Jak přeložit začerněné PDF bez vyzrazení skrytých informací

Začerněné PDF překládejte až poté, co byla anonymizace trvale aplikována na autorizovanou pracovní kopii. Černý obdélník, zvýraznění, oříznutí ani bílý tvar nejsou důkazem, že informace skutečně zmizela. Odstraňte podkladový obsah, vyčistěte skrytá data, znovu otevřete přesně ten daný soubor a otestujte jej dříve, než se dostane do jakékoliv překladatelské služby.

Na pořadí záleží:

1. Uchovejte chráněný originál.
2. Vytvořte samostatnou autorizovanou pracovní kopii.
3. Aplikujte skutečné začernění na text, obrázky a stránky.
4. Odstraňte skryté informace, které se nacházejí mimo viditelnou stránku.
5. Pracovní kopii nezávisle ověřte.
6. Překládejte pouze tuto ověřenou kopii.
7. Zopakujte kontroly úniku dat i na přeloženém výstupu.

Stáhněte si syntetický zdroj, nebezpečně překrytý soubor, bezpečnou pracovní kopii, generátor i výsledky auditu. Názorně ukazují jedno konkrétní selhání: nebezpečné PDF vypadá jako začerněné, ale stále odhaluje vymyšlený kontrolní řetězec prostřednictvím extrahovatelného textu, metadat a poznámky.

Redakce a překlad představují oddělené bezpečnostní kroky

Začernění určuje, jaké informace smějí opustit zabezpečené prostředí. Překlad pouze mění jazyk toho, co zůstalo. Od překladatelského nástroje nelze očekávat, že bude rozhodovat o tom, která jména, identifikátory, klauzule, obrázky, komentáře nebo přílohy jsou schváleny ke zveřejnění.

Vzniká tak striktní hranice:

• vlastník dokumentu odpovídá za rozsah a oprávnění ke zveřejnění;
• schválený nástroj pro začerňování odstraní zakázaný obsah;
• nezávislá kontrola ověří přesnou podobu pracovní kopie; a
• proces překladu začíná teprve poté, co tato kontrola proběhne úspěšně.

Nenahrávejte originál s pokynem, aby překladatel „ignoroval začerněné části“. Překladač zachovávající rozvržení, proces OCR, konverzní nástroj nebo lidský korektor mohou snadno přečíst objekty, které náhled stránky vůbec nezobrazuje.

Černý obdélník může tajemství pod sebou stále uchovávat

Stránky PDF se skládají z textu, obrázků, vykreslovacích instrukcí, anotací a dalších objektů. Vykreslení neprůhledného obdélníku změní pouze to, co prohlížeč vykreslí nahoře; nemusí nutně smazat to, co bylo vykresleno pod ním.

Náš syntetický testovací vzorek obsahuje ve zdrojovém řádku vymyšlenou kontrolní hodnotu (sentinel) BT-REDACT-9472 . Nezabezpečená verze přes tento řádek vykreslí černý obdélník, ale tuto kontrolní hodnotu záměrně ponechá na třech místech:

• v extrahovatelném textu stránky;
• v metadatech dokumentu a
• v textové anotaci.

Zabezpečený vzorek je nově vygenerován zcela bez této kontrolní hodnoty. Kontrola prověřuje extrahovaný text, metadata, anotace i dekódované datové toky s obsahem stránek.

Prohlédněte si audit ve formátu CSV nebo audit ve formátu JSONa poté jej reprodukujte pomocí generátoru. Jedná se o testovací přípravek, nikoli o důkaz, že konkrétní komerční produkt pro redigování či překlad v testu uspěl.

Úspěšný výsledek je navíc záměrně vymezen úzce. Nedokazuje, že každý možný objekt v PDF je bezpečný, že digitální podpis zůstává platný ani že soubor splňuje požadavky soudu, regulačního orgánu, klienta či interních předpisů organizace.

Před úpravami sestavte inventář prvků k redigování

Nezačínejte tím, že vyhledáte jméno jedné osoby. Proveďte inventuru každého místa, které může odhalit chráněné informace.

