Cara menyensor PDF dengan benar

Kesalahannya, dan kenapa terus terjadi

Halaman PDF itu seperti program menggambar. Teks adalah perintah untuk menempatkan karakter tertentu di koordinat tertentu, dan kotak hitam adalah perintah lain untuk mengisi suatu area. Menggambar kotak tidak menghapus teks — kotak itu hanya digambar di atasnya. Karakternya masih ada di dalam file, di bawah kotak, dan menyeleksi area itu akan menyalinnya keluar. Alat gratis apa pun bisa mengekstraknya dalam hitungan detik.

Kesalahan ini terus terjadi karena tampilan antarmukanya seolah mengatakan semuanya berhasil. Anda menggambar kotak, kata-katanya hilang dari pandangan, Anda menyimpan file, dan hasilnya tampak persis seperti dokumen yang sudah disensor. Tidak ada error, tidak ada peringatan, dan tidak ada perbedaan yang terlihat dibandingkan sensor yang benar. Setiap kegagalan sensor yang pernah Anda baca di berita — dokumen pengadilan yang tidak tersensor, angka penyelesaian sengketa, nama saksi, laporan intelijen yang bagian hapusannya dipulihkan dalam hitungan menit — adalah ulah seseorang yang menggambar bentuk dan memercayainya.

Memberi stabilo hitam pada teks adalah kesalahan yang sama dengan wujud berbeda, begitu pula menutupinya dengan kotak putih di pengolah kata sebelum mengekspor ke PDF.

Apa yang dilakukan sensor sungguhan

Urutannya dibalik. Teksnya dihapus dari isi halaman lebih dulu, lalu kotak hitam digambar sesudahnya sebagai penanda visual bahwa di situ dulu ada sesuatu. Salin area yang disensor dan Anda tidak mendapat apa-apa, karena memang tidak ada apa-apa; ekstrak teks halamannya dan kata-kata itu memang tidak ada.

Itulah yang dilakukan Sensor PDF di sini, dan alat ini melaporkan berapa banyak potongan teks yang dihapus — ini penting, karena sensor yang tidak mengenai apa pun tampak identik dengan sensor yang berhasil. Jika Anda menggambar kotak di atas sebuah nama dan tidak ada yang terhapus, kemungkinan nama itu bagian dari gambar, bukan teks, dan perlu penanganan di paragraf berikutnya.

Teks di dalam gambar adalah masalah tersendiri

Nama di dalam halaman hasil scan, atau di dalam screenshot yang ditempel ke sebuah laporan, sama sekali bukan teks — itu piksel. Menghapus teks tidak bisa menyentuhnya, dan kotak yang digambar di atasnya adalah penutup tak efektif yang dijelaskan di atas, karena piksel di bawahnya tetap ada di data gambar.

Solusinya adalah merender ulang halaman-halaman itu dengan sensor yang sudah diterapkan, sehingga pikselnya benar-benar tidak ada lagi. Itu ada harganya, dan perlu Anda ketahui: halaman-halaman itu menjadi gambar, sehingga teks apa pun di dalamnya tidak bisa diseleksi lagi dan file-nya bertambah besar. Untuk dokumen hasil scan, tidak ada yang berubah, karena memang sudah berupa gambar. Untuk dokumen campuran, ini sebuah pertukaran.

Hal yang sama berlaku untuk gambar secara umum. Jika Anda memburamkan wajah atau pelat nomor, buat cukup kuat sehingga area itu tidak menyisakan struktur yang terlihat — peneliti pernah merekonstruksi teks dari pikselasi yang lemah dengan membuat kandidat lalu mencocokkannya. Jika Anda masih bisa menebak berapa banyak karakter di sana, berarti belum cukup kuat.

Tempat PDF menyimpan nama yang Anda lupakan

Inilah bagian yang menjebak orang yang sudah menyensor dengan benar. PDF menyimpan teks di lebih banyak tempat daripada halaman yang terlihat, dan sensor sempurna pada halaman membiarkan semua tempat itu tetap utuh.

Kerangka bookmark sering berisi judul bagian yang memuat nama. Nilai kolom formulir tetap tersimpan bahkan ketika kolomnya tidak terlihat. Lampiran file bisa berupa dokumen utuh yang tersembunyi di dalam PDF. Informasi dokumen dan paket metadata XMP membawa judul, penulis, software, dan sering kali path file aslinya — yang mengungkap nama pengguna dan struktur direktori. Komentar dan anotasi menyimpan teksnya sendiri beserta nama pembuatnya. Dan nama file itu sendiri ikut ke mana pun dokumen itu pergi.

Ada satu lagi, dan ini yang paling halus: PDF yang disimpan secara inkremental menyimpan revisi-revisi sebelumnya di dalam file yang sama. Jika dokumen diedit lalu disimpan, bukan ditulis ulang, versi lama sebuah halaman mungkin masih ada di dalamnya. Inilah alasan langkah verifikasi di bawah tidak boleh dilewatkan untuk apa pun yang penting.

Verifikasi, dan caranya

Verifikasi adalah langkah yang sering dilewatkan orang, padahal justru langkah itulah yang benar-benar melindungi Anda. Tiga pemeriksaan, dari yang paling sederhana hingga paling menyeluruh.

Buka hasilnya dan coba seleksi area yang disensor. Jika Anda bisa menyalin apa pun, berhenti. Ini menangkap kegagalan dasar dalam lima detik dan layak dilakukan setiap kali.

Lihat properti dokumen. Judul, penulis, subjek, dan kata kunci bisa dilihat di pembaca PDF mana pun lewat menu File lalu Properties. Jika kolom penulis berisi nama yang baru saja Anda hapus selama satu jam, sensor itu sia-sia.

Bangun ulang file-nya. Menjalankan hasilnya melalui alat yang menulis ulang dokumen dari apa yang benar-benar dirujuk halaman-halamannya — Ghostscript dengan gs -sDEVICE=pdfwrite, atau qpdf --empty --pages out.pdf 1-z -- — membuang objek yang tidak dirujuk dan revisi-revisi sebelumnya. Menambahkan exiftool -all:all= menghapus metadata. Untuk dokumen pengadilan atau apa pun yang wajib diungkapkan, lakukan ketiganya dan minta orang lain memeriksa.

Menghapus halaman juga bukan sensor

Ini perlu dinyatakan tersendiri, karena termasuk jenis kesalahan yang sama. Menghapus halaman dari PDF membangun dokumen baru dari halaman yang Anda pertahankan — tetapi tautan di halaman yang dipertahankan yang mengarah ke halaman yang dihapus tetap harus punya tujuan, sehingga salinan halaman yang dihapus itu ikut terbawa ke file baru sebagai objek yang tidak dirujuk oleh pohon halaman mana pun. Tidak terlihat di pembaca mana pun, tetapi ada di dalam byte-nya.

Untuk menghilangkan halaman dari pandangan, menghapus halaman sudah benar dan cukup. Untuk menghilangkan isinya sama sekali, hapus halamannya dan bangun ulang file-nya seperti di atas.