PDF schwärzen und bereinigen: Grenzen von PolyPDF

Das Entfernen sensibler PDF-Inhalte und das Bereinigen versteckter Daten aus Dokumenten funktioniert an verschiedenen Teilen einer PDF-Datei, und es gibt auch keinen universellen Scrubber. Beim Entfernen sensibler PDF-Inhalte werden die durchsuchbaren Textoperatoren neu geschrieben, die einen markierten Bereich überschneiden. Wenn kein unterstützter Text zum Entfernen vorhanden ist, zeichnet PolyPDF trotzdem die schwarze Füllung und schließt den Vorgang ab, sodass Vektorumrisse, in Pfade umgewandelter Text und andere Grafiken in der darunter liegenden Datei verbleiben können.

Wenn PolyPDF meldet, dass kein Text entfernt wurde, wurde nichts mit sensiblen PDF-Inhalten entfernt – egal wie schwarz die Seite aussieht. Stoppen Sie hier und verschieben Sie das Material in einen genehmigten Workflow zum Entfernen von Inhalten.

PolyPDF lehnt Seiten ab, die es nicht sicher umschreiben kann – beispielsweise eine Seite, deren Text über ein wiederverwendbares Form-XObject gezeichnet wird. Eine Weigerung ist kein Versäumnis, eine Lösung zu finden; Das bedeutet, dass die Seite ein anderes Tool benötigt.

1. Duplizieren Sie das Quell-PDF und bewahren Sie das Original an einem Ort auf, an dem es vom Arbeitsprozess nicht überschrieben werden kann.
2. Bestätigen Sie, dass es sich bei dem Ziel um normalen durchsuchbaren Text handelt, indem Sie ihn suchen und auswählen. Wenn es sich um einen Scan, ein Bild, eine Kontur oder einen Vektorpfad handelt, wird dieser Workflow ihn nicht entfernen.
3. Wählen Sie das Tool zum Entfernen vertraulicher Inhalte aus und zeichnen Sie einen engen Bereich um jedes unterstützte Textelement. Überprüfen Sie wiederholte Namen, Kopf- und Fußzeilen und ähnliche Seiten, bevor Sie etwas anwenden.
4. Wenden Sie die Entfernung sensibler PDF-Inhalte an und lesen Sie das Ergebnis. Eine Ablehnung, ein Fehler oder das Ergebnis „Kein Text entfernt“ bedeutet, dass nichts aus der Datei herausgekommen ist – verlassen Sie sich nicht auf die schwarze Darstellung.
5. Speichern Sie unter einem neuen Kandidatendateinamen, schließen Sie ihn und öffnen Sie genau die gespeicherte Datei erneut.
6. Suchen und extrahieren Sie Text aus der gesamten gespeicherten Datei. Versuchen Sie, den vorherigen Bereich auszuwählen und zu kopieren, und überprüfen Sie ihn in einem zweiten Viewer im Empfängerstil.
7. Befolgen Sie bei vertraulichen, regulierten, privilegierten oder rechtlich sensiblen Inhalten den von der Organisation genehmigten Prozess zum Entfernen und Überprüfen sensibler PDF-Inhalte, auch wenn diese Prüfungen erfolgreich sind.

Bei einem Token wie diesem ist die gespeicherte Datei bei allen drei Prüfungen, die ein Prüfer durchführen kann, leer: In-App-Suche, Textextraktion und eine Byte-Suche der unkomprimierten Datei. Diese Schecks beziehen sich auf Text und sonst nichts. Auf einem einzigen Blatt können Textoperatoren, Rasterpixel, Vektorbeschriftungen, Beschneidungspfade und wiederverwendbare Formularinhalte gemischt werden, und das Bild auf dieser Seite wurde genau so belassen, wie es war.

