כיצד לתרגם קובץ PDF מושחר מבלי לחשוף מידע מוסתר

תרגמו קובץ PDF מושחר רק לאחר שההשחרות הוחלו לצמיתות על גבי עותק עבודה מאושר. מלבן שחור, הדגשה בצבע, חיתוך (crop) או צורה לבנה אינם הוכחה לכך שהמידע אכן נעלם. הסירו את התוכן שבבסיס הקובץ, נקו מידע מוסתר, פתחו מחדש את הקובץ המדויק ובדקו אותו לפני ששירות תרגום כלשהו מקבל אותו לידיו.

סדר הפעולות קריטי:

1. שמרו על קובץ המקור המוגבל.
2. צרו עותק עבודה מאושר ונפרד.
3. החילו השחרות אמיתיות על טקסט, תמונות ועמודים.
4. הסירו מידע מוסתר שנמצא מחוץ לחלק הגלוי של העמוד.
5. אמתו את עותק העבודה באופן עצמאי.
6. תרגמו אך ורק את העותק המאומת הזה.
7. חזרו על בדיקות הדליפה גם בפלט המתורגם.

הורידו את קובץ המקור הסינתטי, המסכה הלא-בטוחה, עותק העבודה הבטוח, מחולל הקבצים ותוצאות הביקורת. הם ממחישים כשל נפוץ: קובץ ה-PDF הלא-בטוח נראה מכוסה, אך עדיין חושף את מחרוזת הבדיקה שהומצאה באמצעות טקסט שניתן לחילוץ, מטא-נתונים והערה מוטבעת.

השחרה ותרגום הם אמצעי בקרה נפרדים לחלוטין

ההשחרה קובעת איזה מידע מורשה לצאת מהסביבה המוגבלת. התרגום משנה את שפת התוכן שנותר. אין לצפות מכלי תרגום להחליט אילו שמות, מזהים, סעיפים, תמונות, הערות או קבצים מצורפים מורשים לחשיפה.

הפרדה זו יוצרת גבול ברור ומוחלט:

• בעל המסמך אחראי על היקף ההרשאות וסמכות החשיפה;
• כלי השחרה מאושר מסיר את התוכן האסור;
• בדיקה עצמאית מאמתת את עותק העבודה המדויק; וכן
• תהליך התרגום מתחיל רק לאחר שהבדיקה הזו עוברת בהצלחה.

אל תעלו את הקובץ המקורי ותבקשו מהמתרגם "להתעלם מהחלקים המושחרים". כלי תרגום המשמר עימוד, תהליך OCR, כלי המרה או סוקר אנושי עלולים לקרוא אובייקטים שהתצוגה המקדימה של העמוד אינה מציגה.

תיבה שחורה עשויה לשמר את הסוד שמתחתיה

עמודי PDF מורכבים מטקסט, תמונות, הוראות ציור, הערות ואובייקטים נוספים. ציור של מלבן אטום משנה רק את מה שתוכנת הצפייה מציגה בשכבה העליונה; הוא אינו מוחק בהכרח את מה שצויר תחילה.

קובץ הבדיקה הסינתטי שלנו מכיל את מחרוזת הבדיקה המומצאת BT-REDACT-9472 בשורת מקור מסוימת. הגרסה הלא מאובטחת מציירת מלבן שחור מעל אותה שורה, אך משאירה בכוונה את המחרוזת בשלושה מקומות:

• בטקסט הניתן לחילוץ של העמוד;
• במטא-נתונים של המסמך; וכן
• בהערת טקסט (annotation).

קובץ הבדיקה המאובטח נבנה מחדש ללא מחרוזת הבדיקה. הביקורת בודקת את הטקסט שחולץ, המטא-נתונים, ההערות ותזרימי התוכן המפוענחים של העמוד.

בדקו את ביקורת ה-CSV או את ביקורת ה-JSON, ולאחר מכן שחזרו זאת באמצעות ה- מחולל. זהו רכיב בדיקה (test fixture), ולא הוכחה לכך שמוצר השחרה או תרגום מסחרי ספציפי עבר בהצלחה.

המעבר התקין הוא גם צר וממוקד במכוון. הוא אינו מוכיח שכל אובייקט PDF אפשרי הוא בטוח, שחתימה דיגיטלית נותרה תקפה, או שהקובץ עומד בדרישות של בית משפט, רגולטור, לקוח או כלל ארגוני.

בנו את מלאי ההשחרה לפני תחילת העריכה

אל תתחילו בחיפוש שמו של אדם מסוים. ערכו מיפוי מלא של כל משטח שעלול לחשוף מידע מוגבל.

