Borrar datos confidenciales en PDF

Ocultar datos personales en un PDF de modo que no se puedan recuperar

La historia se repite más o menos una vez al año y llega a los titulares. Una organización publica un documento en el que nombres y direcciones están pulcramente tapados con rectángulos negros. Una hora después alguien selecciona el texto con el ratón, lo pega en un bloc de notas y obtiene entero lo que estaba tapado.

El motivo es simple, y entenderlo importa más que memorizar una secuencia de botones.

Por qué un rectángulo sobre el texto no oculta nada

Un PDF está hecho de capas. El texto vive en el contenido de la página como texto, con coordenadas y una tipografía. Un rectángulo dibujado encima en un editor es otro elemento de contenido, dibujado después y por eso visible arriba.

El texto no va a ninguna parte. Sigue en el archivo, se encuentra con la búsqueda, se selecciona con el ratón y se copia. El rectángulo lo cubre solo visualmente, igual que una hoja de papel puesta sobre un monitor.

La redacción de verdad funciona de otro modo: el contenido bajo el área se recorta primero de la página, y solo después se coloca un relleno sobre el hueco que dejó.

Tres estilos y qué hace cada uno con el contenido

Los dos primeros son eliminación auténtica. Comprobado en un documento donde una línea con un número de referencia se tapó con un área negra: tras el procesado esa línea no se encuentra ni buscando ni copiando, mientras las líneas vecinas siguen seleccionándose como texto normal.

El desenfoque enmascara, no elimina

El tercer estilo va aparte, y tiene dos precios.

El primero: no elimina. El desenfoque degrada la imagen del área, pero la información se recupera en parte con procesado. Para datos personales eso es inaceptable, y la herramienta lo dice sin rodeos: al elegir desenfoque se adjunta al resultado un aviso que recomienda el estilo negro o blanco.

El segundo precio se mide en bytes y en capacidades. El desenfoque trabaja sobre una copia rasterizada de todo el documento y no de un área. Un archivo de prueba de una página con veinte líneas de texto pesaba alrededor de un kilobyte. Tras una redacción en negro seguía siendo ese kilobyte. Tras el desenfoque creció a noventa y perdió la capa de texto por completo: un documento así no se puede buscar.

El desenfoque tiene sentido en un solo caso: ocultar una cara en una fotografía o un fragmento de imagen donde recortar dejaría un agujero negro fuera de lugar.

Cómo ejecutar una redacción

1. Abra redact-pdf y suba el documento. 2. Marque las áreas sobre la propia página: la herramienta muestra el documento y permite trazar sobre los puntos que necesita. 3. Elija el estilo. Para datos, negro o blanco. 4. Deje activada la eliminación de metadatos. 5. Ejecute la tarea. 6. Abra el resultado, intente seleccionar con el ratón el punto tapado y luego busque en el documento la palabra eliminada.

El punto seis no es una formalidad. Es la única comprobación que distingue una eliminación real de un rectángulo dibujado, y cuesta diez segundos.

Las áreas son obligatorias

La herramienta no intenta adivinar qué hay que ocultar. Sin áreas indicadas la tarea no arranca siquiera y devuelve un mensaje directo que dice que hace falta al menos un área.

Es una decisión deliberada, y la correcta. Adivinar un área en una tarea donde el error significa una fuga de datos personales es más peligroso que un rechazo: al tapar el punto equivocado, la herramienta informaría de éxito mientras los datos siguen a la vista.

Por el mismo motivo, las áreas se comprueban: coordenadas fuera de la página o una anchura nula producen un error en lugar de saltarse en silencio.

Los metadatos se borran por defecto

Un interruptor aparte gobierna la limpieza de las propiedades del documento, y viene activado.

No es un detalle. En las propiedades suele haber el nombre del empleado que preparó el documento, un título interno de trabajo, a veces una ruta de carpeta de un disco. Un documento del que se recortó con cuidado el apellido de un cliente, pero que conserva en las propiedades el nombre del autor y un título como «caso Ivanov, borrador», no resuelve el problema.

Si desactiva la limpieza, llega un aviso aparte: los metadatos originales se conservan y pueden contener datos que identifiquen a personas. No ocurre en silencio.

Para un trabajo más fino con las propiedades está set-pdf-metadata, donde los campos no solo se vacían sino que se rellenan con los valores que usted elija.

Una nota que deja constancia de la redacción

Entre los parámetros hay un campo para una nota breve que se escribe en las propiedades del archivo final, en el campo de asunto.

Su propósito es administrativo: el destinatario ve que el documento se redactó a propósito y no llegó dañado. Fórmulas del tipo «datos personales eliminados» o «retenido conforme a tal cláusula» ahorran una ronda de correspondencia.

La longitud está limitada a quinientos caracteres. Un texto más largo se recorta y un aviso lo indica, de modo que la nota no desaparece en silencio, pero tampoco llega entera.

Dónde se esconden los datos además del texto principal

Un repaso completo del documento se hace mejor con una lista que de memoria. Los sitios que se olvidan se repiten de documento en documento.

Encabezados y pies. Se repiten en cada página, y si allí figura un apellido o un número de expediente hay que tapar todas las páginas, no solo la primera.

Firmas y sellos. Una firma es un dato personal y se ve entera en un escaneo. Un sello lleva el nombre de la organización y a menudo su dirección.

Tablas de los anexos. El texto principal se lee con atención, los anexos se pasan de largo, y son los anexos los que contienen registros con nombres y teléfonos.

Reversos. En un escaneo a doble cara los dorsos se intercalan con las caras, y la mitad suele parecer en blanco porque en la miniatura solo se distingue la sombra del texto.

Notas al margen. Resoluciones manuscritas, sellos de registro, pegatinas con números.

Un truco práctico: antes de empezar, abra el documento y búsquelo por el apellido, el número de teléfono y la dirección. La búsqueda muestra todas las apariciones, incluidas las que el ojo se salta.

Lo que la herramienta no hace

No busca datos personales por usted. La herramienta elimina lo que usted marcó y nada más. La responsabilidad de recorrer el documento entero sigue siendo de una persona.

De ahí una regla práctica: recorra el documento completo, incluidos encabezados, pies, leyendas bajo tablas y páginas del dorso. Es justo ahí donde se olvidan los datos, porque la atención va al texto principal.

Y aparte: recortar una página con crop-pdf no es redactar. Cambia el área visible de la hoja, mientras el contenido más allá sigue en el archivo y vuelve al restablecer el recorte.

Si el documento es un escaneo, puede que bajo el área no haya texto y no haya nada que recortar; allí solo hay una imagen. En ese caso el resultado es fiable por otro motivo: se elimina un trozo de imagen. Pero si el escaneo pasó antes por ocr-pdf, bajo la imagen apareció una capa de texto, y también hay que taparla con el área.