PolyPDF erkennt Bildplatzierungen auf der obersten Ebene, bevor es eine Entfernung sensibler PDF-Inhalte anwendet. Diese Prüfung wird jedoch nicht durch jedes verschachtelte Formular-XObjekt wiederholt, sodass ein in wiederverwendbaren Formularinhalt eingebettetes Bild daran vorbeirutschen kann. In Konturen umgewandelter Text ist eine Vektorgrafik und kein Textanzeigevorgang und kann auch unter der Füllung verbleiben.

• Schließen Sie den Inhaltstyp nicht vom Erscheinungsbild ab. Wenn Sie nach einer Zeichenfolge suchen können, wissen Sie, dass es sich um Text handelt. Es sagt Ihnen nichts über den Rest der Seite.
• Glätten, rastern, drucken oder bedecken Sie eine Seite nicht und gehen Sie davon aus, dass dieser Schritt allein eine Sicherheits- oder Aufzeichnungsanforderung erfüllt.
• Verwenden Sie für eine gescannte Seite oder eine bildbasierte Kennung ein zugelassenes Tool zum Entfernen sensibler PDF-Inhalte mit Bilderkennung und überprüfen Sie die resultierenden Pixel und die PDF-Struktur.
• Für Umriss- oder Vektorbeschriftungen ist ein Prozess erforderlich, der die zugrunde liegenden Zeichenbefehle entfernt oder ersetzt, anstatt eine undurchsichtige Form hinzuzufügen.
• Wenn Sie die endgültige Datei nicht unabhängig prüfen können, geben Sie sensibles Material nicht allein aufgrund des PolyPDF-Ergebnisses frei.

Ein zweiter Viewer ist für die visuelle Interoperabilität nützlich, aber kein forensisches Inspektionstool. Für eine vertrauliche Freigabe sind möglicherweise eine Textextraktion, eine Objektinspektion und ein genehmigtes Überprüfungsprotokoll erforderlich.

„Clean Hidden Data from Document“ bietet separate Optionen für Dokumentmetadaten und XMP-Pakete, Seitenminiaturansichten, Anhänge, JavaScript und Aktionen sowie die optionale Entfernung von Formular- oder Signaturfeldern. Diese Etiketten beschreiben, worauf der Pass abzielt. Sie sind keine Garantie dafür, dass jeder Ort im PDF-Objektdiagramm besucht wird.

• Vorhandene Dokumentmetadaten werden gelöscht, aber beim Speichern werden neue PolyPDF /Producer- und /ModDate-Einträge geschrieben. Das Ergebnis ist niemals eine metadatenfreie Datei.
• Der JavaScript-Namensbaum des Katalogs wurde entfernt. Es ist nicht garantiert, dass Aktionen, die über Anmerkungen, Formularfelder, Umrisse oder verschachtelte Ketten erreicht werden, damit einhergehen.
• Die Bereinigung von Anhängen ist nicht erschöpfend. Bei aktivierter Anhangsbereinigung überstanden eine direkte FileAttachment-Anmerkung und ihre eingebettete Nutzlast den Durchgang Byte für Byte.
• Seitentext und Bilder bleiben genau dort, wo sie sind, sowohl Bilder der obersten Ebene als auch Bilder, die in einem Formular-XObject verschachtelt sind. Das Bereinigen versteckter Daten aus dem Dokument ist kein Schritt zum Entfernen sensibler PDF-Inhalte.
• Das Entfernen von Formularen und Signaturfeldern ist destruktiv und standardmäßig deaktiviert. Schalten Sie es nur ein, wenn Sie beabsichtigen, diese Felder zu verlieren.
• Behalten Sie die unberührte Quelle bei und speichern Sie jede Kandidatenausgabe unter einem eindeutigen Namen, damit eine teilweise Bereinigung die Datensatzkopie nicht ersetzt.

Die Ergebnismeldung zählt, was der Pass entfernt hat, nicht was übrig bleibt. Treffen Sie eine Freigabeentscheidung auf der Grundlage der von Ihnen überprüften gespeicherten Datei und nicht auf der Grundlage der Dialogbezeichnungen oder der Abschlussmeldung.