Současný pracovní postup redigování odděluje označení obsahu od samotného provedení redakce a nabízí vyčištění skrytých informací. Praktický návod od Adobe také uvádí, že text uvnitř obrázků a perokreseb nelze najít běžným textovým vyhledáváním. Postup založený pouze na vyhledávání je proto u skenovaných materiálů nedostatečný.

Pro širší rozhodování před nahráním souboru, které zahrnuje oprávnění, zásady služby, uchovávání a mazání dat, využijte kontrolní seznam ochrany soukromí při překladu dokumentů. Tento průvodce se věnuje užší technické otázce: zda pracovní kopie PDF stále obsahuje informace, které měly být odstraněny.

Proveďte redakci ještě před překladem

Použijte redakční software a schvalovací proces schválený vlastníkem dokumentu. V aktuálním desktopovém rozhraní Acrobatu odpovídá správný postup této posloupnosti: vybrat nástroj Redigovat, označit text nebo obrázky, použít redakci, zvolit vyčištění skrytých informací a uložit nový soubor. Názvy v rozhraní se mohou měnit, cíl zabezpečení však zůstává stejný.

Dodržujte tyto zásady pro práci se soubory:

1. Ponechte důvěrný zdrojový soubor pouze pro čtení.
2. Pracujte na kopii s jednoznačným označením verze v názvu.
3. Označte k odstranění všechny schválené položky.
4. Redakci skutečně aplikujte; nezůstávejte jen ve stavu náhledu.
5. Vyčistěte kategorie skrytých informací podle požadavků vlastníka dokumentu.
6. Uložte výsledek pod novým názvem souboru, nepřepisujte zdrojový soubor.
7. Vytvořte kontrolní součet (hash) nebo jinak jednoznačně identifikujte konkrétní verzi určenou k ověření.

Nepřekládejte dokument nejdříve s tím, že redakci provedete až poté, jen proto, že cílový jazyk je pro posuzovatele srozumitelnější. Tím byste odeslali zakázané zdrojové informace do překladového procesu a vytvořili dva nezávisle redigované soubory, které je nutné udržovat.

Přistupujte k OCR jako k dalšímu možnému místu úniku dat

Naskenovaná stránka může obsahovat jak viditelné pixely, tak neviditelnou vrstvu rozpoznaného textu. Začernění pouze jedné z nich není bezpečné:

• odstraníte-li pouze text z OCR, informace může být stále viditelná v obrázku stránky;
• překryjete-li pouze obrázek, vrstva OCR může informaci stále zpřístupnit vyhledávání nebo kopírování; případně
• spustíte-li OCR až po kosmetickém překrytí, rozpoznávání textu může původní pixely obnovit.

Před použitím postupu pro překlad naskenovaných PDF. Pokud schválený proces anonymizace převede stránku na nový rastrový obrázek, ověřte, jaká textová vrstva je k němu následně přidána.

Před nahráním ověřte přesnou pracovní kopii

Znovu otevřete uloženého kandidáta tak, jako byste byli jeho příjemcem. Neověřujte dřívější koncept, abyste pak nahráli pozdější export.

Proveďte alespoň tyto kontroly:

1. Vyhledejte každý známý začerněný řetězec a jeho blízké varianty.
2. Označte a zkopírujte text v okolí každého začernění do textového editoru s prostým textem.
3. Pokud to míra rizika vyžaduje, extrahujte text dokumentu pomocí nezávislého nástroje.
4. Zkontrolujte vlastnosti dokumentu a vlastní metadata.
5. Otevřete panel komentářů nebo anotací.
6. Zkontrolujte přílohy, záložky, vrstvy, pole formulářů a skripty.
7. Vygenerujte náhled nebo vytiskněte kontrolní kopii a prohlédněte každou dotčenou stránku.
8. Požádejte druhého kontrolora, aby vysoce rizikový soubor otestoval, aniž by se spoléhal na kontrolní záznamy prvního posuzovatele.

Vyhledávání známých řetězců dokáže odhalit únik; čisté výsledky vyhledávání však nemohou dokázat, že v dokumentu nechybí žádné neznámé tajemství. Proto musí inventura a nezávislá kontrola předcházet.

