Cara menyensor PDF agar teksnya tidak bisa dipulihkan
Bagaimana cara menghitamkan teks di PDF agar benar-benar tidak bisa dipulihkan?
Simpan alat favorit Anda
Buat akun iBuildPDF gratis untuk menyimpan alat favorit Anda dan menemukannya dengan cepat kapan saja.
Akun gratis. Alat PDF-nya sendiri tidak pernah memerlukan akun.
Jawaban singkat
Menggambar persegi hitam di atas teks tidak menghapus teks itu — kata-katanya masih ada di file di bawahnya dan langsung keluar lagi dengan salin-tempel. Sensor sungguhan berarti memusnahkan konten di bawahnya, yang dilakukan /redact-pdf dengan membangun ulang halaman yang ditandai sebagai gambar, dan Anda harus selalu memverifikasi hasilnya dengan mencoba mengambil teksnya lagi.
Versi singkatnya
PDF adalah daftar instruksi menggambar. Menambahkan persegi hitam di atas sebuah nama berarti menambahkan satu instruksi lagi: gambar persegi hitam terisi di koordinat ini. Instruksi yang menggambar nama itu masih ada di file, lebih awal di daftar yang sama. Persegi itu menutupinya secara visual tetapi tidak berbuat apa-apa padanya secara struktural.
Pilih area itu di pembaca PDF lalu salin. Nama itu ada di papan klip Anda; tidak ada yang dibobol, teksnya hanya dibaca dari file seperti pembaca mana pun membaca teks apa pun.
Sensor yang benar-benar tahan berarti membuang konten, bukan menyembunyikannya. Semua hal lain di sini berangkat dari perbedaan itu.
Mengapa kotak hitam gagal
Menurut ISO 32000-1, standar yang mendefinisikan PDF, tanda-tanda di halaman berasal dari aliran konten: rangkaian operator yang memosisikan font, menetapkan warna, dan menampilkan untaian karakter. Teks disimpan sebagai teks. Itulah yang membuat PDF bisa dicari, dan mengapa pembaca bisa memberikan kata-katanya saat Anda memilihnya.
Menutupi bukan berarti membuang
- Persegi hitam yang digambar di atas teks. Tampaknya sudah beres.
- Teksnya masih ada di file, di bawahnya. Pilih, salin, atau buka file di editor mana pun, dan teks itu ada di sana.
- Sensor yang benar membangun ulang halaman tanpa karakter-karakter itu di dalamnya.
- Kini tidak ada apa pun di bawah tanda itu, karena memang tidak ada lagi yang bisa ditemukan.
Bentuk yang digambar belakangan hanyalah satu operator lagi di aliran yang sama. Urutan pengecatan menentukan apa yang Anda lihat; tidak menentukan apa yang ada. Jadi kata-katanya bertahan melalui setiap jalan masuk ke file yang tidak melibatkan melihatnya:
- Memilih dan menyalin di pembaca PDF mana pun.
pdftotext, atau utilitas pengambil teks lain, yang sama sekali mengabaikan grafik dan mengembalikan lapisan teks.- Pencarian — dokumen masih bisa diindeks berdasarkan kata-kata yang tersembunyi, termasuk oleh mesin pencari jika diterbitkan.
- Membuka file di editor lalu menghapus perseginya, yang mengembalikan tampilan aslinya dengan tepat.
Kegagalan seperti ini sudah menyebabkan kebocoran sungguhan. Polanya berulang dalam berkas pengadilan dan rilis pemerintah: sebuah dokumen diterbitkan dengan nama atau angka yang ditutupi persegi hitam, dan dalam hitungan jam seseorang sudah menyalin teksnya begitu saja. Badan Keamanan Nasional AS menerbitkan panduan tentang cara membersihkan file PDF justru karena alasan ini, dan instruksi utamanya adalah yang di atas — menutupi konten bukan berarti membuangnya.
Hal yang sama berlaku untuk setiap variasinya. Stabilo kuning di atas teks hitam, teks putih di latar putih, kotak berwarna, atau bentuk di lapisan anotasi semuanya hanya perubahan kosmetik pada apa yang digambar; karakternya tetap ada di aliran konten dan pengambil teks mengembalikannya. Putih di atas putih adalah yang terburuk, karena bahkan tidak tampak disensor.
Apa yang benar-benar berhasil
Sensor yang benar punya satu syarat: konten yang membawa informasi sensitif tidak boleh lagi ada di file. Ada dua cara untuk mencapainya.
Cara pertama bersifat bedah — mengurai aliran konten, membuang operator penampil teks yang berada di area sensor, lalu menulis ulang alirannya. Presisi, tetapi rapuh: teks diposisikan dalam potongan-potongan yang jarang sejajar dengan kata. Jika dilakukan tidak sempurna, potongan string bisa tertinggal, dan itulah hasil terburuk yang mungkin, karena file tampak sudah disensor padahal belum.
