. En ruta som klipper en halv siffra kan lämna tillräckligt mycket kvar för att den ska gå att läsa, så ett noggrant verktyg tar bort ett ord som rutan snuddar vid i sin helhet, i stället för att lämna halva kortnumret kvar på sidan.

Så fungerar Maskera PDF

Vårt verktyg Maskera PDF är byggt kring de reglerna. Du öppnar PDF-filen och markerar sedan text eller ritar rutor över allt som ska bort, även delar av bilder. Filen laddas upp till våra servrar, där den bearbetas automatiskt och raderas ungefär fem minuter efter att du har stängt sidan. Gränsen är 256 MB.

Text som en ruta täcker tas bort ur själva filen. Den tas bort ett tecken i taget, och ett ord som en ruta bara delvis täcker kan tas bort helt. De täckta bildpunkterna i en bild suddas ut i själva bilden. Grafik tas bort bara när en ruta täcker hela den, så en linje eller form som sticker ut under en ruta förblir hel, även delen under det svarta. Text och bilder som rutorna inte rör förblir som de var. Verktyget tar också bort dokumentets metadata, länkar, kommentarer, formulärfält, bokmärken, bifogade filer och dokumentskript, liksom den tillgänglighetsstruktur som skulle kunna skriva ut borttagna ord.

Sedan kontrollerar det sitt eget arbete. Det läser in den färdiga filen igen, packar upp varje del av innehållet i den, även sådant som ingenting hänvisar till, och letar efter orden som låg under dina rutor. Om något av dem fortfarande finns i filen får du veta det i stället för att få filen.

Det finns gränser för vad ett verktyg kan göra åt dig. Verktyget Maskera PDF tar bort det du markerar, och bara det. Om samma namn förekommer på en annan sida, i ett sidhuvud eller i en bild som du inte har markerat finns det kvar. Kontrollen letar efter ord som bara fanns under dina rutor, så den kan inte veta att ett namn någon annanstans i dokumentet också är viktigt. Och en maskering kan inte ångras, så spara originalet på ett säkert ställe.

Så kontrollerar du själv en maskerad PDF

Oavsett vilket verktyg du använder ska du kontrollera resultatet innan du delar det. Det tar några minuter:

Sök efter varje maskerat ord. Använd Ctrl+F (Cmd+F på en Mac) för varje namn, nummer och fras som du tog bort. Prova också delar av dem, till exempel de fyra sista siffrorna i ett nummer.
Kopiera allt. Markera all text på varje maskerad sida, klistra in den i en enkel textredigerare och läs det som kommer ut.
Använd två olika läsprogram. Öppna filen i en webbläsare och i ett PDF-program på datorn. De läser filer på olika sätt, och det ena kan visa det som det andra inte visar.
Titta på dokumentegenskaperna. Kontrollera titel, författare, ämne och nyckelord, och kontrollera filnamnet.
Öppna sidopanelerna. Titta på kommentarer, bokmärken, bilagor och formulärfält.
Läs varje sida. Leta efter samma information på ställen som du inte har markerat: ett sidhuvud, en sidfot, en bildtext, en bild, ett underskriftsblock.

Slutsats

Maskering handlar om vad som finns i filen, inte vad som syns på skärmen. En svart ruta över text döljer den bara, medan riktig maskering raderar texten, suddar ut bildpunkterna, rensar bort dold data och skriver en ren fil. Använd ett verktyg som tar bort innehåll i stället för att täcka det, markera varje ställe där informationen förekommer och kontrollera resultatet som om du var den som försökte läsa den.

Har du ett dokument att maskera? Prova Maskera PDF.

← Tillbaka till bloggen