Image

70 Гбит/с на бумаге. А сколько выдержит NGFW?

Как удалить личные данные из PDF и проверить, что их нельзя восстановить

Как удалить личные данные из PDF и проверить, что их нельзя восстановить

Вы собираетесь отправить договор, выписку из банка или медицинскую справку. Номер паспорта, домашний адрес и телефон закрываете чёрными прямоугольниками. Сохраняете PDF, открываете ещё раз, проверяете. Всё выглядит нормально. Но получатель выделяет мышкой область под чёрной полосой, нажимает Ctrl+C и вставляет в Блокнот именно те сведения, которые вы хотели скрыть.

Причина в устройстве PDF. Чёрный прямоугольник может находиться поверх исходного текста как отдельный графический объект. Сам текст никуда не исчезает. Кроме видимых страниц, файл способен хранить имя автора, комментарии, заполненные формы, вложения и предыдущие версии содержимого.

Как удалить личные данные из PDF

Для безопасного удаления существует специальная операция Redaction. Она убирает выбранное содержимое из документа, а не просто закрывает его. Но даже после правильной обработки PDF нужно проверить. Покажу бесплатные способы для Windows и Linux, вариант с Adobe Acrobat и несколько тестов, которые позволяют обнаружить оставшиеся данные.

Почему обычное закрашивание PDF не защищает информацию

Разберём простой эксперимент. Создайте в Word или LibreOffice небольшой документ с вымышленными данными.

ФИО: Иванов Иван Иванович
 Паспорт: 1234 567890
 Телефон: +7 999 123-45-67

Экспортируйте документ в PDF. Затем откройте его в редакторе, добавьте чёрный прямоугольник поверх номера паспорта и сохраните копию обычным способом, не используя функцию удаления конфиденциальных данных.

Попробуйте выделить закрытую строку и скопировать текст. Если редактор сохранил первоначальное содержимое под новым объектом, номер паспорта появится в буфере обмена. Аналогичный результат может дать программа извлечения текста.

Правда, сработает эксперимент не во всех редакторах. Некоторые программы при сохранении автоматически преобразуют страницу в изображение. Но именно поэтому нельзя оценивать безопасность PDF по внешнему виду. Нужно знать, каким способом программа сохранила изменения.

Проблема не ограничивается текстом. Внутри PDF могут находиться сведения, которых вообще не видно на странице.

  • Метаданные. Поля Author, Creator, Title, CreationDate и другие сведения о документе.
  • Комментарии. Замечания редактора, текстовые аннотации и заметки с именами участников.
  • Поля форм. Значения интерактивных анкет, включая сведения, которые не отображаются в обычном режиме просмотра.
  • Вложения. Прикреплённые документы, изображения и другие файлы.
  • Предыдущие редакции. Старые объекты, которые иногда сохраняются при инкрементальном обновлении PDF.
  • Ссылки и закладки. Адреса электронной почты, имена, номера заявок и внутренние идентификаторы.

Отдельная ловушка связана с обрезкой страниц. Когда пользователь уменьшает видимую область инструментом Crop, содержимое за новыми границами может остаться внутри файла. Получатель иногда способен вернуть первоначальные размеры страницы и увидеть скрытую часть.

Поэтому для настоящего обезличивания требуется удалить и видимое содержимое, и потенциально опасные скрытые данные. Пароль, чёрная заливка или команда «Сохранить как» сами по себе такую задачу не решают.

Как безопасно удалить данные из PDF

Бесплатно в Windows через PDF24 Creator

Для Windows один из наиболее удобных вариантов без подписки представляет собой PDF24 Creator. Программа бесплатна для личного и коммерческого использования, работает локально и не требует загружать документы на сервер.

Нам понадобится инструмент Blacken PDF («Зачернить PDF»). Не путайте его с обычным Edit PDF, где можно нарисовать прямоугольник поверх содержимого. Специальный инструмент редакции обрабатывает затронутые страницы как изображения, чтобы закрытый текст не оставался под маской.

  1. Установите PDF24 Creator с сайта разработчика.
  2. Создайте копию исходного документа. Например, contract_work.pdf.
  3. Запустите PDF24 Toolbox и найдите инструмент Blacken PDF. Его можно найти через строку поиска по слову blacken или redact.
  4. Откройте PDF и выберите инструмент прямоугольного выделения.
  5. Закройте все конфиденциальные области. Используйте непрозрачный чёрный или белый цвет.
  6. Нажмите Create PDF («Создать PDF»), затем сохраните результат.
  7. Откройте новый файл и проверьте каждую страницу.

