Jak przetłumaczyć zanonimizowany plik PDF bez ujawniania ukrytych informacji

Przetłumacz zanonimizowany plik PDF dopiero po trwałym zastosowaniu zmian w autoryzowanej kopii roboczej. Czarny prostokąt, zakreślenie, przycięcie czy biały kształt nie są dowodem na to, że informacje zniknęły. Usuń zawartość znajdującą się pod spodem, wyczyść ukryte informacje, otwórz dokładnie ten plik ponownie i przetestuj go, zanim trafi do jakiejkolwiek usługi tłumaczeniowej.

Kolejność ma znaczenie:

1. Zachowaj chroniony oryginał.
2. Utwórz osobną, autoryzowaną kopię roboczą.
3. Zastosuj rzeczywistą anonimizację tekstu, obrazów i stron.
4. Usuń ukryte informacje znajdujące się poza widoczną stroną.
5. Niezależnie zweryfikuj kopię roboczą.
6. Przetłumacz wyłącznie tę zweryfikowaną kopię.
7. Powtórz testy pod kątem wycieków na przetłumaczonym dokumencie.

Pobierz syntetyczny plik źródłowy, niebezpieczną maskę, bezpieczną kopię roboczą, generator oraz wyniki audytu. Obrazują one jeden błąd: niebezpieczny plik PDF wygląda na zakryty, ale nadal ujawnia spreparowane dane testowe poprzez możliwy do wyodrębnienia tekst, metadane i notatkę.

Anonimizacja i tłumaczenie to odrębne mechanizmy kontroli

Anonimizacja decyduje o tym, jakie informacje mogą opuścić bezpieczne środowisko. Tłumaczenie zmienia język tego, co pozostało. Nie należy oczekiwać od narzędzia tłumaczeniowego, że zdecyduje, które nazwiska, identyfikatory, klauzule, obrazy, komentarze czy załączniki kwalifikują się do ujawnienia.

Tworzy to wyraźną granicę:

• właściciel dokumentu odpowiada za zakres i uprawnienia do ujawnienia danych;
• zatwierdzone narzędzie do anonimizacji trwale usuwa zabronione treści;
• niezależna weryfikacja sprawdza dokładną kopię roboczą; oraz
• proces tłumaczenia rozpoczyna się dopiero po pomyślnym przejściu tej kontroli.

Nie przesyłaj oryginału z prośbą do tłumacza o „zignorowanie zaczernionych fragmentów”. Tłumacz uwzględniający układ dokumentu, proces OCR, narzędzie do konwersji lub weryfikator mogą odczytać obiekty, których podgląd strony nie wyświetla.

Czarny prostokąt może nadal skrywać tajemnicę

Strony PDF składają się z tekstu, obrazów, instrukcji rysowania, adnotacji i innych obiektów. Narysowanie nieprzezroczystego prostokąta zmienia jedynie to, co przeglądarka wyświetla na wierzchu – niekoniecznie usuwa to, co zostało wygenerowane pod spodem.

Nasz syntetyczny plik testowy zawiera wymyślony ciąg kontrolny BT-REDACT-9472 w wierszu źródłowym. Wersja niebezpieczna nakłada czarny prostokąt na ten wiersz, a następnie celowo zachowuje ciąg kontrolny w trzech miejscach:

• w tekście strony możliwym do wyodrębnienia;
• w metadanych dokumentu oraz
• w adnotacji tekstowej.

Bezpieczny plik testowy został przebudowany całkowicie bez ciągu kontrolnego. Audyt weryfikuje wyodrębniony tekst, metadane, adnotacje oraz zdekodowane strumienie zawartości stron.

Przejrzyj raport z audytu CSV lub raport z audytu JSON, a następnie odtwórz go za pomocą generatora. Jest to zestaw testowy, a nie dowód na to, że konkretny komercyjny produkt do redagowania lub tłumaczenia przeszedł weryfikację pomyślnie.

Zaliczenie testu ma również celowo ograniczony zakres. Nie dowodzi ono, że każdy możliwy obiekt PDF jest bezpieczny, że podpis cyfrowy zachowuje ważność ani że plik spełnia wymogi sądu, organu regulacyjnego, klienta czy wytycznych organizacji.

Sporządź wykaz elementów do zanonimizowania przed rozpoczęciem edycji

Nie zaczynaj od wyszukiwania nazwiska jednej osoby. Sporządź wykaz każdego obszaru, który może ujawnić zastrzeżone informacje.

