Как перевести отредактированный PDF без утечки скрытых данных

Переводите PDF с конфиденциальными данными только после того, как скрытие информации было необратимо применено к разрешенной рабочей копии. Черный прямоугольник, маркер, обрезка или белая фигура не гарантируют удаление данных. Обязательно удалите исходное содержимое, очистите скрытую информацию, заново откройте полученный файл и проверьте его перед отправкой в любой сервис перевода.

Порядок действий имеет решающее значение:

1. Сохраните исходный конфиденциальный документ в надежном месте.
2. Создайте отдельную разрешенную рабочую копию.
3. Выполните полноценное скрытие текста, изображений и страниц.
4. Удалите скрытую информацию, находящуюся за пределами видимой области страницы.
5. Проведите независимую проверку рабочей копии.
6. Переводите только эту проверенную копию.
7. Повторите проверку на утечки данных в готовом переводе.

Скачайте тестовый исходник, небезопасную маску, безопасную рабочую копию, скрипт генерации и результаты аудита. Они наглядно демонстрируют одну распространенную ошибку: визуально небезопасный PDF кажется скрытым, но по-прежнему содержит тестовые метки в извлекаемом тексте, метаданных и примечаниях.

Скрытие данных и перевод — это разные контуры безопасности

Скрытие данных определяет, какая информация может покинуть защищенную среду. Перевод лишь меняет язык оставшегося содержимого. Сервис перевода не должен определять, какие имена, идентификаторы, пункты, изображения, комментарии или вложения разрешены к разглашению.

Это создает строгое разграничение:

• владелец документа определяет границы и правомерность раскрытия данных;
• утвержденный инструмент скрытия данных полностью удаляет запрещенный контент;
• независимая проверка подтверждает безопасность именно этой рабочей копии; и
• процесс перевода запускается только после успешного прохождения проверки.

Не загружайте оригинал с просьбой к переводчику «игнорировать закрашенные части». Инструменты перевода с сохранением макета, алгоритмы распознавания текста (OCR), конвертеры или рецензенты могут прочитать скрытые объекты, которые не отображаются при обычном просмотре страницы.

Черный прямоугольник может сохранять скрываемый текст

Страницы PDF состоят из текста, изображений, векторных инструкций, аннотаций и других объектов. Отрисовка непрозрачного прямоугольника лишь меняет то, что отображается поверх содержимого; она вовсе не гарантирует удаление того, что было нарисовано под ним.

Наш синтетический тестовый образец содержит вымышленный маркер BT-REDACT-9472 в одной из исходных строк. Небезопасная версия перекрывает эту строку черным прямоугольником, но при этом намеренно сохраняет маркер в трех местах:

• в извлекаемом тексте страницы;
• в метаданных документа; и
• в текстовой аннотации.

Безопасный образец пересобран полностью без этого маркера. В ходе проверки анализируются извлеченный текст, метаданные, аннотации и декодированные потоки содержимого страниц.

Изучите отчет в CSV или отчет в JSON, затем воспроизведите результат с помощью генератора. Это тестовый набор данных, а не подтверждение успешного прохождения проверок каким-либо конкретным коммерческим продуктом для скрытия данных или перевода.

Успешное прохождение проверок также имеет строго ограниченные рамки. Оно не гарантирует безопасность всех возможных объектов PDF, сохранность цифровой подписи или соответствие файла требованиям суда, регулятора, клиента или внутренним регламентам организации.

Составьте перечень скрываемых данных до редактирования

Не начинайте с поиска чьего-то конкретного имени. Проведите инвентаризацию всех областей, через которые может произойти утечка конфиденциальных сведений.

Текущий процесс удаления сведений в Adobe разделяет этапы разметки контента и непосредственного применения скрытия данных, а также предлагает функцию очистки скрытой информации. В пошаговом руководстве Adobe также отмечается, что текст внутри изображений и векторной графики нельзя обнаружить обычным текстовым поиском. Следовательно, процесс, основанный исключительно на поиске, непригоден для отсканированных материалов.

Для принятия более масштабных решений перед загрузкой — включая правомерность, правила сервиса, хранение и удаление данных — используйте чек-лист конфиденциальности при переводе документов. Настоящее же руководство посвящено более узкому техническому вопросу: содержит ли рабочая копия PDF информацию, которая должна была быть удалена.

Применяйте скрытие данных до перевода

Используйте программное обеспечение для редактирования данных и регламент проверки, утвержденные владельцем документа. В актуальном десктопном интерфейсе Acrobat процедура выглядит так: выбрать инструмент «Скрыть сведения», пометить текст или изображения, применить скрытие, при необходимости подтвердить очистку скрытых данных и сохранить новый файл. Названия кнопок могут меняться, но суть контроля остается прежней.

Соблюдайте правила работы с файлами:

1. Оставьте исходный конфиденциальный файл в режиме «только для чтения».
2. Работайте с копией, явно указав версию в имени файла.
3. Пометьте для удаления все утвержденные фрагменты.
4. Обязательно примените скрытие данных, не останавливаясь на этапе предпросмотра.
5. Очистите категории скрытой информации, указанные владельцем документа.
6. Сохраните результат под новым именем, не перезаписывая исходный файл.
7. Вычислите хеш или иным способом зафиксируйте конкретный файл, предназначенный для проверки.

Не переводите документ до скрытия конфиденциальных данных только потому, что проверяющему проще читать на целевом языке. Это приведет к передаче запрещенной информации в сервис перевода и создаст необходимость сопровождать два независимо отредактированных файла.