PDF24 преобразует обработанные страницы в растровое изображение. По умолчанию используется разрешение 150 DPI, хотя его можно изменить через настройки приложения. На документах с мелкими шрифтами качество может снизиться, поэтому готовый файл нужно просмотреть при увеличении.

Механизм обработки описан в инструкции PDF24. При этом растровое преобразование затронутых страниц не следует путать с полной очисткой всех объектов документа. Если PDF содержит вложения, комментарии или важные метаданные, их требуется проверить отдельно.

Для обычной отправки справки или договора такой способ удобен. Он не требует командной строки и подходит пользователям, которым достаточно скрыть несколько областей страницы.

LibreOffice для Windows, Linux и macOS

Ещё один бесплатный вариант предлагает LibreOffice. Особенно удобно пользоваться им, если у вас есть исходный файл DOCX, ODT или другой редактируемый документ.

Откройте исходник и выполните следующие действия.

  1. Перейдите в меню Сервис → Редактура (Tools → Redact).
  2. LibreOffice подготовит копию документа в модуле Draw.
  3. Выберите инструмент прямоугольной редактуры и отметьте личные данные.
  4. Проверьте, что выделения полностью закрывают нужные области.
  5. Нажмите Redacted Export (Black) для чёрных блоков либо Redacted Export (White) для белых.
  6. Сохраните готовый PDF отдельно от оригинала.

При таком экспорте LibreOffice заменяет закрываемое содержимое пиксельными блоками. Описание механизма есть в справке LibreOffice.

Обратите внимание на последнюю команду. Обычный Direct Export to PDF предназначен для экспорта рабочей копии и не заменяет финальный Redacted Export. Пока редактура не применена окончательно, документ нельзя считать очищенным.

Если имеется только PDF, его можно попробовать открыть в LibreOffice Draw. Однако импорт иногда меняет расположение текста, шрифты и таблицы. Для сложных договоров и документов с точной вёрсткой необходимо сравнить результат с оригиналом.

Adobe Acrobat Pro, когда нужно сохранить текст

Для регулярной работы с многостраничными документами, особенно содержащими текстовые слои, формы и комментарии, удобнее использовать Adobe Acrobat Pro. Программа позволяет удалить выбранные фрагменты, сохранив остальное содержимое доступным для поиска.

Откройте PDF и выберите All tools → Redact a PDF → Redact text and images. Выделите личные данные. Если фамилия, адрес или номер встречаются на нескольких страницах, воспользуйтесь поиском для обнаружения повторений.

Далее нажмите Apply и включите очистку скрытой информации. После применения редактуры сохраните результат под новым именем.

Для отдельной очистки используйте Redact a PDF → Sanitize document. Здесь доступны варианты Remove all и Selectively remove. Второй позволяет выбрать категории скрытых данных, которые нужно убрать. Порядок работы приведён в инструкции Adobe.

У Acrobat есть важное преимущество перед растровой пересборкой. Большая часть оставшегося текста может сохранить возможность выделения, копирования и поиска. Но очистка потенциально затрагивает вложения, комментарии и другие объекты, поэтому перед сохранением нужно оценить последствия.

Растровая пересборка PDF в Linux

Если исходный текстовый слой вообще не требуется, можно создать новый документ исключительно из очищенных изображений страниц. Такой способ не переносит исходные PDF-объекты, формы, аннотации и предыдущие редакции.

Для Debian и Ubuntu установите нужные инструменты.

sudo apt update
 sudo apt install poppler-utils img2pdf 
   tesseract-ocr tesseract-ocr-rus tesseract-ocr-eng 
   libimage-exiftool-perl

Создайте каталог для изображений и преобразуйте PDF в PNG.

mkdir -p pages
 pdftoppm -r 200 -png original.pdf pages/page

В каталоге pages появятся изображения отдельных страниц. Откройте их в GIMP или другом растровом редакторе, удалите секретные фрагменты сплошной непрозрачной заливкой и экспортируйте обратно в PNG. Работайте с самими пикселями, а не с временной полупрозрачной маской. Не оставляйте закрашиваемые данные в скрытых слоях проекта.

Теперь соберите очищенные изображения в новый PDF. Следующая команда учитывает числовой порядок страниц, включая документы с десятью и более страницами.

printf '%s0' pages/page-*.png |
   sort -zV |
   xargs -0 img2pdf -o public.pdf

Полученный public.pdf состоит из переданных изображений. Прежний текстовый слой, формы и аннотации исходного PDF в него не переносятся. Проверьте порядок страниц, читаемость мелкого шрифта и отсутствие пропущенных фрагментов.

