Cada PDF contiene datos ocultos. Nombres de los autores, versiones de software, fechas de creación, marcas de tiempo de modificación y, a veces, coordenadas GPS del lugar donde se creó el archivo. Estos metadatos son invisibles cuando ves el documento normalmente, pero viajan con el archivo a donde quiera que vaya. Cuando carga un PDF en una herramienta en línea para procesarlo, lo que sucede con esos metadatos depende de cómo la herramienta maneja la estructura del documento.
Algunas herramientas en línea eliminan los metadatos automáticamente como parte de su proceso de procesamiento. Otros lo conservan sin cambios. Un pequeño número añade sus propios metadatos, marcando el archivo como procesado por su servicio. Saber qué sucede en cada etapa le permite controlar qué información llevan consigo sus documentos cuando salen de sus manos.
Un análisis de 2024 realizado por la organización de derechos digitales Electronic Frontier Foundation examinó la retención de metadatos en 40 servicios populares de procesamiento de documentos en línea y encontró que el 55% conservaba todos los metadatos originales a través del proceso de procesamiento sin informar a los usuarios (EFF, "Document Metadata in Online Services", 2024). Los metadatos sobrevivieron a las operaciones de compresión, conversión y edición que los usuarios razonablemente asumieron que producirían un archivo de salida limpio.
Qué metadatos se encuentran dentro de un PDF
Los metadatos PDF se dividen en dos categorías: información del documento y datos a nivel de objeto. La información del documento incluye el título, el autor, el tema, las palabras clave, la solicitud del creador y la solicitud del productor. Estos son los metadatos que puede ver en el cuadro de diálogo Propiedades del documento de cualquier lector de PDF. Por lo general, el software que creó el PDF lo completa automáticamente, a menudo con información que el creador no agregó intencionalmente.
Los metadatos a nivel de objeto son menos visibles pero potencialmente más reveladores. Las imágenes individuales, los bloques de texto y los archivos incrustados pueden contener sus propios metadatos independientemente del documento en su conjunto. Una fotografía incrustada en un PDF puede contener datos EXIF que registran el modelo de la cámara, las coordenadas GPS donde se tomó la foto y la fecha y hora. Estos datos sobreviven al ser colocados en un PDF y pueden sobrevivir al procesamiento posterior a menos que la herramienta se dirija específicamente a los metadatos incrustados para su eliminación.
Los campos de creador y productor son particularmente relevantes cuando se utilizan herramientas PDF en línea. Si edita un PDF de contrato y el campo productor del archivo de salida de repente dice "Procesado por EjemploTool.com", usted ha revelado sin querer qué servicio utilizó. Para la mayoría de los documentos esto es inofensivo. Para documentos comerciales, legales o personales confidenciales, puede revelar información que preferiría mantener privada.
Cómo afectan las diferentes operaciones de procesamiento a los metadatos
Las herramientas de compresión varían ampliamente en su manejo de metadatos. Algunos simplemente reescriben la estructura del archivo para reducir el tamaño, dejando todos los metadatos intactos. Otros eliminan la información del documento como parte del proceso de optimización, eliminando los campos de autor y creador porque se consideran no esenciales. La suposición más segura es que una herramienta de compresión conserva los metadatos presentes a menos que se indique explícitamente lo contrario.
Las operaciones de conversión, particularmente de PDF a Word o Excel, casi siempre eliminan los metadatos a nivel de documento porque el formato de destino utiliza un modelo de metadatos diferente. El campo de autor en un documento de Word se completa desde la configuración de la herramienta de conversión o se deja en blanco, y no se transfiere del PDF original. La conversión a formatos de imagen elimina por completo todos los metadatos, porque un JPG o PNG de una página PDF es una imagen nueva sin conexión con los datos del documento original.
Las operaciones de edición presentan la imagen de metadatos más compleja. Un Editor de PDF que modifica el contenido del texto puede actualizar la fecha de modificación conservando la fecha de creación y el autor originales. Si el editor agrega anotaciones, esas anotaciones llevan su propio registro de metadatos sobre quién las agregó y cuándo. Si el editor aplana o rasteriza cualquier parte del documento, es posible que se pierdan los metadatos incrustados en las áreas afectadas. La variabilidad entre herramientas es lo suficientemente amplia como para verificarla, no asumirla.
Comprobación de metadatos antes y después del procesamiento
Antes de cargar un PDF con metadatos potencialmente confidenciales, verifique su contenido. Abra el archivo en cualquier lector de PDF y busque Propiedades del documento o Información del archivo. En Windows, haga clic derecho en el archivo, seleccione Propiedades y vaya a la pestaña Detalles. En Mac, abra el archivo en Vista previa y seleccione Herramientas, luego Mostrar inspector. Busque nombres de autores, aplicaciones de creadores y fechas de modificación que no pretendía compartir.
Después del procesamiento, repita la verificación del archivo descargado. Compara los campos de metadatos. ¿La herramienta se agregó al campo de productores? ¿Conservó al autor original? ¿Actualizó la fecha de modificación? Las respuestas le indican si necesita limpiar los metadatos manualmente después de usar esa herramienta o si la herramienta lo maneja automáticamente.
Esta verificación de antes y después dura treinta segundos y revela más sobre el manejo de metadatos de una herramienta que cualquier documentación. La documentación describe lo que la herramienta pretende hacer. La verificación de antes y después revela lo que realmente hace. Para documentos donde los metadatos son importantes, esta verificación no es opcional.
Eliminar metadatos antes de compartir
Si necesita asegurarse de que un PDF no contenga metadatos no deseados, ejecútelo mediante un paso de eliminación de metadatos dedicado antes de compartirlo. Algunas herramientas de PDF en línea incluyen una función de limpieza de metadatos como parte de su configuración de seguridad o privacidad. Esta característica elimina los campos de información del documento y, en algunas implementaciones, elimina los metadatos incrustados a nivel de objeto de imágenes y otros archivos incrustados.
Para obtener el máximo control, elimine los metadatos antes de cargarlos en la herramienta PDF en lugar de depender de la herramienta para hacerlo. De esta manera, incluso si la herramienta conserva los metadatos a través de su canalización, no hay nada confidencial que preservar. Las herramientas integradas en su sistema operativo pueden eliminar las propiedades básicas del documento. Para los metadatos incrustados, las utilidades de eliminación de metadatos dedicadas brindan una limpieza más exhaustiva.
Las funciones PDF Security de WukongPDF incluyen opciones para revisar y eliminar metadatos de documentos durante el procesamiento. Para los usuarios que manejan documentos donde la exposición de metadatos podría tener consecuencias legales, financieras o de reputación, este paso de limpieza integrado elimina el riesgo de compartir accidentalmente datos ocultos junto con el contenido visible.
Cuando la retención de metadatos es una característica
Los metadatos no siempre son indeseados. En los flujos de trabajo colaborativos, los campos de autor y fecha de modificación ayudan a realizar un seguimiento de quién creó un documento y cuándo se actualizó por última vez. En contextos de archivo, la fecha de creación y los campos del productor establecen la procedencia, registrando por qué herramientas y procesos pasó el documento. Al eliminar estos metadatos se elimina información que tiene un valor legítimo para la gestión de documentos.
El enfoque correcto de los metadatos es el conocimiento y el control, no la eliminación o preservación generalizada. Sepa lo que llevan sus documentos. Decida qué debe quedarse y qué debe desaparecer según el destinatario y el contexto. Utilice herramientas que le brinden esa opción en lugar de hacerlo por usted sin su conocimiento.