Buscar manualmente en un PDF de 200 páginas cada número de tarjeta de crédito y redactar cada uno individualmente es tedioso, lento y peligrosamente propenso a errores. Un solo número perdido constituye una violación de datos que se puede prevenir. Redacción de PDF el uso de coincidencia de patrones automatiza este proceso al encontrar cada cadena de texto que coincida con un formato específico, como un número de tarjeta de crédito de 16 dígitos, y aplicar marcas de redacción a todas las instancias en todo el documento en una sola operación.
La coincidencia de patrones, también llamada expresión regular o coincidencia de expresiones regulares, define un patrón de texto en lugar de una cadena específica. El patrón captura el formato de datos confidenciales sin necesidad de conocer los valores exactos de antemano. Cuando se ejecuta la herramienta de redacción, busca en todo el texto del documento coincidencias con el patrón, registra la posición de cada coincidencia en su página y dibuja rectángulos negros opacos sobre esas posiciones. Luego, el texto subyacente se elimina permanentemente.
Las herramientas PDF Security de WukongPDF incluyen capacidades de redacción basadas en patrones para la eliminación automática de datos confidenciales antes de compartir o publicar documentos.
Cómo funciona la redacción basada en patrones en capas de texto PDF
La redacción basada en patrones opera en la capa de texto del PDF en lugar de en su apariencia visual. La herramienta extrae todo el contenido de texto de cada página, busca coincidencias con los patrones de expresiones regulares especificados y registra la posición exacta de cada coincidencia. Luego dibuja rectángulos negros opacos sobre esas posiciones y elimina permanentemente los caracteres de texto subyacentes, reemplazándolos con espacios en blanco que no se pueden recuperar.
Una limitación crítica de la redacción basada en patrones es que solo encuentra texto almacenado como caracteres reales. No se encontrarán los números de tarjetas de crédito que existan sólo como parte de una imagen escaneada y no como texto seleccionable. Para documentos escaneados, primero debe ejecutar OCR para crear una capa de texto y luego ejecutar la redacción basada en patrones en la salida de OCR. Incluso entonces, los errores de OCR pueden hacer que la coincidencia del patrón omita algunos números.
El patrón de expresiones regulares también debe tener en cuenta cómo el PDF almacena el texto internamente. Un número de tarjeta de crédito que se muestra como 1234 5678 9012 3456 al lector se puede almacenar internamente como cuatro bloques de texto separados con espacios entre ellos. El patrón debe ser lo suficientemente flexible para coincidir a través de estos límites internos, lo que significa permitir espacios, guiones u otros separadores opcionales entre grupos de dígitos.
Pruebe Redactar PDF
No se necesita instalación. Funciona directamente en su navegador.
Creación de patrones de expresiones regulares precisos para números de tarjetas de crédito
Un patrón de número de tarjeta de crédito debe equilibrar la precisión con la integridad. Un patrón que coincide exactamente con el formato 1234-5678-9012-3456 captura números escritos con guiones pero omite los mismos números escritos como 1234567890123456 o 1234 5678 9012 3456. Un patrón que es demasiado amplio, como cualquier secuencia de exactamente 16 dígitos, captura números de cuenta, números de teléfono y otros identificadores numéricos. eso no debe ser redactado.
Cree patrones con separadores opcionales entre grupos de dígitos. La expresión que permite guiones, espacios o ningún separador entre cada grupo de cuatro dígitos cubre los tres formatos de números de tarjetas de crédito más comunes. Pruebe el patrón en una copia del documento antes de comprometerse con la redacción completa. Revise cada coincidencia para confirmar que el patrón encontró todos los datos confidenciales deseados y no coincidió con nada que debería permanecer visible.