Pokud PDF obsahuje digitální podpis, zachovejte podepsaný zdroj a postupujte podle zdokumentovaného postupu přijímajícího orgánu. Adobe nabízí porovnání podepsaných verzí přímo pro kontrolu změn provedených po podpisu; nikdy netvrďte ani nenaznačujte, že anonymizovaný nebo přeložený odvozený dokument přebírá původní podpis.

Překládejte ověřenou kopii, nikoli originál

Jakmile vlastník ověřenou pracovní kopii schválí, zvolte postup překladu podle stavu zbývajícího PDF:

• zvolte standardní pracovní postup pro PDF, pokud lze text označit a záleží na zachování rozvržení;
• použijte režim OCR, pokud schválená kopie obsahuje pouze obrázky a čitelný obsah je důležitější než přesná shoda stránek; nebo
• dokument znovu sestavte ručně, pokud proces začernění zásadně změnil formuláře, podpisy, strukturu přístupnosti nebo požadavky na produkční zpracování.

BookTranslator dokáže zpracovat kompletní soubory PDF, včetně naskenovaných dokumentů nebo PDF s velkým množstvím obrázků prostřednictvím režimu OCR. Sám o sobě však začernění neprovádí ani necertifikuje. Režim OCR rekonstruuje čitelný přeložený obsah a nemusí zachovat původní rozvržení stránek, písma ani velikost písma. Nahrávejte výhradně již schválenou pracovní kopii a před zaplacením zkontrolujte podrobnosti úlohy.

Pokud tato omezení vyhovují, použijte překladač PDF nejprve na reprezentativní kopii. Zastavte proces, pokud výstup změní význam popisku začernění, vynechá schválené upozornění na zpřístupnění informací nebo zrekonstruuje obsah, který by neměl existovat.

Zopakujte kontrolu úniků na přeloženém výstupu

Bezpečná zdrojová pracovní kopie neznamená, že je automaticky bezpečný každý další soubor. Převod a rekonstrukce mohou přidat metadata, komentáře, vrstvy OCR, dočasný obsah nebo zkopírované objekty.

U finálního přeloženého PDF:

• zopakujte vyhledávání známých řetězců a extrakci textu;
• zkontrolujte stejná místa se skrytým obsahem jako u zdrojové pracovní kopie;
• ověřte, že každé začernění zůstává na zamýšleném místě;
• zkontrolujte, zda přeložené popisky překryvů neodhalují více, než bylo schváleno;
• ověřte záhlaví, zápatí, záložky, přílohy a formulářová pole;
• zaznamenejte hashe nebo neměnné verze zdrojového i cílového souboru; a
• po úspěšné kontrole ochrany soukromí uplatněte kompletní kontrolní seznam pro QA překladu PDF .

Zajistěte, aby protokol auditu neobsahoval samotný citlivý obsah. Zaznamenejte interní referenční číslo, schválený rozsah, identifikátory souborů, posuzovatele, nástroj a jeho verzi, provedené kontroly, výjimky a rozhodnutí o uvolnění dokumentu.

Raději proces zastavte, než abyste hádali

Neodesílejte soubor k překladu, pokud platí kterákoli z následujících skutečností:

• oprávnění ke zpřístupnění informací není jasné;
• začernění představují pouze vizuální překryvy;
• označená začernění nebyla trvale aplikována;
• obrazový obsah nebo text OCR nebyl zkontrolován;
• skryté informace nebyly podrobně zmapovány;
• podpis, formulář, příloha nebo vrstva nemá jasného vlastníka;
• konkrétní soubor určený k nahrání nebyl nezávisle znovu otevřen a otestován; nebo
• požadavky přijímající strany nejsou známy.

Praktické pravidlo je jednoduché: redakční úprava musí zakázané informace znepřístupnit pro celý překladový proces, nikoli je pouze znečitelnit pro člověka prohlížejícího stránku. Ověřte tuto skutečnost na přesné zdrojové pracovní kopii a poté ji znovu zkontrolujte na přeloženém výsledku.