Cómo traducir un PDF censurado sin revelar información oculta

Traduzca un PDF censurado únicamente después de haber aplicado las tachaduras de forma permanente en una copia de trabajo autorizada. Un rectángulo negro, un resaltado, un recorte o una forma blanca no garantizan que la información haya desaparecido. Elimine el contenido subyacente, limpie la información oculta, vuelva a abrir el archivo exacto y pruébelo antes de enviarlo a cualquier servicio de traducción.

El orden de los pasos es fundamental:

1. Conserve el original restringido.
2. Cree una copia de trabajo autorizada independiente.
3. Aplique tachaduras reales en el texto, las imágenes y las páginas.
4. Elimine la información oculta que quede fuera de la página visible.
5. Verifique la copia de trabajo de manera independiente.
6. Traduzca únicamente esa copia verificada.
7. Repita los controles de filtración en el documento traducido.

Descargue el origen sintético, la máscara no segura, la copia de trabajo segura, el generador y los resultados de la auditoría. En ellos se hace evidente un fallo: el PDF no seguro parece tapado, pero sigue exponiendo el centinela inventado mediante texto extraíble, metadatos y una nota.

La censura y la traducción son controles independientes

La censura determina qué información puede salir del entorno restringido. La traducción cambia el idioma de lo que queda. No se debe esperar que una herramienta de traducción decida qué nombres, identificadores, cláusulas, imágenes, comentarios o archivos adjuntos están autorizados para su divulgación.

Esto establece un límite estricto:

• el propietario del documento controla el alcance y la autorización de divulgación;
• una herramienta de censura aprobada elimina el contenido prohibido;
• una revisión independiente verifica la copia de trabajo exacta; y
• el flujo de trabajo de traducción solo comienza una vez superada esa verificación.

No suba el archivo original pidiendo a un traductor que «ignore las partes tachadas». Un traductor que preserve el diseño, un proceso de OCR, una herramienta de conversión o un revisor podrían leer objetos que la vista previa de la página no muestra a simple vista.

Un recuadro negro puede conservar el secreto que oculta debajo

Las páginas PDF están compuestas por texto, imágenes, instrucciones de dibujo, anotaciones y otros objetos. Dibujar un rectángulo opaco solo cambia lo que el visor muestra encima; no elimina necesariamente lo que se dibujó primero.

Nuestra muestra de prueba sintética contiene el centinela inventado BT-REDACT-9472 en una línea de origen. La versión no segura dibuja un rectángulo negro sobre esa línea y luego conserva deliberadamente el centinela en tres lugares:

• el texto extraíble de la página;
• los metadatos del documento; y
• una anotación de texto.

La muestra segura se reconstruye sin el centinela. La auditoría comprueba el texto extraído, los metadatos, las anotaciones y los flujos de contenido de página decodificados.

Inspeccione la auditoría en CSV o la auditoría en JSON, y luego reprodúzcala con el generador. Se trata de un caso de prueba, no de una prueba de que un producto comercial específico de redacción o traducción haya superado el test.

El resultado favorable es también deliberadamente acotado. No demuestra que todos los objetos posibles del PDF sean seguros, que una firma digital siga siendo válida o que el archivo cumpla con las normas de un tribunal, regulador, cliente u organización.

Elabore el inventario de redacción antes de editar

No empiece buscando el nombre de una sola persona. Haga un inventario de cada superficie que pueda revelar información restringida.

El flujo de trabajo actual de censura de Adobe separa el marcado de contenido de la aplicación de censuras, y ofrece una función de saneamiento para la información oculta. El tutorial práctico de Adobe también señala que el texto dentro de imágenes y dibujos lineales no se localiza mediante la búsqueda de texto ordinaria. Por lo tanto, un proceso basado únicamente en búsquedas resulta incompleto para el material escaneado.

Para tomar una decisión más amplia antes de subir archivos que abarque autorizaciones, políticas del servicio, retención y eliminación, consulte la lista de verificación de privacidad para la traducción de documentos. Esta guía se centra en la cuestión técnica más específica: si la copia de trabajo del PDF aún contiene la información que se suponía eliminada.

Aplique las censuras antes de la traducción

Utilice el software de censura y el proceso de revisión aprobados por el propietario del documento. En el flujo de trabajo de escritorio actual de Acrobat, la secuencia correspondiente consiste en seleccionar la herramienta Censurar, marcar el texto o las imágenes, aplicar las censuras, elegir si se sanea la información oculta y guardar un archivo nuevo. Las etiquetas de la interfaz pueden variar; el objetivo del control no cambia.

Siga esta disciplina de gestión de archivos:

1. Mantenga el archivo de origen restringido en modo de solo lectura.
2. Trabaje sobre una copia con un nombre de versión explícito.
3. Marque para su eliminación todos los elementos aprobados.
4. Aplique las censuras; no se quede en el estado de vista previa.
5. Sanee las categorías de información oculta requeridas por el propietario.
6. Guarde el archivo con un nuevo nombre en lugar de sobrescribir el de origen.
7. Genere un hash o identifique de forma precisa la copia candidata que se verificará.

No traduzca primero y censure después solo porque el idioma de destino le resulte más sencillo a un revisor. Hacerlo envía información de origen prohibida al flujo de traducción y genera dos archivos censurados de manera independiente que habrá que mantener.