תהליך ההשחרה הנוכחי של Adobe מפריד בין סימון תוכן לבין החלת ההשחרות בפועל, ומציע חיטוי של מידע מוסתר. המדריך המעשי של Adobe מציין גם שטקסט בתוך תמונות ואיורי קו אינו נמצא בחיפוש טקסט רגיל. לכן, תהליך המבוסס על חיפוש בלבד אינו שלם עבור חומר סרוק.

לקבלת החלטה רחבה יותר לפני העלאה — הכוללת הרשאות, מדיניות שירות, שמירת נתונים ומחיקה — השתמשו ב רשימת הבדיקה לפרטיות בתרגום מסמכים. מדריך זה מתמקד בשאלה הטכנית המצומצמת יותר: האם עותק העבודה של ה-PDF עדיין מכיל את המידע שהיה אמור להיות מוסר.

החלת השחרות לפני התרגום

השתמשו בתוכנת ההשחרה ובתהליך הבדיקה שאושרו על ידי בעל המסמך. בתהליך העבודה הנוכחי בשולחן העבודה של Acrobat, הרצף הרלוונטי הוא בחירת הכלי Redact, סימון טקסט או תמונות, החלת ההשחרות, בחירה האם לחטא מידע מוסתר ושמירת קובץ חדש. תוויות הממשק עשויות להשתנות; מטרת הבקרה נותרת בעינה.

הקפידו על משמעת העבודה הבאה עם קבצים:

1. השאירו את קובץ המקור המוגבל במצב קריאה בלבד.
2. עבדו על גבי עותק עם שם גרסה מפורש.
3. סמנו להסרה כל פריט שאושר לכך.
4. החילו את ההשחרות בפועל; אל תעצרו בשלב התצוגה המקדימה.
5. בצעו חיטוי לקטגוריות המידע המוסתר שדורש בעל המסמך.
6. שמרו תחת שם קובץ חדש במקום לדרוס את קובץ המקור.
7. צרו ערך גיבוב (Hash) או זהו בדרך אחרת את הקובץ המדויק שייבדק.

אל תתרגמו תחילה ותשחירו מאוחר יותר רק משום ששפת היעד קלה יותר לבודק. פעולה זו שולחת מידע מקור אסור אל תוך צינור התרגום ויוצרת שני קבצים מושחרים בנפרד שיש לתחזק.

התייחסו ל-OCR כאל משטח חשיפה נוסף

עמוד סרוק יכול להכיל הן פיקסלים גלויים והן שכבת טקסט מזוהה בלתי נראית. השחרה של אחד מהם בלבד אינה בטוחה:

• הסרת טקסט ה-OCR בלבד תשאיר את המידע גלוי בתמונת העמוד;
• כיסוי התמונה בלבד עשוי להשאיר את שכבת ה-OCR חשופה לחיפוש או להעתקה; או ש-
• הפעלת OCR לאחר מיסוך קוסמטי עלולה לגרום לזיהוי לשחזר את הפיקסלים המקוריים.

בדקו היטב הן את התמונה והן את שכבת הטקסט לפני השימוש ב תהליך העבודה לתרגום קובצי PDF סרוקים. אם תהליך ההשחרה המורשה ממיר עמוד לתמונת רסטר חדשה, יש לוודא איזו שכבת טקסט מתווספת לאחר מכן.

וודאו את עותק העבודה המדויק לפני ההעלאה

פתחו מחדש את הקובץ השמור המיועד כאילו הייתם הנמען. אל תבדקו טיוטה מוקדמת ותעלו ייצוא מאוחר יותר.

בצעו לפחות את הבדיקות הבאות:

1. חפשו כל מחרוזת מושחרת ידועה וגרסאות קרובות שלה.
2. בחרו והעתיקו טקסט סביב כל השחרה לתוך עורך טקסט פשוט.
3. חלצו את טקסט המסמך באמצעות כלי בלתי תלוי כאשר רמת הסיכון מצדיקה זאת.
4. בדקו את מאפייני המסמך ומטא-נתונים מותאמים אישית.
5. פתחו את חלונית ההערות או הביאורים.
6. בדקו קבצים מצורפים, סימניות, שכבות, שדות טופס וסקריפטים.
7. הציגו בתצוגה מקדימה או הדפיסו עותק לבדיקה ובחנו כל עמוד שהושפע.
8. בקשו מבודק נוסף לבחון קובץ בסיכון גבוה מבלי להסתמך על סימוני הצ'ק-ליסט של הבודק הראשון.