Метод подходит для копий, предназначенных для ознакомления. Он менее удобен для больших документов, уничтожает исходную интерактивность и делает невозможным обычный поиск по тексту без повторного OCR. Если затем распознать страницы и добавить текстовый слой, передавать следует только документ, прошедший повторную проверку.

Документы с персональными данными обрабатывайте локально, особенно если они содержат паспортные сведения, банковскую или медицинскую информацию. Не загружайте чужие документы в неизвестные онлайн-редакторы. Исходные файлы и временные изображения храните в защищённом месте. Для служебных документов учитывайте требования организации и правила обращения с персональными данными.

Как проверить, что личные данные действительно удалены

Закрасить документ недостаточно. Нужно убедиться, что секретная информация отсутствует в текстовом слое, изображениях и других доступных структурах PDF. Проверять следует именно готовый файл, который вы собираетесь отправить.

Проверка 1. Выделение и копирование текста

Откройте обработанный PDF в браузере, Acrobat Reader или другом просмотрщике. Попробуйте выделить область, где раньше находились личные данные, и вставить скопированный текст в Блокнот.

Если первоначальная информация появилась, редактура выполнена неправильно. Если текст не копируется, результат обнадёживает, но ещё не доказывает безопасность. Возможно, информация сохранилась в изображении либо другом объекте документа.

Повторите проверку хотя бы в двух программах просмотра. Обращайте внимание на комментарии, всплывающие заметки и содержимое интерактивных полей.

Проверка 2. Извлечение всего доступного текста

В Linux с установленным пакетом poppler-utils выполните команду.

pdftotext -layout public.pdf extracted.txt

Полученный extracted.txt содержит текст, который удалось извлечь из PDF. Откройте его и проверьте, нет ли удалённых фамилий, номеров телефонов и адресов.

Для автоматического поиска можно использовать grep.

grep -niE 'Иванов|1234[[:space:]]*567890' extracted.txt

Замените примеры своими проверяемыми значениями. Если команда выводит совпадения, файл необходимо обработать повторно.

У этого теста есть ограничение. Программа pdftotext не распознаёт текст на обычных фотографиях и сканах. Кроме того, необычная кодировка символов может помешать извлечению текста. Поэтому следующий тест нужен даже тогда, когда extracted.txt пуст.

Проверка 3. Поиск скрытой информации на сканированных страницах через OCR

OCR, или оптическое распознавание символов, анализирует изображение и пытается определить содержащиеся на нём буквы и цифры. Метод помогает обнаружить персональные данные, оставшиеся на сканах, фотографиях или страницах без текстового слоя.

В Windows можно использовать PDF24 OCR, входящий в PDF24 Creator. Откройте готовый документ в инструменте распознавания, выберите русский язык, при необходимости добавьте английский и выполните OCR. Полученную поисковую копию используйте только для проверки, не отправляя её вместо очищенного оригинала.

В PDF24 OCR есть настройка Force OCR, которая полезна, если документ уже содержит неполный текстовый слой и программа иначе пропускает такие страницы. В первый раз для выбранного языка может потребоваться загрузка языковых файлов. Дальше распознавание доступно локально. Подробнее настройки описаны в руководстве PDF24 OCR.

В Linux можно выполнить аналогичную проверку через Tesseract. Сначала преобразуйте уже очищенный PDF в изображения.

mkdir -p check
 pdftoppm -r 250 -png public.pdf check/page

Затем запустите распознавание всех полученных страниц.

: > check/ocr.txt
 
 for image in check/page-*.png; do
   tesseract "$image" stdout -l rus+eng >> check/ocr.txt
 done

Проверьте файл check/ocr.txt или выполните поиск.

grep -niE 'Иванов|1234|567890' check/ocr.txt

Если распознавание обнаружило скрываемые сведения, осмотрите соответствующие страницы. Однако OCR иногда ошибается в цифрах, пропускает мелкий текст или неправильно распознаёт повёрнутые строки. Неудачный результат поиска нельзя трактовать как доказательство отсутствия персональных данных.

При работе со сложными сканами полезно дополнительно проверить QR-коды и штрихкоды. Они могут содержать идентификаторы, ссылки и другие сведения, которые не распознаются обычным OCR.