Schließen Sie die genaue Kandidatendatei und öffnen Sie sie erneut, sodass jede Prüfung auf gespeicherten Bytes und nicht auf der In-Memory-Ansicht basiert. Eine vollständige Überprüfung verfolgt die Informationen über mehr als eine Oberfläche: gerenderte Seiten, durchsuchbaren Text, Dokumenteigenschaften, eingebettete Dateistrukturen, Anmerkungen, Formularfelder, Lesezeichen, Links und Aktionen.

• Suchen Sie nach allen sensiblen Werten und nützlichen Fragmenten und führen Sie dann eine unabhängige Textextraktion für jede Seite durch.
• Überprüfen Sie bei hohem Zoom und in einem zweiten PDF-Viewer, einschließlich Druck- oder Exportausgabe, wenn Empfänger diese Pfade verwenden.
• Verwenden Sie ein zugelassenes Strukturinspektionstool, um eingebettete Dateien zu inventarisieren und Anmerkungen, Formulare, Umrisse und zusätzliche Aktionseinträge zu überprüfen.
• Bestätigen Sie, dass Seitenanzahl, Lesezeichen, Links, Formulare, Signaturen, Ebenen und Druckdarstellung weiterhin den Veröffentlichungsanforderungen entsprechen.
• Zeichnen Sie den Namen oder Hash der Eingabedatei, den Namen der Ausgabedatei, den Prüfer, das Datum, die Toolversionen und die durchgeführten Prüfungen auf, wenn für den Prozess ein Audit-Trail erforderlich ist.

Bevor Sie eine echte Datei anfassen, erstellen Sie ein Wegwerf-PDF, das dieser ähnelt: eine Kennung als normaler durchsuchbarer Text, ein Rasterbild und – sofern die echte Zeichnung darüber verfügt – Text, der durch ein wiederverwendbares Form-XObject gezeichnet wird. Entfernen Sie vertrauliche Inhalte aus der Kennung und beobachten Sie, welche Teile PolyPDF verarbeitet und welche ablehnt. Eine Seite, deren Text aus einem Form-XObject stammt, wird direkt und nicht zur Hälfte abgelehnt, wobei sensible PDF-Inhalte entfernt werden. Dies ist das Verhalten, das Sie vor Ablauf einer Frist und nicht während einer Frist sehen möchten.

Wenden Sie die Region an, speichern Sie sie unter einem neuen Namen, schließen Sie die Datei und öffnen Sie genau diese Datei erneut. Suchen Sie nach der Kennung, extrahieren Sie den Text jeder Seite und stellen Sie sicher, dass die Anzahl Null ergibt. Wo dies nicht der Fall ist – oder wenn der sensible Inhalt ein Bild, eine Gliederung oder ein Vektorpfad war – benötigt dieser Inhalt ein anderes Werkzeug.

Üben Sie die Bereinigung versteckter PDF-Daten auf die gleiche Weise. Beginnen Sie mit einer Kopie, die Dokumentmetadaten, einen JavaScript-Eintrag, einen Anhang und Bilder enthält; Führen Sie saubere versteckte Daten aus dem Dokument aus. Überprüfen Sie dann die gespeicherte Datei. Erwarten Sie, dass der JavaScript-Eintrag und die ursprünglichen Metadaten verschwunden sind, beim Speichern neue Producer- und ModDate-Metadaten geschrieben wurden und der Anhang und beide Bilder noch vorhanden sind.

Eine Probe zeigt Ihnen, wie sich PolyPDF auf Ihre Art von Zeichnung verhält. Dies ist kein Grund, PolyPDF zur einzigen Steuerung zur Entfernung sensibler PDF-Inhalte oder zur versteckten Bereinigung von PDF-Daten für sensible Dokumente zu machen.