Czarny prostokąt narysowany na tekście w PDF nie usuwa danych. Plik PDF składa się z warstw, a prostokąt to tylko nowa warstwa położona nad tekstem. Nazwisko, PESEL albo numer rachunku zostają w pliku dokładnie tam, gdzie były. Żeby je odczytać, wystarczy zaznaczyć zaczernione miejsce i wkleić zawartość schowka do notatnika. Wyszukiwarka pełnotekstowa, czytnik ekranu i każdy program, który czyta warstwę tekstową, znajdą je nawet bez tego.
Skuteczne zaczernienie tekstu w PDF usuwa znaki z warstwy tekstowej, a w skanie zamalowuje fragment obrazu i zapisuje stronę na nowo. Tak działa anonimizacja PDF w Poufniku: program kasuje z pliku glify danych i w ich miejscu wstawia oznaczenie.
Gdzie w pliku PDF zostaje zakryty tekst?
Strona PDF to zestaw poleceń rysowania wykonywanych po kolei: wpisz te znaki tą czcionką w tym miejscu, narysuj tu linię, wstaw tam obraz. Gdy „zaczerniasz” fragment narzędziem do kształtów, komentarzy albo adnotacji, program dopisuje na końcu tej listy jedno polecenie: narysuj czarny prostokąt o takich współrzędnych. Polecenia, które wpisują tekst, zostają nietknięte. Przeglądarka wykonuje wszystko po kolei, więc prostokąt zasłania tekst na ekranie, a tekst nadal jest w pliku i nadal da się go zaznaczyć.
Tak samo działa biała czcionka, tło w kolorze tekstu i obrazek wklejony na dane. Dane zostają w warstwie tekstowej, zmienia się tylko ich wygląd.
W skanie dochodzi jeszcze jedna warstwa. Zeskanowana strona to obraz, a prostokąt nad obrazem nie zmienia tego, co pod spodem, więc w pliku zostaje pełny oryginał. Jeżeli skan przeszedł rozpoznawanie tekstu (OCR), ma też niewidoczną warstwę tekstową, w której dane leżą w czystej postaci i można je wyszukać albo skopiować.
Jak sprawdzić zaczernianie danych w PDF w minutę?
Wystarczą trzy próby:
- Przeciągnij myszą po zaczernionym obszarze, skopiuj go i wklej do notatnika. Jeśli zaczernienie jest pozorne, w notatniku pojawi się ukryty tekst.
- Skrótem Ctrl+F wyszukaj nazwisko albo fragment numeru, który miał zniknąć. Jeżeli przeglądarka podświetla trafienie pod prostokątem, dane są w pliku.
- Skrótem Ctrl+A zaznacz całą stronę i wklej ją do edytora. Zobaczysz całą warstwę tekstową, łącznie z tym, co miało być usunięte.
Sprawdź też metadane. We właściwościach dokumentu zostają autor, firma, data utworzenia i czasem tytuł z nazwiskiem klienta, a prostokąt na stronie ich nie zmienia. Opisuje to tekst jak usunąć metadane z pliku Word i PDF.
Co grozi, gdy plik z pozornym zaczernieniem wyjdzie z firmy?
Pozorne zaczernienie wychodzi na jaw, gdy plik dostanie ktoś, kto ma powód szukać: czytelnik Biuletynu Informacji Publicznej, strona przeciwna, dziennikarz, który złożył wniosek o informację publiczną. Ujawnienie danych w takim pliku jest naruszeniem ochrony danych osobowych. Art. 4 pkt 12 RODO definiuje je jako „naruszenie bezpieczeństwa prowadzące do przypadkowego lub niezgodnego z prawem zniszczenia, utracenia, zmodyfikowania, nieuprawnionego ujawnienia lub nieuprawnionego dostępu do danych osobowych”. Przypadkowe ujawnienie mieści się w tej definicji tak samo jak wyciek.
Z art. 33 ust. 1 RODO wynika wtedy obowiązek zgłoszenia: administrator zgłasza naruszenie organowi nadzorczemu „nie później niż w terminie 72 godzin po stwierdzeniu naruszenia”, chyba że jest mało prawdopodobne, by naruszenie skutkowało ryzykiem dla praw lub wolności osób. Gdy nazwisko i numer PESEL są w publicznie dostępnym pliku, trudno to uzasadnić. Do tego dochodzi zasada integralności i poufności z art. 5 ust. 1 lit. f oraz obowiązek testowania skuteczności zabezpieczeń z art. 32 ust. 1 lit. d, opisane na stronie o anonimizacji PDF.
Urzędy publikują umowy, uchwały i oświadczenia majątkowe codziennie, dlatego anonimizację dokumentów do BIP opisuje osobna strona.
Jak zaczernić PDF, żeby dane naprawdę zniknęły?
Niezależnie od narzędzia skuteczne zaczernienie wymaga:
- usunięcia znaków z warstwy tekstowej; w programach do PDF robi to funkcja nazywana zwykle redakcją, przy której trzeba zastosować zmiany i zapisać plik (samo narysowanie ramki niczego nie usuwa);
- zapisania skanu na nowo z zamalowanym fragmentem obrazu, bez oryginalnego obrazu w pliku i bez ukrytej warstwy OCR;
- sprawdzenia wyniku próbą kopiowania i wyszukiwania, najlepiej zanim plik wyjdzie z komputera.
Przy jednym piśmie da się to zrobić ręcznie. Przy umowie, w której ta sama osoba występuje dwadzieścia razy, aktach z kilkunastoma sygnaturami albo partii dokumentów do BIP łatwo coś przeoczyć. Poufnik robi to automatycznie. Wykrywa dane w kilkunastu kategoriach, usuwa ich glify z pliku i wstawia oznaczenie w miejscu, gdzie zaczynała się wartość, a skany renderuje na nowo. Zanim zapisze plik, sprawdza go jeszcze raz i nie zapisze go, jeśli została w nim choć jedna dana, która miała zniknąć. Każde wykrycie widzisz przed zamianą i możesz je wyłączyć, na przykład zostawić kwotę, której odbiorca potrzebuje. Różnicę między PDF z warstwą tekstową a skanem opisuje strona anonimizacja PDF za darmo.