Aktualny proces redagowania w Adobe oddziela oznaczanie treści od stosowania anonimizacji, a także oferuje usuwanie ukrytych informacji. Opracowany przez Adobe samouczek krok po kroku zwraca również uwagę, że tekst wewnątrz obrazów i rysunków wektorowych nie jest wykrywany przez zwykłe wyszukiwanie tekstowe. Metoda oparta wyłącznie na wyszukiwaniu jest zatem niewystarczająca w przypadku zeskanowanych materiałów.

Szerszy proces decyzyjny przed przesłaniem pliku — obejmujący uprawnienia, regulamin usługi, retencję i usuwanie danych — opisuje nasza lista kontrolna prywatności przy tłumaczeniu dokumentów. Niniejszy przewodnik skupia się na węższej kwestii technicznej: czy robocza kopia PDF nadal zawiera informacje, które miały zostać usunięte.

Zastosuj zaczernienia przed tłumaczeniem

Użyj oprogramowania do anonimizacji oraz procedury weryfikacji zatwierdzonej przez właściciela dokumentu. W bieżącym procesie komputerowej wersji programu Acrobat odpowiednia sekwencja polega na wybraniu narzędzia Anonimizuj, zaznaczeniu tekstu lub obrazów, zastosowaniu zmian, wybraniu opcji oczyszczenia ukrytych informacji i zapisaniu nowego pliku. Etykiety interfejsu mogą się zmieniać; cel kontroli pozostaje ten sam.

Przestrzegaj następujących zasad pracy z plikami:

1. Zachowaj plik źródłowy z poufnymi danymi w trybie tylko do odczytu.
2. Pracuj na kopii z jednoznacznym oznaczeniem wersji w nazwie.
3. Oznacz do usunięcia każdy zatwierdzony element.
4. Zastosuj zaczernienia — nie poprzestawaj na etapie podglądu.
5. Oczyść kategorie ukrytych informacji wymagane przez właściciela dokumentu.
6. Zapisz plik pod nową nazwą, zamiast nadpisywać źródło.
7. Wygeneruj skrót (hash) lub w inny sposób jednoznacznie zidentyfikuj wersję przeznaczoną do weryfikacji.

Nie tłumacz tekstu przed dokonaniem anonimizacji tylko dlatego, że język docelowy jest łatwiejszy dla weryfikatora. Przesyła to zabronione informacje źródłowe do potoku tłumaczeniowego i wymusza utrzymywanie dwóch niezależnie zanonimizowanych plików.

Potraktuj OCR jako drugą przestrzeń ryzyka ujawnienia danych

Zeskanowana strona może zawierać zarówno widoczne piksele, jak i niewidoczną warstwę rozpoznanego tekstu. Zaakceptowanie zmian tylko w jednej z nich jest niebezpieczne:

• usunięcie wyłącznie tekstu OCR sprawi, że informacja nadal będzie widoczna na obrazie strony;
• zasłonięcie wyłącznie obrazu może pozostawić dane w warstwie OCR, umożliwiając ich wyszukanie lub skopiowanie;
• uruchomienie OCR po nałożeniu kosmetycznej maski może spowodować odczytanie oryginalnych pikseli przez mechanizm rozpoznawania tekstu.

Przeanalizuj zarówno obraz, jak i warstwę tekstową, zanim zastosujesz procedurę tłumaczenia zeskanowanych plików PDF. Jeśli autoryzowany proces redagowania przekształca stronę w nowy obraz rastrowy, sprawdź, jaka warstwa tekstowa jest dodawana później.

Zweryfikuj dokładną kopię roboczą przed przesłaniem

Otwórz ponownie zapisany plik kandydujący tak, jakbyś był jego odbiorcą. Nie weryfikuj wcześniejszej wersji roboczej, przesyłając późniejszy eksport.

Przeprowadź co najmniej następujące kontrole:

1. Wyszukaj każdy znany zredagowany ciąg znaków oraz jego bliskie warianty.
2. Zaznacz i skopiuj tekst wokół każdej redakcji do edytora zwykłego tekstu.
3. Wyodrębnij tekst dokumentu za pomocą niezależnego narzędzia, gdy uzasadnia to poziom ryzyka.
4. Sprawdź właściwości dokumentu i niestandardowe metadane.
5. Otwórz panel komentarzy lub adnotacji.
6. Sprawdź załączniki, zakładki, warstwy, pola formularzy i skrypty.
7. Wygeneruj podgląd lub wydrukuj kopię do wglądu i sprawdź każdą zmienioną stronę.
8. Poproś drugiego weryfikatora o przetestowanie pliku o wysokim ryzyku bez polegania na oznaczeniach z listy kontrolnej pierwszego recenzenta.

Wyszukiwanie znanych ciągów znaków może wykryć wyciek, ale brak wyników wyszukiwania nie dowodzi braku nieznanych informacji poufnych. Dlatego inwentaryzacja i niezależny przegląd są na pierwszym miejscu.