Trate el OCR como una segunda vía de exposición

Una página escaneada puede contener tanto píxeles visibles como una capa invisible de texto reconocido. Censurar solo una de las dos capas es peligroso:

• si elimina solo el texto OCR, la imagen de la página puede seguir mostrando la información;
• si cubre solo la imagen, la capa OCR aún podría exponerla mediante búsquedas o funciones de copia; o
• si ejecuta el OCR tras una ocultación meramente estética, el reconocimiento podría recuperar los píxeles originales.

Inspeccione tanto la imagen como la capa de texto antes de utilizar el flujo de trabajo de traducción de PDF escaneados. Si el proceso de censura autorizado convierte una página en una nueva imagen rasterizada, verifique qué capa de texto se añade después.

Verifique la copia de trabajo exacta antes de subirla

Vuelva a abrir la versión guardada definitiva como si fuera el destinatario. No verifique un borrador anterior y luego suba una exportación posterior.

Realice al menos las siguientes comprobaciones:

1. Busque cada cadena censurada conocida y cualquier variante cercana.
2. Seleccione y copie en un editor de texto sin formato el texto que rodea a cada censura.
3. Extraiga el texto del documento con una herramienta independiente cuando el nivel de riesgo lo justifique.
4. Inspeccione las propiedades del documento y los metadatos personalizados.
5. Abra el panel de comentarios o anotaciones.
6. Inspeccione los archivos adjuntos, marcadores, capas, campos de formulario y scripts.
7. Genere o imprima una copia de revisión e inspeccione cada página afectada.
8. Pida a un segundo revisor que compruebe los archivos de alto riesgo sin basarse en las marcas de verificación del primer revisor.

Buscar cadenas de texto conocidas puede detectar una filtración; una búsqueda sin resultados no puede demostrar que no existan otros datos confidenciales desconocidos. Por eso, el inventario y la revisión independiente van primero.

Si el PDF tiene una firma digital, conserve el archivo de origen firmado y siga el procedimiento documentado por la entidad receptora. Adobe ofrece una comparación de versiones firmadas diseñada específicamente para revisar los cambios realizados tras la firma; no dé a entender que una copia censurada o traducida hereda la firma original.

Traduzca la copia verificada, no el archivo maestro

Una vez que el propietario apruebe la copia de trabajo verificada, elija un método de traducción en función de las características del PDF resultante:

• utilice un flujo de trabajo de PDF estándar cuando el texto se pueda seleccionar y sea importante conservar el diseño;
• utilice el modo OCR cuando la copia aprobada contenga solo imágenes y la legibilidad del contenido sea más importante que la coincidencia exacta de la página; o
• reconstruya el documento manualmente cuando el proceso de censura haya modificado de forma sustancial los formularios, las firmas, la estructura de accesibilidad o los requisitos de producción.

BookTranslator puede procesar archivos PDF completos, incluidos PDF escaneados o con muchas imágenes mediante el modo OCR. No realiza ni certifica la censura de información. El modo OCR reconstruye el contenido traducido para que sea legible y es posible que no conserve el diseño de página, las fuentes o los tamaños de fuente originales. Suba únicamente la copia de trabajo ya aprobada e inspeccione los detalles de la tarea antes de realizar el pago.

Si estas limitaciones encajan, utilice primero el traductor de PDF en una copia representativa. Deténgase si el resultado altera el significado de una etiqueta de redacción, omite un aviso de divulgación aprobado o reconstruye contenido que no debería existir.

Repita la auditoría de filtraciones en el documento traducido

Que una copia de trabajo de origen sea segura no garantiza automáticamente la seguridad de los archivos posteriores. La conversión y reconstrucción pueden añadir metadatos, comentarios, capas de OCR, contenido temporal u objetos duplicados.

En el PDF traducido final:

• repita la búsqueda de cadenas de texto conocidas y la extracción de texto;
• inspeccione las mismas áreas de contenido oculto que en la copia de trabajo de origen;
• confirme que cada redacción permanezca en la posición prevista;
• compruebe que las etiquetas superpuestas traducidas no revelen más de lo autorizado;
• verifique encabezados, pies de página, marcadores, archivos adjuntos y campos de formulario;
• registre los hashes o versiones inmutables de origen y destino; y
• aplique la lista de control de calidad para la traducción de PDF completa una vez superado el filtro de privacidad.

Mantenga el registro de auditoría libre del propio contenido confidencial. Registre una referencia interna, el alcance aprobado, los identificadores de archivo, el revisor, la herramienta y su versión, las comprobaciones realizadas, las excepciones y la decisión de publicación.

Deténgase en lugar de suponer

No envíe el archivo a traducir si se cumple alguna de estas condiciones:

• la autorización de divulgación no está clara;
• las redacciones son meras superposiciones visuales;
• las redacciones marcadas no se aplicaron de forma definitiva;
• el contenido de las imágenes o el texto OCR no se revisó;
• la información oculta no fue inventariada;
• una firma, formulario, archivo adjunto o capa no tiene un responsable asignado;
• el archivo exacto que se va a subir no se reabrió ni se probó de forma independiente; o
• se desconocen los requisitos de la parte receptora.

La regla práctica es simple: la censura debe hacer que la información prohibida sea inaccesible para el proceso de traducción, no simplemente incómoda de ver para una persona que mira la página. Verifica este hecho en la copia de trabajo de origen exacta y, luego, verifícalo nuevamente en el resultado traducido.