Metadane i ukryte informacje w PDF. Co może zostać po anonimizacji?

PDF może zawierać autora, komentarze, załączniki i niewidoczny tekst. Sprawdź, jakie ukryte dane usunąć przed publikacją dokumentu.

Dokument może wyglądać na prawidłowo zanonimizowany, a mimo to nadal zawierać informacje, których nie widać na ekranie. Autor pliku, komentarze, poprzednie wersje tekstu, załączniki i warstwa OCR mogą pozostać w jego strukturze. Odbiorca nie musi być specjalistą, aby część z nich odczytać.

Dlatego końcowa kontrola nie powinna ograniczać się do obejrzenia stron. Trzeba sprawdzić także to, co program przechowuje wewnątrz PDF.

Czym są metadane dokumentu?

Metadane opisują plik. Mogą obejmować tytuł, autora, organizację, program użyty do utworzenia dokumentu, datę utworzenia i modyfikacji, słowa kluczowe albo nazwę szablonu.

Nie wszystkie metadane są danymi osobowymi i nie wszystkie trzeba usuwać. Nazwa urzędu lub ogólny tytuł dokumentu mogą być prawidłowe. Problem pojawia się wtedy, gdy w polu autora pozostaje imię i nazwisko mieszkańca, login pracownika albo nazwa katalogu ujawniająca informacje o prowadzonej sprawie.

Metadane należy więc oceniać tak samo jak treść widoczną: z punktu widzenia celu publikacji i możliwości identyfikacji osoby.

Komentarze, adnotacje i historia pracy

Dokument przygotowany w Wordzie może zawierać komentarze, informacje o autorach zmian, tekst ukryty, właściwości dokumentu, niestandardowe dane XML lub wcześniejsze fragmenty pozostawione w warstwie roboczej. Microsoft udostępnia funkcję Inspektora dokumentu właśnie po to, aby wykrywać takie elementy przed udostępnieniem pliku.

Konwersja do PDF może usunąć część informacji, ale nie należy traktować jej jako uniwersalnego czyszczenia. Wynik zależy od programu i sposobu eksportu. Komentarz może zostać wydrukowany, nazwa autora może trafić do właściwości PDF, a hiperłącze zachować dane w adresie.

Bezpieczniej jest oczyścić dokument źródłowy, zaakceptować lub odrzucić śledzone zmiany, a następnie kontrolować również utworzony PDF.

Niewidoczna warstwa tekstowa

W skanie po OCR za obrazem strony znajduje się tekst. Pozwala on wyszukiwać treść i korzystać z dokumentu osobom używającym technologii wspomagających. Może też ujawnić dane, jeśli redakcja objęła wyłącznie obraz.

Podobne ryzyko powstaje, gdy dane zakryto kształtem lub kolorem tła. Użytkownik może skopiować tekst, wyłączyć warstwę albo otworzyć plik w innym programie. Widoczna czarna belka nie stanowi technicznego dowodu usunięcia informacji.

Załączniki osadzone w PDF

PDF może działać jak kontener. Wewnątrz niego mogą znajdować się inne pliki, miniatury, formularze, multimedia lub załączniki. Użytkownik oglądający główne strony może ich nie zauważyć.

Przed publikacją warto sprawdzić panel załączników i ustalić, czy wszystkie elementy są potrzebne. Osadzony oryginał dokumentu całkowicie niweczy anonimizację jego widocznej kopii.

Pola formularzy i skrypty

Wypełniony formularz PDF może przechowywać wartości w interaktywnych polach. Spłaszczenie wyglądu strony nie zawsze jest równoznaczne z usunięciem danych ze struktury pól. Plik może zawierać również akcje, odnośniki i skrypty.

Kopia publikacyjna powinna zawierać tylko elementy potrzebne odbiorcy. Aktywne formularze i działania rzadko są potrzebne w statycznym dokumencie udostępnianym w BIP.

Wersje i przyrostowy zapis PDF

Niektóre programy zapisują zmiany przyrostowo: dopisują nowy stan pliku zamiast przebudować go w całości. Z tego powodu bezpieczne narzędzia redakcyjne tworzą oczyszczoną kopię wynikową i usuwają wskazane elementy, zamiast jedynie zmienić wygląd strony.

Adobe rozróżnia redakcję widocznej treści od funkcji usuwania informacji ukrytych i oczyszczania dokumentu. To dobry sygnał organizacyjny: oba etapy należy uwzględnić w procedurze.

Jak sprawdzić dokument przed publikacją?

Praktyczna kontrola może obejmować:

  1. otwarcie właściwości dokumentu i sprawdzenie autora, tytułu oraz słów kluczowych;
  2. przejrzenie komentarzy, adnotacji, warstw i załączników;
  3. wyszukanie nazwisk, adresów i numerów, które miały zostać usunięte;
  4. skopiowanie tekstu z obszaru redakcji do prostego edytora;
  5. sprawdzenie odnośników oraz pól formularza;
  6. otwarcie pliku w innym programie;
  7. kontrolę wszystkich stron i miniatur;
  8. ponowne sprawdzenie pliku pobranego już z BIP.

Nie każdy czytnik pokazuje pełną strukturę PDF. Dlatego warto korzystać z narzędzia, które rzeczywiście wykonuje redakcję i oczyszcza dokument, a nie tylko nanosi element graficzny.

Więcej o podstawowym błędzie technicznym przeczytasz w artykule Czarny prostokąt w PDF to nie zawsze anonimizacja.

Redakt tworzy osobną kopię przeznaczoną do publikacji i pozwala zweryfikować oznaczone fragmenty przed eksportem. Sprawdź dokument w Redakt.

Źródła

Przetestuj anonimizację w systemie Redakt

Redakt to aplikacja internetowa MWC do anonimizacji PDF i skanów. AI wskazuje dane do sprawdzenia, a po Twoim zatwierdzeniu system trwale usuwa wybrane treści z dokumentu.

Wypróbuj Redakt bezpłatnie Poznaj funkcje systemu

Powiązane publikacje

Wróć do publikacji

Producent: MWC Sp. z o.o., ul. Kowalewicka 12, 60-002 Poznań, NIP 7831678932. Kontakt: info@mwc.pl.