PDF敏感内容删除与清理：PolyPDF的限制

敏感的 PDF 内容删除和清理文档中的隐藏数据适用于 PDF 的不同部分，而且都不是通用的清理器。敏感 PDF 内容删除会重写与标记区域相交的可搜索文本运算符。当没有支持的文本要删除时，PolyPDF 仍会绘制黑色填充并完成操作，因此矢量轮廓、转换为路径的文本以及其他图形可以保留在其下方的文件中。

如果 PolyPDF 报告没有删除任何文本，则说明敏感 PDF 内容没有被删除 - 无论页面看起来多么黑色。到此为止并将该材料移至批准的内容删除工作流程。

PolyPDF 拒绝无法安全重写的页面，例如通过可重用的 Form XObject 绘制文本的页面。拒绝并不是没有解决问题；而是没有解决问题。这意味着该页面需要不同的工具。

1. 复制源 PDF 并将原件保留在工作进程无法覆盖的地方。
2. 通过查找并选择目标来确认目标是普通的可搜索文本。如果它是扫描、图像、轮廓或矢量路径，则此工作流程不会将其删除。
3. 选择从工具中删除敏感内容，并在每个支持的文本项周围绘制一个紧密区域。在应用任何内容之前，请检查重复的名称、页眉、页脚和类似页面。
4. 应用敏感 PDF 内容删除并读取结果。拒绝、错误或“未删除文本”结果意味着文件中没有任何内容 - 不要依赖黑色外观。
5. 以新的候选文件名保存，关闭它，然后重新打开确切保存的文件。
6. 从整个保存的文件中搜索并提取文本。尝试在前一个区域中进行选择和复制，然后在第二个收件人样式查看器中检查它。
7. 对于机密、受监管、特权或法律敏感内容，即使这些检查通过，也要遵循组织批准的敏感 PDF 内容删除和检查流程。

对于像这样的令牌，在审阅者可以运行的所有三项检查下，保存的文件都会返回空：应用内搜索、文本提取和未压缩文件的字节搜索。这些检查只包含文本，仅包含其他内容。一张纸可以混合文本操作符、光栅像素、矢量字体、剪切路径和可重复使用的表单内容，并且该页面上的图像完全保持原样。

PolyPDF 在应用敏感 PDF 内容删除之前会检测顶级图像位置，但该检查不会递归遍历每个嵌套的 Form XObject，因此嵌入在可重用表单内容中的图像可能会滑过它。转换为轮廓的文本是矢量图稿，而不是文本显示操作，并且它同样可以保留在填充下方。

• 不要从外观推断内容类型。能够搜索字符串告诉您它是文本；它不会告诉您有关页面其余部分的信息。
• 不要拼合、光栅化、打印或覆盖页面，并假设该步骤本身就满足安全或记录要求。
• 对于扫描页面或基于图像的标识符，请使用经批准的图像感知敏感 PDF 内容删除工具并验证生成的像素和 PDF 结构。
• 对于轮廓或矢量字体，需要一个删除或替换底层绘图命令的过程，而不是添加不透明形状。
• 如果您无法独立检查最终文件，请勿仅根据 PolyPDF 结果发布敏感材料。

第二个查看器对于视觉互操作性很有用，但它不是取证检查工具。机密发布可能需要文本提取、对象检查和批准的审查记录。

清理文档中的隐藏数据为文档元数据和 XMP 数据包、页面缩略图、附件、JavaScript 和操作以及可选的表单或签名字段删除提供单独的选择。这些标签描述了通行证的目标；它们并不能保证 PDF 对象图中的每个位置都被访问。

• 现有文档元数据将被清除，但保存会写入新的 PolyPDF /Producer 和 /ModDate 条目。结果永远不会是无元数据的文件。
• 目录 JavaScript 名称树已删除。通过注释、表单字段、大纲或嵌套链达到的操作不保证随之而来。
• 附件清理并不详尽。选择附件清理后，直接 FileAttachment 注释及其嵌入的有效负载在逐个字节的传递中幸存下来。
• 页面文本和图像完全保留在原来的位置，顶级图像和嵌套在 Form XObject 中的图像都一样。从文档中清除隐藏数据不是敏感的 PDF 内容删除步骤。
• 表单和签名字段的删除具有破坏性，默认情况下处于关闭状态。仅当您打算丢失这些字段时才打开它。
• 保留未触及的源并将每个候选输出保存在不同的名称下，以便部分清理不会替换记录副本。

结果消息计算该过程删除的内容，而不是剩余的内容。发布决策基于您检查的已保存文件，而不是对话框标签或完成消息。

关闭并重新打开确切的候选文件，以便每次检查都基于保存的字节而不是内存中的视图。完整的审阅通过多个表面跟踪信息：呈现的页面、可搜索文本、文档属性、嵌入文件结构、注释、表单字段、书签、链接和操作。

• 搜索完整的敏感值和有用的片段，然后对每个页面运行独立的文本提取。
• 在高缩放和第二个 PDF 查看器中进行检查，包括收件人使用这些路径时的打印或导出输出。
• 使用经批准的结构检查工具来清点嵌入文件并检查注释、表格、大纲和附加操作条目。
• 确认页数、书签、链接、表单、签名、图层和打印外观仍然符合发布要求。
• 记录输入文件名或哈希值、输出文件名、审阅者、日期、工具版本以及流程需要审核跟踪时执行的检查。

在接触真实文件之前，先构建一个与其相似的一次性 PDF：一个作为普通可搜索文本的标识符、一张光栅图像，以及（如果真实绘图有）通过可重用的 Form XObject 绘制的文本。从标识符中删除敏感内容并观察 PolyPDF 处理哪些部分以及拒绝哪些部分。文本来自 Form XObject 的页面会被完全拒绝，而不是半拒绝，并删除敏感的 PDF 内容，这是您希望在截止日期之前而不是截止日期期间看到的行为。

应用该区域，以新名称保存，关闭文件，然后重新打开该文件。搜索标识符，提取每个页面的文本，并确认计数返回零。如果没有，或者敏感内容是图像、轮廓或矢量路径，则该内容需要不同的工具。

以同样的方式演练隐藏的 PDF 数据清理。从包含文档元数据、JavaScript 条目、附件和图像的副本开始；从文档中运行干净的隐藏数据；然后检查保存的文件。期望 JavaScript 条目和原始元数据消失，保存时写入新的 Producer 和 ModDate 元数据，并且附件和两个图像仍然存在。

排练会告诉您 PolyPDF 在您的绘图上的表现如何。这并不是使 PolyPDF 成为敏感文档的唯一敏感 PDF 内容删除或隐藏 PDF 数据清理控件的理由。