如何涂黑 PDF 中的敏感信息
简言之: 黑色和白色样式会真正把矩形下方的内容切除:被盖住的文字从文件中消失,页面其余部分仍是文本。模糊只是遮掩,还会把整份文档变成图像。元数据默认会被清除。
专题
安全
安全: PDF guidance for reliable document processing and quality checks.
主要工具
在线涂黑 PDF 敏感信息
打开本文提到的工具,并以当前界面语言完成操作。
打开工具目录
隐藏 PDF 中的个人信息,让它无法被还原
这种事大约每年都会重演一次,还常常上新闻:某机构公开了一份文件,姓名和住址都用黑色矩形盖得整整齐齐。一个小时后,有人用鼠标选中文字,粘贴到记事本里,被盖住的内容就全出来了。
原因很简单,而且弄懂原因,比记住一串按钮顺序更重要。
为什么在文字上盖一个矩形什么也隐藏不了
PDF 是分层构成的。文字以文本的形式存放在页面内容中,带有坐标和字体。在编辑器里盖在上面的矩形,是另一个内容元素,后绘制,所以显示在上层。
文字并没有消失,仍然在文件里,能被搜索到,能用鼠标选中,也能复制。矩形只是在视觉上遮住了它,就像在显示器上放了一张纸。
真正的涂黑做法不同:先把区域下方的内容从页面中切除,再在腾出的位置上填色。
三种样式,以及它们对内容的影响
| 样式 | 内容会怎样 | 文档是否仍是文本 |
|---|---|---|
| 黑色 | 区域下方的内容被删除,上面填黑色 | 是,页面其余部分仍是文本 |
| 白色 | 同上,填白色 | 是 |
| 模糊 | 文档被重新绘制为图像,并对该区域做模糊处理 | 否,文本层完全消失 |
前两种是真正的删除。我们拿一份文档做过验证:其中一行写着令牌编号,用黑色区域盖住它。处理后,这一行既搜不到也复制不出来,而相邻的几行仍然可以作为普通文本选中。
模糊只是遮掩,并不删除
第三种样式比较特殊,有两方面的代价。
第一,它不删除内容。模糊只会降低该区域图像的清晰度,但其中的信息有一部分可以通过图像处理还原。对个人信息来说,这是不能接受的,工具也明确提示了这一点:选择模糊时,结果里会附带一条警告,建议改用黑色或白色样式。
第二个代价体现在体积和功能上。模糊是基于整份文档的栅格化副本进行的,而不是只针对某一个区域。一个只有一页、含二十行文字的测试文件,大小约 1 KB。用黑色涂黑后仍是 1 KB。用模糊处理后涨到约 90 KB,并且彻底丢了文本层,这样的文档无法再搜索。
模糊只适用于一种情况:遮住照片里的人脸,或图像中的某个局部,因为直接切掉会留下一个突兀的黑洞。
如何进行涂黑
1. 打开PDF 涂黑 在线,上传文档。 2. 直接在页面上标出区域:工具会显示文档,你可以在需要处理的位置上拖动画框。 3. 选择样式。处理个人数据请选黑色或白色。 4. 保持“删除元数据”处于开启状态。 5. 开始处理。 6. 打开结果,试着用鼠标选中被涂黑的位置,再在文档中搜索被删掉的词。
第六步不是走形式。它是区分真正删除和只是画了个矩形的唯一办法,只要十秒钟。
必须指定区域
工具不会去猜哪些内容应该隐藏。如果没有指定任何区域,任务根本不会启动,并会直接返回提示:至少需要一个区域。
这是有意为之的设计,也是正确的做法。在出错就意味着泄露个人数据的任务里,猜测区域比拒绝更危险:盖错了位置,工具却报告成功,而数据仍然一览无余。
出于同样的原因,区域也会做合理性检查:坐标超出页面范围或宽度为零,会报错,而不是被悄悄跳过。
元数据默认清除
清除文档属性由一个单独的开关控制,默认开启。
这不是细枝末节。文档属性里经常有制作文档的员工姓名、内部工作标题,有时还有磁盘上的文件夹路径。如果客户的姓氏被仔细切掉了,而作者姓名和“张某案件,草稿”这样的标题还留在属性里,问题就没有解决。
如果你关闭清除,会另外收到一条警告:原始元数据会被保留,可能包含能识别个人身份的信息。不会在你不知情的情况下发生。
如果想更精细地处理文档属性,可以用设置 PDF 元数据 在线,在那里可以填入你选定的值,而不只是清空。
记录已做过涂黑的备注
参数中有一个字段,用于填写一段简短备注,写入成品文件的属性,位置是“主题”字段。
它的用途是行政上的:收件人能看到,这份文档是有意涂黑的,而不是传输中损坏了。“已删除个人信息”或“依据某某条款不予公开”之类的写法,能省去一轮来回沟通。
长度上限为五百个字符。超出的部分会被截断,并有警告提示,所以备注不会悄无声息地消失,但也不会完整送达。
除了正文,数据还会藏在哪里
对整份文档做全面检查,最好对照清单,而不是凭记忆。人们容易忘的地方,在不同文档之间总是一样的。
页眉和页脚。它们在每一页重复出现,如果姓氏或案号在那里,就要把每一页都盖住,而不是只盖第一页。
签名和印章。签名属于个人数据,在扫描件上清晰可见。印章带有机构名称,往往还有地址。
附件中的表格。正文会被仔细阅读,附件却常常一翻而过,可姓名和电话的登记表恰恰就在附件里。
背面。双面扫描时,背面夹在正面之间,其中一半往往看起来是空白的,因为缩略图上只能看到文字透过来的影子。
页边批注。包括手写的批示、收文章、贴着编号的标签。
有个实用的小办法:开始之前,先打开文档,搜索姓氏、电话号码和地址。搜索会显示每一处出现的位置,包括眼睛漏掉的那些。
工具不做什么
它不会替你找出个人数据。工具只会删除你画框覆盖的内容,别的什么也不做。覆盖整份文档的责任仍在人身上。
因此有一条实用的规则:把文档从头到尾检查一遍,包括页眉页脚、表格下方的说明文字和背面的页面。数据恰恰就是在这些地方被忘掉的,因为注意力都放在了正文上。
另外要说明:用裁剪 PDF 在线裁剪页面不是涂黑。它只改变页面的可见区域,而区域之外的内容仍留在文件里,重置裁剪后就会回来。
如果文档是扫描件,区域下方可能根本没有文本,也就没有可切除的东西,那里只有一张图像。这种情况下结果可靠,是出于另一个原因:图像的一部分被移除了。但如果这份扫描件事先用OCR PDF 在线处理过,图片下方就有了文本层,也必须用区域把它盖住。
作者
由服务团队编写;Sergey Gagin 负责本服务
常见问题
该专题的更多内容
相关工具
在线涂黑 PDF 敏感信息
在 PDF 文件中遮盖个人信息和机密内容,应用编辑功能,并在共享前检查下载的副本。一个实际应用场景是准备身份证扫描件、声明或合同,同时避免泄露不必要的个人数据。
在线裁剪 PDF
裁剪 PDF 页面的可见区域,去掉过宽的页边距、扫描产生的深色边缘或多余的空白。
设置 PDF 元数据
设置或修改 PDF 元数据(标题、作者、主题和关键词),让文档更便于整理。
在线PDF OCR 文字识别
OCR 识别结果可能有误,尤其是低清晰度扫描、手写内容或复杂版面。请校对关键文字。