Cara kedua adalah membangun ulang halaman sehingga objek teks aslinya sama sekali tidak ada lagi. Inilah yang dilakukan alat sensor iBuildPDF. Anda menandai area yang akan dibuang; untuk setiap halaman yang ditandai, alat ini merender halaman itu dengan PDF.js, menggambar area sensor Anda sebagai isian padat di atas piksel hasil render, lalu menulis halaman baru dari gambar itu dengan pdf-lib. Halaman yang dibangun ulang berisi satu gambar dan tidak ada operator teks. Tidak ada apa pun di bawah area hitam karena memang tidak ada apa pun di bawah apa pun — halaman itu kini hanya piksel.
Pertukarannya nyata dan Anda perlu memperhitungkannya. Di setiap halaman yang Anda sensor, semua teks tidak lagi bisa dipilih, bukan hanya bagian yang disensor. Halaman-halaman itu tidak lagi bisa dicari, disalin, atau dibaca pembaca layar, dan ukuran file biasanya bertambah, karena gambar sebuah halaman teks lebih besar daripada teksnya.
Halaman yang tidak Anda tandai dibiarkan persis seperti semula, jadi laporan 200 halaman dengan dua halaman yang disensor tetap punya 198 halaman yang bisa dicari. Jika pertukaran itu tidak bisa diterima — persyaratan aksesibilitas, atau dokumen yang harus tetap bisa dicari seluruhnya — sensorlah di sumbernya: buang teks di dokumen aslinya lalu ekspor PDF baru. Apa pun caranya, sensorlah paling akhir: mengekspor ulang dari file asli setelahnya diam-diam mengembalikan semua yang sudah Anda buang.
Memeriksa bahwa sensornya berhasil
Jangan pernah mengirim dokumen yang disensor tanpa mengujinya. Ujiannya hanya dua menit.
- Salin dan tempel. Buka file yang diunduh, pilih area yang disensor beserta margin yang cukup lebar di sekitarnya, salin, lalu tempel ke editor teks biasa. Pada halaman yang dibangun ulang dengan benar, tidak ada yang keluar, karena tidak ada teks yang bisa dipilih.
- Ambil teks seluruh dokumen. Proses hasilnya dengan PDF ke teks lalu cari string yang disensor di keluarannya. Inilah pemeriksaan yang paling penting, karena mencakup seluruh file, bukan hanya area yang kebetulan Anda pilih — termasuk halaman lain tempat nama yang sama muncul dan lupa Anda tandai. Cari juga potongannya: nama keluarganya saja, enam digit terakhir nomor rekening.
- Periksa metadatanya. Buka file di editor metadata. Istilah sensitif sering bertahan di kolom Title atau Keywords, dan Title sangat sering berupa nama file asli —
Smith-settlement-confidential.pdfmenggagalkan sensor di halaman empat tanpa perlu ada yang membaca halamannya.
Ketiga alat itu berjalan di browser Anda, jadi memverifikasi file rahasia tidak berarti mengunggahnya. Jika pencarian menemukan sesuatu, perlakukan file itu sebagai belum disensor, bukan menambalnya dengan persegi lagi.
Apa yang tidak bisa dilakukan sensor
Empat batasan, dinyatakan dengan jelas.
- Sensor hanya memengaruhi salinan yang Anda unduh. Sensor menghasilkan file baru. File aslinya tetap tidak berubah di disk Anda, dan setiap salinan yang sudah terkirim, diarsipkan, atau dicadangkan masih berisi semuanya. Jika versi yang belum disensor sudah lepas dari kendali Anda, menyensornya sekarang tidak mengubah apa pun tentang hal itu.
- Urutan penting saat merasterisasi. Membangun ulang halaman sebagai gambar hanya aman karena area sensor diisi sebelum gambarnya ditulis — piksel hitam menggantikan piksel yang menampilkan teks. Proses yang merasterisasi halaman lebih dulu lalu meletakkan persegi hitam di atas gambar hasilnya telah menciptakan ulang masalah aslinya dalam bentuk baru: kata-katanya masih ada sebagai piksel di bawah kotak itu, bisa dipulihkan siapa pun yang membuangnya. Pastikan dengan uji pengambilan teks di atas, alih-alih menganggap sebuah alat sudah benar urutannya.
- Gambar halaman masih bisa dibaca mesin. Rasterisasi menggagalkan salin-tempel dan pengambilan teks; rasterisasi tidak membuat teks lain yang masih terlihat menjadi tak terbaca bagi pengenalan karakter optik, kemampuan biasa dari perangkat lunak yang tersedia luas. Sensor melindungi konten yang ditutup, bukan sisa halamannya. iBuildPDF sendiri punya alat OCR, seperti banyak program lain — jadi ini tentang apa yang bisa dilakukan siapa pun dengan hasil Anda.
- Metadata adalah sistem yang terpisah. Kolom informasi dokumen dan blok XMP berada di luar isi halaman dan tidak tersentuh oleh apa pun yang dilakukan pada halaman. Bersihkan dengan Hapus Metadata PDF, dan lihat apa isi metadata PDF untuk mengetahui isi kolom-kolom itu.
Kebiasaan yang mencegah sebagian besar kegagalan sensor itu sederhana: anggap file itu masih berisi apa yang Anda buang, dan buat file itu membuktikan sebaliknya dengan mengambil teksnya lalu mencarinya.
Alat yang dibahas artikel ini
Sumber
Dokumentasi utama untuk klaim di atas.



