如何在不泄露隐藏信息的前提下翻译已涂黑遮蔽的 PDF
在翻译前应用并核验 PDF 涂黑遮蔽，彻底清除隐藏信息，并确认翻译后的工作副本不会暴露已删除的文本。
只有在授权的工作副本上永久应用涂黑遮蔽后，才能对 PDF 进行翻译。黑色矩形、高亮、裁剪或白色图形都不能证明底层信息已被抹去。在将文件提交给任何翻译服务之前，必须彻底删除底层内容，清理隐藏信息，重新打开该文件进行核验与测试。
处理顺序至关重要：
- 妥善保留受限的原件。
- 创建一个独立的授权工作副本。
- 对文本、图像和页面执行真正的涂黑遮蔽处理。
- 清除可见页面之外的隐藏信息。
- 独立核验该工作副本。
- 仅翻译通过核验的副本。
- 在翻译输出的文件上再次执行泄漏检查。
下载 合成源文件、不安全的遮盖副本、安全的工作副本、生成器以及审计结果。这些文件直观展示了一种常见隐患：不安全的 PDF 表面看起来已被遮盖，但仍会通过可提取的文本、元数据和批注泄露预设的标记信息。
涂黑遮蔽与翻译是两项独立的管控措施
涂黑遮蔽决定了哪些信息可以离开受限环境。翻译则负责转换保留内容的语言。不应指望翻译工具去判断哪些姓名、标识符、条款、图像、批注或附件是获准公开的。
这构成了一条明确的界限：
- 文档所有者掌控披露范围和披露权限；
- 合规的涂黑遮蔽工具彻底移除违禁内容；
- 独立检查机制对该工作副本进行严格核验；并且
- 仅在通过上述检查后，才启动翻译流程。
切勿直接上传原件并要求翻译工具“忽略涂黑部分”。具有版面感知能力的翻译器、OCR 处理程序、格式转换工具或审校人员，都有可能读取到页面预览中未显示的底层对象。
黑色色块下可能依然保留着机密
PDF 页面由文本、图像、绘图指令、批注及其他对象构成。绘制一个不透明的矩形只会改变阅读器在顶层渲染的内容，并不一定会删除先一步绘制的底层内容。
我们的合成测试样本在源文本行中包含了一个虚构的标记值 BT-REDACT-9472 。不安全的版本只是在该行上方绘制了一个黑色矩形，并在以下三个位置故意保留了该标记值：
- 页面可提取的文本中；
- 文档元数据中；以及
- 文本注释中。
安全的测试样本则在重建时彻底移除了该标记值。审查程序会检查提取的文本、元数据、注释以及解码后的页面内容流。
| 测试样本 | 外观是否遮盖 | 提取文本 | 元数据 | 注释 | 审查结果 |
|---|---|---|---|---|---|
| 源文档 | 否 | 存在标记值 | 正常 | 无 | 符合预期的源文档 |
| 不安全的黑块遮挡 | 是 | 存在标记值 | 存在标记值 | 存在标记值 | 未通过 |
| 安全工作副本 | 是 | 哨兵标记不存在 | 哨兵标记不存在 | 无 | 通过所声明的检查 |
查看 CSV 审计报告 或 JSON 审计报告，然后使用 生成器重现它。这只是一个测试夹具，并非某款商业涂黑脱敏或翻译产品通过测试的凭据。
通过的范围也是严格限定的。它并不能证明所有潜在的 PDF 对象都绝对安全、数字签名依然有效，或者该文件符合法院、监管机构、客户或组织的规定。
在编辑前建立脱敏清单
不要一开始只搜索某个人的名字。应彻底排查可能泄露受限信息的每一个载体层面。
| 载体层面 | 排查内容 | 为何翻译可能导致泄密 |
|---|---|---|
| 可见文本 | 姓名、证件号、地址、条款、表格单元格 | 文本提取工具可能读取到视觉遮罩背后的底层文字 |
| 图像与扫描件 | 人脸、签名、手写笔记、截图 | OCR 仍可从像素中识别并恢复文字 |
| OCR 文本层 | 位于页面图像背后的已识别文本 | 页面外观看似安全，但复制出的文本仍会泄密 |
| 批注与注释 | 便签、回复、作者姓名、审阅文本 | 它们可能会被单独处理或单独保留 |
| 元数据 | 标题、主题、关键词、作者、自定义属性 | 脱离可见页面独立存在并随文件传播 |
| 附件 | 内嵌的电子表格、源文件、证物附件 | 表面干净的主页面可能夹带不安全的文件 |
| 书签与链接 | 标签名称、跳转目标、URL | 标签或链接目标中可能包含受限名称 |
| 图层与隐藏对象 | 备用图稿、隐藏文本、被裁剪的内容 | 不同的阅读器和转换工具可能会将其重新暴露 |
| 表单与脚本 | 字段值、默认值、计算公式、动作触发项 | 数据可能残留在普通页面正文之外 |
Adobe 目前的 密文涂黑工作流 将标记内容与实际应用涂抹分离开来，并提供了清理隐藏信息的功能。Adobe 的 实用教程 还指出，普通文本搜索无法定位图像和线条图中的文本。因此，对于扫描材料而言，仅靠搜索是不够全面的。
如果您需要涵盖权限、服务政策、数据保留与删除等更广泛的上传前决策指导，请参阅 文档翻译隐私清单。本指南则专注于更为具体的纯技术问题：即 PDF 工作副本中是否仍然包含理应被移除的信息。