Para documentos que contienen varios tipos de datos confidenciales, cree un patrón separado para cada tipo y ejecútelos como pases de redacción individuales. Los números de tarjetas de crédito obtienen un patrón y una pasada. Los números de Seguro Social obtienen otro. Las direcciones de correo electrónico obtienen un tercio. Los pases separados con revisión individual entre ellos evitan que los falsos positivos de un patrón interfieran con las coincidencias correctas de otro.
Paso a paso: Ejecutar la redacción de patrones en Acrobat Pro
Abra el PDF en Adobe Acrobat Pro y vaya a Herramientas y luego a Redactar. En la barra de herramientas Redactar, haga clic en el menú desplegable junto a Marcar para redacción y seleccione Buscar texto. Ingrese el patrón de expresiones regulares en el campo de búsqueda y marque la casilla Usar expresiones regulares. Acrobat busca en todo el documento y muestra una lista de cada coincidencia en el panel de resultados de búsqueda, organizada por número de página.
Revise cada coincidencia antes de aplicar la redacción. Haga clic en cada coincidencia en el panel para ir a su ubicación en la página. Verifique que el texto coincidente realmente contenga datos confidenciales que deban redactarse. Si alguna coincidencia es un falso positivo, desmárquela en la lista de coincidencias. Después de revisar todas las coincidencias, haga clic en Marcar resultados verificados para redacción. Acrobat coloca marcas de redacción sobre todos los elementos marcados. Finalmente, haga clic en Aplicar redacciones en la barra de herramientas para eliminar permanentemente el texto marcado.
Después de aplicar las redacciones, guarde el archivo con un nuevo nombre que lo distinga claramente del original. El archivo original sin editar debe almacenarse de forma segura o destruirse. El archivo redactado ahora es seguro para distribuir porque el texto confidencial se eliminó permanentemente de los datos del documento, y no solo se cubrió con una superposición visual.
Verificar que la redacción esté completa
Una vez completado, después de aplicar la redacción basada en patrones, verifique su trabajo antes de compartir el documento. Abra el PDF redactado y busque un número de tarjeta de crédito conocido que estaba presente en el original. La búsqueda debería arrojar cero resultados. Seleccione todo el texto en cada página y cópielo en un editor de texto sin formato. El texto copiado no debe contener números de tarjetas de crédito ni números parciales.
En los flujos de trabajo de documentos, para documentos con consecuencias legales o regulatorias si falla la redacción, haga que un segundo revisor verifique de forma independiente el resultado. El segundo revisor busca patrones sensibles conocidos y escanea visualmente cada página. Un revisor independiente detecta errores que el revisor original puede pasar por alto debido a su familiaridad con el contenido del documento.
La inspección visual sigue siendo necesaria incluso después de la verificación automatizada. La coincidencia de patrones funciona en texto seleccionable. No puede detectar números de tarjetas de crédito que aparecen sólo en imágenes, como una fotografía de una tarjeta de crédito incrustada en el PDF o un número escrito a mano en un formulario escaneado. Para estos casos, se requiere la redacción manual utilizando el modo de dibujo de la herramienta Redactar.
Manejo de casos extremos y formatos no estándar
Los números de tarjetas de crédito aparecen ocasionalmente en formatos no estándar que anulan patrones de expresiones regulares simples. Un número dividido en dos líneas de texto, un número escrito con espacios entre cada dígito o un número incrustado en una cadena numérica más larga, como una referencia de cuenta, requieren refinamientos de patrones o revisión manual.
En los flujos de trabajo de documentos, para los números que cruzan líneas, extienda el patrón para permitir caracteres de nueva línea como separadores opcionales entre grupos de dígitos. Para números incrustados en cadenas más largas, utilice afirmaciones de límites de palabras en la expresión regular para garantizar que los dígitos coincidentes sean un número independiente en lugar de parte de un identificador más grande. A pesar de estas mejoras, un pequeño porcentaje de datos confidenciales siempre evadirá la detección automática y requerirá identificación manual.
