Cách dịch PDF đã che thông tin nhạy cảm mà không làm lộ dữ liệu ẩn

Chỉ dịch tệp PDF đã che thông tin sau khi các vùng che đã được áp dụng vĩnh viễn trên bản sao làm việc được cấp phép. Một hình chữ nhật màu đen, vùng tô sáng, thao tác cắt xén hay một hình khối màu trắng không phải là bằng chứng cho thấy thông tin đã biến mất. Hãy xóa nội dung bên dưới, làm sạch dữ liệu ẩn, mở lại chính xác tệp đó và kiểm tra kỹ lưỡng trước khi gửi cho bất kỳ dịch vụ dịch thuật nào.

Thứ tự thực hiện rất quan trọng:

1. Lưu giữ bản gốc có giới hạn quyền truy cập.
2. Tạo một bản sao làm việc riêng biệt đã được cấp phép.
3. Áp dụng che vĩnh viễn đối với văn bản, hình ảnh và trang.
4. Xóa thông tin ẩn nằm ngoài trang hiển thị.
5. Kiểm tra độc lập lại bản sao làm việc.
6. Chỉ dịch bản sao đã được xác minh đó.
7. Lặp lại các bước kiểm tra rò rỉ trên bản dịch đầu ra.

Tải xuống nguồn tổng hợp, lớp mặt nạ không an toàn, bản sao làm việc an toàn, trình tạo và kết quả kiểm toán. Những tệp này làm rõ một lỗi điển hình: tệp PDF không an toàn trông như đã được che kín nhưng vẫn để lộ chuỗi ký hiệu giả định qua văn bản có thể trích xuất, siêu dữ liệu và ghi chú.

Che thông tin và dịch thuật là hai bước kiểm soát riêng biệt

Việc che thông tin quyết định dữ liệu nào được phép rời khỏi môi trường bảo mật. Dịch thuật chỉ thay đổi ngôn ngữ của phần nội dung còn lại. Không nên kỳ vọng một công cụ dịch thuật có thể tự quyết định xem tên, số định danh, điều khoản, hình ảnh, nhận xét hay tệp đính kèm nào được phép tiết lộ.

Quy trình này tạo ra một ranh giới rõ ràng:

• chủ sở hữu tài liệu nắm toàn quyền quyết định phạm vi và thẩm quyền tiết lộ;
• công cụ che thông tin được phê duyệt sẽ xóa bỏ nội dung bị cấm;
• bước kiểm tra độc lập sẽ xác minh chính xác bản sao làm việc; và
• quy trình dịch thuật chỉ bắt đầu sau khi đã vượt qua bước kiểm tra đó.

Đừng tải tệp gốc lên rồi yêu cầu trình dịch “bỏ qua các phần bị bôi đen”. Một trình dịch nhận diện bố cục, quy trình OCR, công cụ chuyển đổi hay người duyệt tài liệu đều có thể đọc được các đối tượng mà bản xem trước trang không hiển thị.

Một ô màu đen vẫn có thể lưu giữ bí mật bên dưới

Các trang PDF được tạo thành từ văn bản, hình ảnh, lệnh vẽ, chú thích cùng nhiều đối tượng khác. Việc vẽ một hình chữ nhật mờ đục chỉ thay đổi những gì trình xem vẽ đè lên trên; nó không đồng nghĩa với việc xóa đi nội dung đã được vẽ trước đó.

Dữ liệu mẫu thử nghiệm tổng hợp của chúng tôi chứa chuỗi bảo vệ giả định BT-REDACT-9472 trong một dòng nguồn. Phiên bản không an toàn vẽ một hình chữ nhật màu đen đè lên dòng đó, sau đó cố tình giữ lại chuỗi bảo vệ ở ba vị trí:

• văn bản có thể trích xuất của trang;
• metadata của tài liệu; và
• một chú thích dạng văn bản.

Dữ liệu mẫu an toàn được tạo lại hoàn chỉnh mà không có chuỗi bảo vệ. Quá trình kiểm tra sẽ rà soát văn bản được trích xuất, metadata, các chú thích và luồng nội dung trang đã giải mã.

Kiểm tra bản kiểm tra CSV hoặc bản kiểm tra JSON, sau đó tái tạo lại bằng trình tạo. Đây là một fixture thử nghiệm, không phải bằng chứng cho thấy một sản phẩm che dữ liệu hoặc dịch thuật thương mại cụ thể đã vượt qua kiểm tra.

Kết quả đạt này cũng có phạm vi hẹp một cách có chủ đích. Nó không chứng minh rằng mọi đối tượng PDF có thể có đều an toàn, chữ ký số vẫn hợp lệ, hay tệp đáp ứng được quy định của tòa án, cơ quan quản lý, khách hàng hoặc tổ chức.

Lập danh mục che dữ liệu trước khi chỉnh sửa

Đừng bắt đầu bằng việc tìm kiếm tên của một người. Hãy lập danh mục mọi bề mặt có thể làm lộ thông tin bị hạn chế.

