Скрыть данные в PDF

Почему чёрный прямоугольник — это не скрытие данных

Эта ошибка стоила людям карьеры и проигранных судебных дел, поэтому скажем прямо: чёрный прямоугольник поверх текста в PDF ничего не скрывает. Символы по-прежнему лежат в потоке содержимого страницы под прямоугольником, и любой может выделить их, скопировать или вытащить бесплатной программой секунды за четыре. Каждый громкий провал скрытия данных, о котором вы читали, — суммы мировых соглашений, имена свидетелей, незачищенные судебные документы — это документ, где кто-то нарисовал фигуру и поверил ей.

Здесь всё происходит в обратном порядке. Текст внутри вашего прямоугольника сначала удаляется из потока содержимого, а прямоугольник рисуется потом — как визуальная пометка того, где что-то было. Скопируйте скрытую область — и ничего не получите, потому что там ничего нет; извлеките текст страницы — и этих слов в нём не окажется. Вам показывается число удалённых фрагментов, чтобы скрытие, которое незаметно ничего не нашло, было видно, а не подразумевалось.

Графика — отдельная проблема с отдельным решением. Имя внутри отсканированной страницы или на скриншоте, вставленном в отчёт, — это вовсе не текст, а пиксели, и удаление текста их не затрагивает. Настройка для графики заново отрисовывает такие страницы с уже применённым скрытием, так что пиксели под прямоугольником действительно исчезают, а не прикрываются. Цена реальна, и мы говорим о ней прямо: эти страницы становятся картинками, текст на них больше нельзя выделить, а файл становится больше.

PDF хранит имена не только на странице, и остальные места здесь не затрагиваются. Закладки, значения полей форм, вложенные файлы, сведения о документе, пакет метаданных XMP и само имя файла — всё это отдельные хранилища, и имя в любом из них переживёт безупречное скрытие на странице. Как и более ранняя версия документа, если он сохранялся с дозаписью. Прежде чем отправлять такой файл куда-то, где это важно, откройте свойства документа и проверьте их, а затем пересоберите результат так, чтобы отбросить всё, на что страницы больше не ссылаются.

Если нужно другое

Когда на кону юридические последствия, используйте программы, созданные для таких ставок. Скрытие данных в Adobe Acrobat Pro работает по той же логике «сначала удалить, потом пометить» и добавляет то, чего эта страница предложить не может: шаг очистки (sanitise), который за один проход убирает метаданные, вложения, скрытые слои, скрипты и предыдущие сохранённые ревизии. Для судебного документа этот шаг обязателен.

Бесплатный аналог — конвейер из двух команд, и он действительно основателен. qpdf --qdf --object-streams=disable in.pdf out.pdf раскрывает структуру документа в виде читаемого текста, чтобы вы своими глазами убедились, что имени нет, а exiftool -all:all= out.pdf очищает метаданные. Если после них выполнить gs -sDEVICE=pdfwrite -o final.pdf out.pdf, файл будет пересобран только из того, на что действительно ссылаются страницы, а осиротевшие объекты отбросятся. Проверку люди обычно пропускают, а именно она и важна.