Проверка 4. Метаданные, вложения и скрытые элементы

В Linux изучите свойства готового PDF.

pdfinfo public.pdf
 pdfinfo -meta public.pdf
 exiftool -a -G1 -s public.pdf

pdfinfo показывает основные свойства документа, включая сведения из словаря Info. Параметр -meta позволяет просмотреть поток XMP-метаданных, если он присутствует. ExifTool помогает обнаружить дополнительные поля.

Ищите фамилии, названия внутренних проектов, адреса электронной почты и сведения об организации. Название PDF-редактора само по себе обычно не опасно, но поле Author иногда раскрывает личность автора.

Проверьте стандартные вложения.

pdfdetach -list public.pdf

Если программа обнаружила вложенные файлы, убедитесь, что они действительно нужны получателю. Отсутствие вложений в списке не гарантирует отсутствия всех возможных встроенных объектов.

Дополнительно выполните следующие команды.

pdfinfo public.pdf
 pdfinfo -js public.pdf

Первая команда среди прочего показывает наличие форм и признак JavaScript. Вторая выводит обнаруживаемый JavaScript из PDF. Интерактивные элементы и сценарии не обязательно содержат личные данные, но в документе для публичной отправки их присутствие заслуживает отдельной проверки.

В Windows часть такой информации можно посмотреть через свойства файла в PDF-просмотрщике. Но стандартное окно свойств показывает далеко не все метаданные, поэтому для чувствительных документов лучше использовать специализированные инструменты.

Есть ещё один нюанс. Программа ExifTool умеет изменять метаданные PDF, но использует инкрементальные обновления. Старые значения могут сохраняться внутри файла. Поэтому простая команда очистки метаданных через ExifTool не является гарантией безвозвратного удаления. Разработчик прямо предупреждает об этом в описании формата PDF.

Если метаданные изменялись через ExifTool, старые редакции можно исключить при переписывании документа утилитой qpdf.

qpdf --linearize edited.pdf rewritten.pdf

Но qpdf не является инструментом удаления личных данных из действующих страниц. Если фамилия или номер паспорта остались в актуальном содержимом документа, переписывание PDF их не уничтожит.

Для комплексной проверки сложных файлов существуют специальные средства анализа объектов PDF, но обычному пользователю зачастую разумнее заново сформировать очищенную копию из изображений, чем пытаться исследовать всю внутреннюю структуру подозрительного документа.

Проверка 5. Постраничный осмотр

Последняя проверка самая простая и при этом обязательная. Откройте PDF в другой программе просмотра и увеличьте масштаб до 200–400%.

Посмотрите, не осталось ли фамилий в колонтитулах, номеров документов на соседних страницах, подписей на фотографиях, реквизитов в таблицах, идентификаторов в QR-кодах и личной информации внутри скриншотов. Если некоторые страницы не были обработаны, проверьте их особенно внимательно.

Сравните готовую версию с оригиналом. После растрового преобразования текст может стать менее чётким, а после импорта в LibreOffice иногда меняется вёрстка. Для договоров, официальных справок и финансовых документов такие ошибки могут оказаться критичными.

Перед отправкой полезно пройти короткий контрольный список.

  • Все личные сведения закрыты, включая повторения на других страницах.
  • Скрытый текст не обнаружен при копировании и извлечении.
  • OCR и визуальный осмотр не выявили пропущенных данных.
  • В метаданных и вложениях нет информации, которую нужно скрыть.
  • Страницы не перепутаны, текст читается, необходимые сведения сохранены.
  • Получателю будет отправлена очищенная копия, а не исходный файл.

Чего нельзя делать и какие ограничения остаются

Некоторые популярные способы создают ощущение безопасности, но не решают задачу полностью.

Действие Почему может быть опасно
Нарисовать прямоугольник поверх текста Исходные символы могут остаться под графическим объектом
Размыть или пикселизировать данные Часть признаков исходного изображения может сохраниться
Обрезать страницу Скрытая область иногда остаётся внутри PDF
Удалить только метаданные Текст, изображения, формы и вложения сохраняются
Распечатать в новый PDF Результат зависит от драйвера и программы; скрытое содержимое может сохраниться
Поставить пароль Получатель с доступом к файлу всё равно может прочитать персональные данные

Есть и менее очевидный риск. Даже после удаления имени человек может оставаться узнаваемым по сочетанию других сведений. Например, в медицинской выписке скрыли ФИО, но оставили точную дату рождения, редкий диагноз, название клиники и время посещения. Иногда такой комбинации достаточно, чтобы определить пациента.