Quy trình che thông tin hiện tại của Adobe phân tách việc đánh dấu nội dung khỏi việc áp dụng che thông tin, đồng thời cung cấp tính năng làm sạch thông tin ẩn. hướng dẫn chi tiết của Adobe cũng lưu ý rằng văn bản bên trong hình ảnh và nét vẽ không thể tìm thấy bằng tính năng tìm kiếm văn bản thông thường. Do đó, quy trình chỉ dựa vào tìm kiếm là chưa hoàn chỉnh đối với tài liệu scan.

Để có quyết định toàn diện hơn trước khi tải lên bao gồm quyền hạn, chính sách dịch vụ, thời gian lưu giữ và xóa dữ liệu, hãy sử dụng danh sách kiểm tra quyền riêng tư khi dịch tài liệu. Hướng dẫn này tập trung vào câu hỏi kỹ thuật cụ thể hơn: liệu bản sao làm việc của PDF có còn chứa thông tin lẽ ra phải bị xóa hay không.

Áp dụng che thông tin trước khi dịch

Sử dụng phần mềm che thông tin và quy trình đánh giá đã được chủ sở hữu tài liệu phê duyệt. Trong quy trình làm việc trên máy tính hiện tại của Acrobat, trình tự tương ứng là chọn công cụ Redact, đánh dấu văn bản hoặc hình ảnh, áp dụng che thông tin, chọn có làm sạch thông tin ẩn hay không và lưu thành tệp mới. Nhãn giao diện có thể thay đổi, nhưng mục tiêu kiểm soát thì không.

Tuân thủ kỷ luật quản lý tệp sau:

1. Giữ tệp nguồn giới hạn ở chế độ chỉ đọc.
2. Làm việc trên một bản sao có tên phiên bản rõ ràng.
3. Đánh dấu mọi mục đã được phê duyệt để xóa.
4. Áp dụng che thông tin; không dừng lại ở trạng thái xem trước.
5. Làm sạch các danh mục thông tin ẩn theo yêu cầu của chủ sở hữu.
6. Lưu thành tên tệp mới thay vì ghi đè lên tệp nguồn.
7. Tạo mã băm (hash) hoặc nhận dạng chính xác tệp ứng viên sẽ được xác minh.

Không dịch trước rồi mới che thông tin sau chỉ vì ngôn ngữ đích dễ đọc hơn cho người duyệt. Việc đó sẽ gửi thông tin nguồn bị cấm vào quy trình dịch thuật và tạo ra hai tệp được che thông tin độc lập cần phải duy trì.

Xem OCR là một bề mặt rò rỉ thứ hai

Một trang scan có thể chứa cả các điểm ảnh hiển thị lẫn một lớp văn bản nhận dạng vô hình. Chỉ che một trong hai là không an toàn:

• chỉ xóa văn bản OCR, hình ảnh trang vẫn có thể hiển thị thông tin;
• chỉ che hình ảnh, lớp OCR vẫn có thể để lộ thông tin cho việc tìm kiếm hoặc sao chép; hoặc
• chạy OCR sau khi che phủ bề mặt, quá trình nhận dạng có thể khôi phục lại các điểm ảnh gốc.

Hãy kiểm tra cả hình ảnh và lớp văn bản trước khi sử dụng quy trình dịch PDF scan. Nếu quy trình che thông tin được ủy quyền chuyển đổi một trang thành ảnh raster mới, hãy xác minh lớp văn bản nào được thêm vào sau đó.

Xác minh chính xác bản sao làm việc trước khi tải lên

Hãy mở lại bản ứng viên đã lưu với tư cách là người nhận tài liệu. Đừng kiểm tra bản nháp trước đó rồi lại tải lên một bản xuất ra sau.

Thực hiện tối thiểu các bước kiểm tra sau:

1. Tìm kiếm mọi chuỗi văn bản đã biết là bị che và các biến thể gần giống.
2. Chọn và sao chép văn bản xung quanh từng phần che vào một trình biên tập văn bản thuần túy (plain text).
3. Trích xuất văn bản tài liệu bằng một công cụ độc lập khi mức độ rủi ro đòi hỏi điều đó.
4. Kiểm tra thuộc tính tài liệu và siêu dữ liệu tùy chỉnh.
5. Mở bảng nhận xét hoặc chú thích.
6. Kiểm tra tệp đính kèm, dấu trang, các lớp (layers), trường biểu mẫu và mã script.
7. Kết xuất hoặc in một bản sao để đánh giá và kiểm tra từng trang bị ảnh hưởng.
8. Yêu cầu người đánh giá thứ hai kiểm tra tệp có độ rủi ro cao mà không phụ thuộc vào các dấu tích trong danh sách kiểm tra của người đánh giá đầu tiên.

Việc tìm kiếm các chuỗi đã biết có thể phát hiện điểm rò rỉ; nhưng việc tìm kiếm không ra kết quả không thể chứng minh rằng một bí mật chưa biết đã hoàn toàn vắng mặt. Đó là lý do tại sao việc lập danh mục và đánh giá độc lập phải được ưu tiên hàng đầu.