Jeśli plik PDF posiada podpis cyfrowy, zachowaj podpisany plik źródłowy i postępuj zgodnie z procedurą wymaganą przez instytucję odbierającą. Firma Adobe udostępnia funkcję porównywania podpisanych wersji specjalnie do przeglądania zmian wprowadzonych po złożeniu podpisu; nie zakładaj ani nie sugeruj, że zredagowana lub przetłumaczona wersja pochodna dziedziczy pierwotny podpis.

Przetłumacz zweryfikowaną kopię, a nie oryginał

Gdy właściciel zatwierdzi zweryfikowaną kopię roboczą, wybierz ścieżkę tłumaczenia w oparciu o stan pozostałego pliku PDF:

• użyj standardowego przepływu pracy PDF, gdy tekst można zaznaczyć i zależy Ci na zachowaniu układu;
• użyj trybu OCR, gdy zatwierdzona kopia zawiera wyłącznie obrazy, a czytelna treść jest ważniejsza niż dokładne dopasowanie strony; lub
• odtwórz dokument ręcznie, gdy proces redagowania w istotny sposób zmienił formularze, podpisy, strukturę ułatwień dostępu lub wymagania produkcyjne.

BookTranslator potrafi przetwarzać kompletne pliki PDF, w tym pliki skanowane lub zawierające dużo obrazów, przy użyciu trybu OCR. Narzędzie nie przeprowadza ani nie certyfikuje redagowania danych. Tryb OCR odtwarza czytelną przetłumaczoną treść i może nie zachować oryginalnego układu stron, krojów ani rozmiarów czcionek. Przesyłaj wyłącznie zatwierdzoną wcześniej kopię roboczą i sprawdź szczegóły zadania przed dokonaniem płatności.

Jeśli te ograniczenia są spełnione, przetestuj najpierw tłumacz PDF na reprezentatywnej kopii. Przerwij pracę, jeśli wynik zmieni znaczenie etykiety anonimizacji, pominie zatwierdzoną klauzulę informacyjną lub odtworzy treść, która nie powinna istnieć.

Powtórz audyt pod kątem wycieków na przetłumaczonym dokumencie

Bezpieczna robocza kopia źródłowa nie gwarantuje automatycznie bezpieczeństwa każdego kolejnego pliku. Konwersja i rekonstrukcja mogą dodać metadane, komentarze, warstwy OCR, treści tymczasowe lub skopiowane obiekty.

W finalnym, przetłumaczonym pliku PDF:

• powtórz wyszukiwanie znanych ciągów znaków oraz ekstrakcję tekstu;
• sprawdź te same obszary ukrytej zawartości, co w źródłowej kopii roboczej;
• upewnij się, że każda redakcja pozostała na swoim właściwym miejscu;
• sprawdź, czy przetłumaczone etykiety na polach redakcyjnych nie ujawniają więcej, niż zatwierdzono;
• zweryfikuj nagłówki, stopki, zakładki, załączniki oraz pola formularzy;
• odnotuj skróty (hashe) lub niezmienne wersje pliku źródłowego i docelowego; oraz
• zastosuj pełną listę kontrolną QA dla tłumaczenia PDF po pozytywnej weryfikacji ochrony prywatności.

Zadbaj o to, aby w dzienniku audytu nie znalazły się same poufne treści. Zapisz identyfikator wewnętrzny, zatwierdzony zakres, identyfikatory plików, osobę sprawdzającą, narzędzie wraz z wersją, przeprowadzone kontrole, wyjątki oraz decyzję o udostępnieniu.

Lepiej się zatrzymać, niż zgadywać

Nie przekazuj pliku do tłumaczenia, jeśli zachodzi którakolwiek z poniższych sytuacji:

• uprawnienia do ujawnienia informacji są niejasne;
• anonimizacje to jedynie wizualne nakładki;
• oznaczone redakcje nie zostały trwale zastosowane;
• zawartość obrazów lub tekst z OCR nie zostały sprawdzone;
• nie sporządzono wykazu ukrytych informacji;
• podpis, formularz, załącznik lub warstwa nie mają przypisanego właściciela;
• dokładny plik przeznaczony do przesłania nie został niezależnie ponownie otwarty i przetestowany; lub
• wymagania strony odbierającej nie są znane.

Praktyczna zasada jest prosta: anonimizacja musi sprawić, że zabronione informacje będą całkowicie niedostępne dla procesu tłumaczenia, a nie tylko niewidoczne dla osoby patrzącej na stronę. Zweryfikuj ten fakt na dokładnej roboczej kopii źródłowej, a następnie sprawdź go ponownie na przetłumaczonym dokumencie końcowym.