חיפוש מחרוזות ידועות יכול לחשוף הדלפה; חיפוש ללא תוצאות אינו מוכיח היעדר מוחלט של מידע סודי לא ידוע. זו הסיבה שמיפוי המידע והבדיקה הבלתי תלויה קודמים לכול.

אם לקובץ ה-PDF יש חתימה דיגיטלית, שמרו על קובץ המקור החתום ופעלו לפי התהליך המתועד של הרשות המקבלת. Adobe מספקת כלי של השוואת גרסאות חתומות במיוחד לצורך סקירת שינויים שבוצעו לאחר החתימה; אל תרמזו שנגזרת מושחרת או מתורגמת יורשת את החתימה המקורית.

תרגמו את העותק המאומת, לא את קובץ המקור

לאחר שבעל המסמך מאשר את עותק העבודה המאומת, בחרו מסלול תרגום בהתאם למבנה ה-PDF שנותר:

• השתמשו בתהליך עבודה רגיל של PDF כאשר הטקסט ניתן לבחירה ושמירה על העימוד חשובה;
• השתמשו במצב OCR כאשר העותק המאושר מכיל תמונות בלבד ותוכן קריא חשוב יותר מהתאמה מדויקת של העמוד; או
• בנו מחדש את המסמך באופן ידני כאשר תהליך ההשחרה שינה באופן מהותי טפסים, חתימות, מבנה נגישות או דרישות הפקה.

BookTranslator יכול לעבד קובצי PDF שלמים, כולל מסמכים סרוקים או עתירי תמונות באמצעות מצב OCR. הוא אינו מבצע או מאשר השחרת מידע. מצב OCR בונה מחדש תוכן מתורגם וקריא, וייתכן שלא ישמור על עימוד המקור, הגופנים או גודל הגופן. העלו רק את עותק העבודה שכבר אושר ובדקו את פרטי המשימה לפני התשלום.

אם המגבלות הללו מתאימות, השתמשו ב- מתרגם ה-PDF תחילה על גבי עותק מייצג. עצרו מיד אם הפלט משנה את המשמעות של תווית השחרה, משמיט הודעת חשיפה מאושרת, או משחזר תוכן שלא אמור להתקיים.

בצעו שוב בדיקת דליפות על הפלט המתורגם

עותק עבודה מקורי ובטוח אינו הופך אוטומטית כל קובץ שנוצר בהמשך לבטוח. המרה ושחזור עלולים להוסיף מטא-דאטה, הערות, שכבות OCR, תוכן זמני או אובייקטים שהועתקו.

בקובץ ה-PDF המתורגם הסופי:

• חזרו על חיפוש המחרוזות הידועות ועל חילוץ הטקסט;
• בדקו את אותם משטחי תוכן מוסתר שנבדקו בעותק העבודה של המקור;
• וודאו שכל השחרה נשארת במיקום המיועד לה;
• בדקו שתוויות הכיסוי המתורגמות אינן חושפות יותר מהמאושר;
• אמתו כותרות עליונות, כותרות תחתונות, סימניות, קבצים מצורפים ושדות טופס;
• תעדו את ערכי ה-hash של המקור והיעד או גרסאות שאינן ניתנות לשינוי; וכן
• החילו את רשימת הבדיקות המלאה לבקרת איכות של תרגום PDF לאחר מעבר שלב אישור הפרטיות.

הקפידו שיומן הביקורת לא יכלול את התוכן הרגיש עצמו. תעדו מזהה פנימי, את היקף החשיפה המאושר, מזהי קבצים, את שמו של הבודק, הכלי והגרסה, הבדיקות שבוצעו, חריגות והחלטת השחרור.

עדיף לעצור מאשר לנחש

אל תשלחו את הקובץ לתרגום כאשר אחד מהתנאים הבאים מתקיים:

• סמכות החשיפה אינה ברורה;
• ההשחרות הן רק שכבות כיסוי ויזואליות;
• השחרות שסומנו לא הוחלו בפועל;
• תוכן תמונה או טקסט OCR לא נבדקו;
• לא נערך מיפוי של המידע המוסתר;
• לחתימה, טופס, קובץ מצורף או שכבה אין גורם אחראי;
• הקובץ המועמד להעלאה לא נפתח ונבדק מחדש באופן בלתי תלוי; או
• דרישות הצד המקבל אינן ידועות.

כלל האצבע המעשי הוא פשוט: השחרת המידע חייבת למנוע כליל את הגישה למידע האסור מצינור התרגום, ולא רק להקשות על אדם שמתבונן בדף. ודאו זאת על גבי עותק העבודה המקורי המדויק, ולאחר מכן ודאו זאת שוב על גבי התוצאה המתורגמת.