Nếu tệp PDF có chữ ký số, hãy bảo toàn tệp nguồn đã ký và tuân theo quy trình đã được lập thành văn bản của cơ quan tiếp nhận. Adobe cung cấp tính năng so sánh phiên bản đã ký chuyên dùng để xem xét các thay đổi được thực hiện sau khi ký; tuyệt đối không được ngụ ý rằng một bản phái sinh đã được che thông tin hoặc đã dịch sẽ kế thừa chữ ký ban đầu.

Dịch bản sao đã được xác minh, không dịch bản gốc

Khi chủ sở hữu phê duyệt bản sao làm việc đã xác minh, hãy chọn hướng dịch thuật dựa trên định dạng còn lại của PDF:

• sử dụng quy trình dịch PDF chuẩn khi văn bản có thể chọn được và việc giữ nguyên bố cục là quan trọng;
• sử dụng chế độ OCR khi bản sao đã được phê duyệt chỉ là hình ảnh và nội dung dễ đọc quan trọng hơn việc khớp bố cục trang chính xác; hoặc
• tự dựng lại tài liệu thủ công khi quy trình che thông tin đã làm thay đổi đáng kể biểu mẫu, chữ ký, cấu trúc hỗ trợ tiếp cận hoặc các yêu cầu sản xuất.

BookTranslator có thể xử lý toàn bộ các tệp PDF, bao gồm cả PDF dạng quét hoặc chứa nhiều hình ảnh thông qua chế độ OCR. Công cụ này không thực hiện hoặc chứng nhận việc che thông tin. Chế độ OCR sẽ tái tạo nội dung dịch dễ đọc và có thể không giữ nguyên bố cục trang gốc, phông chữ hoặc kích thước phông chữ. Chỉ tải lên bản sao làm việc đã được phê duyệt và hãy kiểm tra kỹ chi tiết tác vụ trước khi thanh toán.

Nếu các giới hạn đó đều phù hợp, hãy dùng công cụ dịch PDF trên một bản sao đại diện trước. Hãy dừng lại nếu bản dịch làm thay đổi ý nghĩa của nhãn che khuất, làm mất thông báo công bố đã duyệt, hoặc tái tạo lại nội dung lẽ ra không được tồn tại.

Kiểm tra rò rỉ dữ liệu lần nữa trên bản dịch đầu ra

Một bản sao làm việc an toàn ở tệp nguồn không đồng nghĩa với việc mọi tệp tạo ra sau đó đều tự động an toàn. Quá trình chuyển đổi và tái tạo cấu trúc có thể chèn thêm siêu dữ liệu, nhận xét, lớp OCR, nội dung tạm thời hoặc các đối tượng được sao chép.

Trên tệp PDF đã dịch cuối cùng:

• lặp lại thao tác tìm kiếm chuỗi đã biết và trích xuất văn bản;
• kiểm tra các vị trí chứa nội dung ẩn tương tự như trên bản sao làm việc của tệp nguồn;
• xác nhận mọi vùng che khuất vẫn nằm đúng vị trí dự kiến;
• kiểm tra để đảm bảo nhãn phủ đã dịch không tiết lộ nhiều thông tin hơn mức cho phép;
• xác minh lại tiêu đề đầu trang, chân trang, dấu trang, tệp đính kèm và các trường biểu mẫu;
• ghi lại mã băm (hash) hoặc phiên bản bất biến của tệp nguồn và tệp đích; và
• áp dụng đầy đủ danh sách kiểm tra QA dịch thuật PDF sau khi đã vượt qua bước kiểm duyệt quyền riêng tư.

Tuyệt đối không lưu lại chính nội dung nhạy cảm trong nhật ký kiểm tra. Hãy ghi lại mã tham chiếu nội bộ, phạm vi đã duyệt, mã định danh tệp, người đánh giá, công cụ cùng phiên bản, các bước kiểm tra đã thực hiện, ngoại lệ và quyết định phê duyệt phát hành.

Dừng lại thay vì phỏng đoán

Không gửi tệp đi dịch nếu xuất hiện bất kỳ trường hợp nào sau đây:

• thẩm quyền công bố thông tin chưa rõ ràng;
• các vùng che khuất chỉ là lớp phủ trực quan thông thường;
• các vùng được đánh dấu che khuất chưa được áp dụng xử lý;
• nội dung hình ảnh hoặc văn bản OCR chưa được kiểm tra;
• thông tin ẩn chưa được rà soát và kiểm kê đầy đủ;
• chữ ký, biểu mẫu, tệp đính kèm hoặc lớp hiển thị không có người chịu trách nhiệm xác minh;
• chính tệp dự kiến tải lên chưa được mở lại độc lập và kiểm tra; hoặc
• chưa nắm rõ các yêu cầu của bên tiếp nhận.

Nguyên tắc thực tế rất đơn giản: việc che khuất phải khiến quy trình dịch thuật hoàn toàn không thể tiếp cận được thông tin bị cấm, chứ không chỉ đơn thuần là gây khó khăn cho người đang nhìn vào trang tài liệu. Hãy xác minh điều đó trên chính bản sao làm việc gốc, sau đó kiểm tra lại một lần nữa trên kết quả đã dịch.