Documente sus hallazgos durante la revisión manual para mejorar la precisión de los patrones futuros. Si un formato particular no estándar aparece en varios documentos de la misma fuente, desarrolle un patrón que se enfoque específicamente en él. A lo largo de sucesivos proyectos de redacción, la biblioteca de patrones se vuelve más completa y la carga de revisión manual disminuye.
| Patrón | Partidos | Mejor para |
|---|---|---|
| \d{4}[- ]?\d{4}[- ]?\d{4}[- ]?\d{4} | Tarjeta de 16 dígitos con separadores opcionales | Visa, Mastercard, Descubrir |
| \d{3}-\d{2}-\d{4} | Formato del número de seguro social de EE. UU. | Redacción del SSN en documentos tributarios |
| [A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,} | Direcciones de correo electrónico | Eliminación de información de contacto |
Creación de una biblioteca de patrones de redacción reutilizable
Las organizaciones que redactan periódicamente documentos para respuestas a la FOIA, presentaciones judiciales o divulgación de registros públicos deberían invertir en la creación de una biblioteca de patrones reutilizable. Pruebe cada patrón en muestras de documentos representativos antes de agregarlos a la biblioteca. Documente qué patrones funcionan para qué tipos de documentos. Comparta la biblioteca con todo el equipo para que cada miembro aplique estándares de redacción consistentes.
Desde una perspectiva práctica, en la práctica, la biblioteca de patrones debería incluir no solo las expresiones regulares sino también notas sobre cuándo se debe y no se debe aplicar cada patrón. No se debe aplicar un patrón para los números de Seguro Social de EE. UU. a documentos de fuentes fuera de EE. UU. Un patrón para números de tarjetas de crédito de 16 dígitos debería tener en cuenta el riesgo de falsos positivos en los números de cuenta. Una guía de aplicación clara evita el uso indebido de patrones en contextos para los que no fueron diseñados para su uso.
Revisar y actualizar la biblioteca de patrones al menos una vez al año. Los formatos de tarjetas de pago evolucionan. Nuevos tipos de datos sensibles surgen a través de la regulación. Los patrones antiguos pueden desarrollar problemas de falsos positivos a medida que cambian los formatos de los documentos. Una biblioteca de patrones mantenida es un activo organizacional vivo que mejora con cada uso.
La redacción basada en patrones transforma la tediosa y arriesgada tarea de encontrar y redactar manualmente cada instancia de datos confidenciales en un proceso automatizado con verificación humana. El patrón encuentra las coincidencias. El humano los confirma. Juntos producen una calidad de redacción que ninguno de los dos podría lograr por sí solo.
Archivo de registros de redacción para auditorías de cumplimiento
Una vez completado, después de completar un proyecto de redacción confidencial, archive los patrones utilizados, la cantidad de coincidencias encontradas y redactadas y la identidad del revisor que verificó el resultado. Esta documentación sirve como registro de auditoría que demuestra que se siguió un proceso de redacción sistemático. En caso de una investigación de violación de datos o una auditoría de cumplimiento, los registros de redacción proporcionan evidencia de diligencia debida.
Considerando esto de manera amplia, en la práctica, el registro de auditoría debe incluir el nombre del archivo original, la fecha de redacción, los patrones específicos aplicados, el número total de coincidencias encontradas por patrón y el nombre de la persona que revisó y aprobó el resultado redactado. Un archivo de texto simple o una plantilla de hoja de cálculo completada al final de cada proyecto de redacción tarda unos minutos en completarse y proporciona un valor de cumplimiento duradero.
Para las organizaciones sujetas a regulaciones como PCI-DSS, HIPAA o GDPR que exigen medidas específicas de protección de datos, los procedimientos de redacción documentados respaldan las demostraciones de cumplimiento. Los procedimientos muestran que la organización tiene un proceso definido y repetible para eliminar datos confidenciales de los documentos antes de que abandonen el entorno controlado.
Pruebe Redactar PDF
No se necesita instalación. Funciona directamente en su navegador.