Рассматривайте распознанный текст (OCR) как дополнительный источник утечки

Отсканированная страница может содержать как видимые пиксели, так и невидимый слой распознанного текста. Очистка только одного из них небезопасна:

• если удалить только OCR-текст, информация останется видна на изображении страницы;
• если закрасить только изображение, слой OCR по-прежнему позволит найти или скопировать данные; или
• если запустить распознавание после косметического закрашивания, алгоритм OCR все равно может прочитать исходные пиксели.

Проверяйте и слой изображения, и текстовый слой, прежде чем запускать процесс перевода сканированного PDF. Если в рамках утверждённого процесса скрытия данных страница преобразуется в растровое изображение, проверьте, какой текстовый слой добавляется поверх него.

Проверьте точную рабочую копию перед загрузкой

Откройте сохранённую копию заново, посмотрев на неё глазами получателя. Не проверяйте черновик, если собираетесь загружать экспортированный позже файл.

Выполните как минимум следующие проверки:

1. Выполните поиск по всем скрытым строкам и их близким вариантам написания.
2. Выделите и скопируйте текст вокруг каждой скрытой области в простой текстовый редактор.
3. Извлеките текст документа с помощью стороннего инструмента, если этого требуют риски.
4. Проверьте свойства документа и пользовательские метаданные.
5. Откройте панель комментариев и аннотаций.
6. Проверьте вложения, закладки, слои, поля форм и встроенные скрипты.
7. Сделайте пробный рендеринг или распечатайте копию для проверки и просмотрите каждую изменённую страницу.
8. Попросите второго рецензента проверить файл с высоким уровнем риска, не опираясь на отметки первого проверяющего.

Поиск по известным строкам помогает обнаружить утечку, но отсутствие результатов не гарантирует, что в файле нет других конфиденциальных данных. Именно поэтому инвентаризация и независимая проверка стоят на первом месте.

Если PDF-документ содержит цифровую подпись, сохраните подписанный оригинал и следуйте регламенту принимающей стороны. В Adobe предусмотрено сравнение подписанных версий специально для анализа изменений, внесённых после подписания; не утверждайте, что отредактированная или переведённая копия автоматически наследует исходную подпись.

Переводите проверенную копию, а не оригинал

После того как владелец утвердит проверенную рабочую копию, выберите подходящий способ перевода с учётом структуры оставшегося PDF-файла:

• используйте стандартный процесс для PDF, если текст можно выделить и важно сохранить исходное форматирование;
• используйте режим OCR, если утверждённая копия содержит только изображения и читаемость содержимого важнее точного совпадения страниц; или
• соберите документ заново вручную, если в процессе скрытия данных существенно изменились формы, подписи, структура доступности или требования к вёрстке.

BookTranslator умеет обрабатывать полные PDF-файлы, включая сканированные документы и файлы с большим количеством изображений в режиме OCR. Сервис не скрывает конфиденциальные данные и не сертифицирует их удаление. Режим OCR восстанавливает читаемый переведённый текст и может не сохранять исходную вёрстку страниц, шрифты и их размеры. Загружайте только уже утверждённую рабочую копию и проверяйте параметры задачи перед оплатой.

Если эти условия соблюдены, сначала протестируйте PDF-переводчик на репрезентативной копии. Остановите процесс, если результат искажает смысл меток скрытия, удаляет утвержденные уведомления о раскрытии или восстанавливает информацию, которой быть не должно.

Повторите аудит утечек на переведенном файле

Безопасность исходной рабочей копии не гарантирует автоматическую безопасность всех последующих файлов. Конвертация и пересборка документа могут добавить метаданные, комментарии, слои OCR, временные данные или скопированные объекты.

В готовом переведенном PDF:

• повторите поиск по известным строкам и извлечение текста;
• проверьте те же потенциальные области скрытого контента, что и в исходной рабочей копии;
• убедитесь, что все закрашенные области остались на своих исходных местах;
• проверьте, что переведенный текст меток скрытия не раскрывает лишнюю информацию;
• проверьте колонтитулы, закладки, вложения и поля форм;
• зафиксируйте хеши или неизменяемые версии исходного и переведенного файлов; и
• примените полный чек-лист контроля качества перевода PDF после успешного прохождения проверки на конфиденциальность.

Не вносите сами конфиденциальные данные в журнал аудита. Указывайте лишь внутренний номер документа, согласованный объем раскрытия, идентификаторы файлов, проверяющего, инструмент и его версию, выполненные проверки, исключения и решение о публикации.

Остановитесь, если есть сомнения

Не отправляйте файл на перевод, если справедливо хотя бы одно из следующих утверждений:

• полномочия на раскрытие информации не ясны;
• скрытие выполнено лишь визуальным наложением фигур поверх текста;
• размеченные области скрытия не были применены окончательно;
• содержимое изображений или текст OCR не проверялись;
• инвентаризация скрытой информации не проводилась;
• подпись, форма, вложение или слой не имеют ответственного владельца;
• подготовленный к загрузке файл не был открыт заново и проверен отдельно; или
• требования принимающей стороны неизвестны.

Практическое правило простое: скрытие данных должно делать запрещенную информацию недоступной для конвейера перевода, а не просто прятать ее от взгляда читателя. Убедитесь в этом на самой рабочей копии оригинала, а затем проверьте результат перевода еще раз.