在翻译前彻底应用涂抹遮盖
请使用文档所有者批准的涂抹工具及审核流程。在 Acrobat 当前的桌面工作流中，相应的操作顺序为：选择“涂抹”工具，标记文本或图像，应用涂抹，选择是否清理隐藏信息，然后保存为新文件。界面标签可能会变，但安全合规的控制目标始终不变。
请遵循以下文件操作规范：
- 将受限源文件保持为只读状态。
- 在带有明确版本名称的副本上进行操作。
- 将所有经批准的内容标记为待删除。
- 务必实际应用涂抹；切勿停留在预览状态。
- 按所有者的要求清理相应类别的隐藏信息。
- 另存为新文件名，切勿覆盖源文件。
- 通过哈希校验或其他方式明确标识待验证的具体候选文件。
切勿仅仅因为审核人员更容易看懂目标语言，就先翻译后涂抹。这会导致违规源信息流入翻译流水线，并迫使您维护两份各自独立涂抹的文件。
将 OCR 视为第二重信息泄露面
扫描页面可能同时包含可见像素和不可见的可识别文本层。仅涂抹其中之一并不安全：
- 仅移除 OCR 文本，页面图像仍可能显示该信息；
- 仅遮盖图像，OCR 层可能仍允许通过搜索或复制来获取该信息；或者
- 在表面遮盖后运行 OCR，识别过程可能会恢复原始像素的内容。
在使用 扫描 PDF 翻译工作流。如果经批准的遮盖流程将页面转为了新的光栅图像，请务必核实随后添加了什么文本层。
上传前核验最终的工作副本
站在接收者的角度重新打开保存的候选文件。切勿核验了早期草稿，上传的却是后期的导出件。
请至少执行以下检查：
- 搜索所有已知的被遮盖字符串及其近似变体。
- 选中并复制每处遮盖区域周围的文本，将其粘贴到纯文本编辑器中。
- 在风险等级较高时，使用独立工具提取文档文本。
- 检查文档属性和自定义元数据。
- 打开注释或批注面板。
- 检查附件、书签、图层、表单字段和脚本。
- 渲染或打印一份审核副本，并仔细检查每一个涉及的页面。
- 安排第二位审核人员对高风险文件进行测试，且不得依赖第一位审核人员的核对清单记录。
搜索已知字符串可以发现泄露；但搜索结果干净并不能证明不存在未知的秘密信息。这就是为什么必须先列出清单并进行独立审核。
如果 PDF 带有数字签名，请保留已签名的源文件，并遵循接收机构制定的流程。Adobe 提供了专门用于审查签名后所做更改的 已签名版本比对功能 ；切勿暗示经过遮盖或翻译的衍生副本继承了原始签名。
翻译经核验的副本，而非母版
在所有者批准了经核验的工作副本后，请根据剩余 PDF 的特性选择翻译路径：
- 当文本可选中且排版保留至关重要时，使用标准 PDF 工作流；
- 当获批副本仅为纯图像，且可读内容比页面完全一致更重要时，使用 OCR 模式；或
- 当遮盖过程对表单、签名、无障碍结构或制作要求产生了实质性改变时，手动重新构建文档。
BookTranslator 能够处理完整的 PDF 文件，包括通过 OCR 模式处理扫描件或包含大量图像的 PDF。它 不会 执行或认证遮盖操作。OCR 模式会重新构建可读的翻译内容，可能无法保留原始页面排版、字体或字号。请仅上传已获批准的工作副本，并在付款前仔细检查任务详情。
如果这些限制条件都符合，请先在一份具有代表性的副本上使用 PDF 翻译器 。如果输出内容改变了涂黑标签的原意、遗漏了经批准的披露声明，或重构了本不应存在的内容，请立即终止操作。
对翻译后的输出文件重新进行泄漏审查
安全的源工作副本并不能自动保证后续生成的每个文件都安全。格式转换和页面重构可能会引入元数据、批注、OCR 图层、临时内容或复制的对象。
在最终翻译好的 PDF 上：
- 重新执行已知字符串搜索和文本提取；
- 检查与源工作副本相同的隐藏内容层面；
- 确认每一处涂黑遮盖均保留在预期位置；
- 检查翻译后的覆盖层标签没有披露超出批准范围的信息；
- 核实页眉、页脚、书签、附件和表单字段；
- 记录源文件和目标文件的哈希值或不可变版本号；并且
- 在通过隐私审查关口后，执行完整的 PDF 翻译质量保证清单 。
确保审计日志本身不包含任何敏感内容。仅需记录内部参考编号、批准披露的范围、文件标识符、审核人、所用工具及版本、执行的检查项、异常情况以及最终发布决策。
宁可叫停，切勿盲猜
一旦出现以下任何一种情况，切勿将文件发送翻译：
- 披露权限不明确；
- 涂黑处理仅为视觉覆盖层；
- 已标记的涂黑区域尚未正式应用生效；
- 图像内容或 OCR 文本未经检查；
- 隐藏信息未进行清点排查；
- 签名、表单、附件或图层没有明确的归属责任人；
- 最终准备上传的文件未经过独立重新打开并测试；或者
- 接收方的具体要求尚不明确。
实用的原则其实很简单：涂黑遮蔽必须让受限信息彻底脱离翻译处理流程，而不仅仅是让肉眼查看页面的人难以辨认。请务必在实际用于上传的源工作副本上验证这一点，并在翻译生成的结果中再次核实。