Поэтому перед обработкой определите, кому предназначен документ. Для передачи конкретному специалисту может быть достаточно скрыть несколько реквизитов. Для публикации в открытом доступе потребуется более глубокое обезличивание.

Отдельно учитывайте электронные подписи. Если исходный PDF подписан криптографической подписью, изменение содержимого обычно нарушает проверку целостности подписанного документа. Очищенная копия не должна выдаваться за неизменённый подписанный оригинал.

Наконец, никакая программа не удалит копии, которые уже находятся у прежних получателей, в электронной почте или облачном хранилище. Техническая очистка нового PDF не устраняет последствия предыдущего раскрытия информации.

Частые вопросы

Можно ли бесплатно удалить личные данные из PDF в Windows?

Да. Для этого подходит PDF24 Creator с инструментом Blacken PDF. Он работает локально и преобразует обработанные страницы в изображения. Другой вариант представляет собой LibreOffice с функцией Redaction и финальным Redacted Export. После сохранения нужно отдельно проверить метаданные и содержимое файла.

Можно ли восстановить текст под чёрной полосой в PDF?

Да, если полоса является отдельным графическим объектом, а исходный текст сохранился внутри PDF. Иногда его достаточно выделить и скопировать. После правильно применённой редактуры содержимое закрытой области удаляется, поэтому обычное извлечение прежнего текста становится невозможным.

Как удалить личные данные из PDF без потери остального текста?

Используйте Adobe Acrobat Pro с функцией Redact. Она позволяет удалять выбранные фрагменты, сохраняя остальной документ доступным для поиска и копирования. Растровое преобразование менее удобно, поскольку обычный текстовый слой при этом теряется.

Почему после удаления данных PDF увеличился в размере?

При преобразовании текста и векторной графики в изображения размер файла может существенно вырасти. Он зависит от числа страниц, разрешения и формата сжатия. Для большинства обычных документов можно начать с 200 DPI и увеличить разрешение, если мелкий текст плохо читается.

Можно ли проверить PDF на скрытые данные без установки программ?

Можно выполнить базовую проверку через свойства документа, выделение текста и визуальный осмотр страниц в браузере или PDF-просмотрщике. Однако обнаружить все типы метаданных, вложений и скрытых объектов таким способом нельзя. Для чувствительных документов нужны дополнительные средства анализа.

Может ли OCR восстановить закрашенный номер паспорта?

Если исходные пиксели действительно заменены сплошной непрозрачной заливкой, OCR не сможет прочитать удалённый номер. Но при слабом размытии, пикселизации или неполном закрытии символов часть информации иногда остаётся различимой. OCR полезен прежде всего для обнаружения пропущенных данных.

Нужно ли удалять все метаданные из PDF?

Не всегда. Название программы создания или формат документа обычно не раскрывают личность человека. Но поля Author, Title, Subject, комментарии и другие метаданные могут содержать ФИО, адреса и внутренние названия проектов. Для публичной копии лучше удалить ненужные персональные сведения, сохранив только информацию, необходимую получателю.

Для большинства пользователей Windows я бы выбрала бесплатный PDF24 Creator с инструментом Blacken PDF. Если нужен документ с сохранённым текстовым слоем, удобнее Adobe Acrobat Pro. LibreOffice подходит для бесплатной работы с исходными офисными файлами, а пересборка из очищенных изображений полезна, когда структура оригинального PDF больше не нужна.

В любом случае перед отправкой проверьте готовый файл. Минимальный набор включает попытку скопировать скрытый текст, извлечение содержимого, OCR для сканированных страниц, просмотр метаданных и внимательный осмотр документа. Если информация чувствительная, а уверенности в результате нет, безопаснее создать новую выписку с необходимыми сведениями, чем публиковать сомнительно очищенный оригинал.

PDF данные удаление обезличивание метаданные восстановление конфиденциальность Acrobat PDF24 LibreOffice OCR безопасность
Alt text
Обращаем внимание, что все материалы в этом блоге представляют личное мнение их авторов. Редакция SecurityLab.ru не несет ответственности за точность, полноту и достоверность опубликованных данных. Вся информация предоставлена «как есть» и может не соответствовать официальной позиции компании.

Рекламодатель
Реклама. АО «Позитив Текнолоджиз». ИНН 7718668887. 18+
Сайт рекламодателя: ptsecurity.com↗️
АО «Позитив Текнолоджиз»