Rechercher manuellement dans un PDF de 200 pages chaque numéro de carte de crédit et rédiger chacun d'entre eux individuellement est fastidieux, lent et dangereusement sujet aux erreurs. Un seul numéro manqué constitue une violation de données évitable. Rédaction PDF utilisant la correspondance de modèles automatise ce processus en recherchant chaque chaîne de texte qui correspond à un format spécifié, tel qu'un numéro de carte de crédit à 16 chiffres, et en appliquant des marques de rédaction à toutes les instances dans l'ensemble du document en une seule opération.
La correspondance de modèles, également appelée correspondance d'expressions régulières ou de regex, définit un modèle de texte plutôt qu'une chaîne spécifique. Le modèle capture le format des données sensibles sans avoir besoin de connaître les valeurs exactes au préalable. Lorsque l'outil de rédaction s'exécute, il recherche dans tout le texte du document des correspondances avec le modèle, enregistre la position de chaque correspondance sur sa page et dessine des rectangles noirs opaques sur ces positions. Le texte sous-jacent est alors définitivement supprimé.
Les outils PDF Security de WukongPDF incluent des capacités de rédaction basées sur des modèles pour la suppression automatisée des données sensibles avant le partage ou la publication de documents.
Comment fonctionne la rédaction basée sur des modèles sur les calques de texte PDF
La rédaction basée sur des modèles opère sur la couche de texte du PDF plutôt que sur son apparence visuelle. L'outil extrait tout le contenu textuel de chaque page, recherche des correspondances avec les modèles d'expression régulière spécifiés et enregistre la position exacte de chaque correspondance. Il dessine ensuite des rectangles noirs opaques sur ces positions et supprime définitivement les caractères de texte sous-jacents, en les remplaçant par un espace vide qui ne peut pas être récupéré.
Une limitation critique de la rédaction basée sur des modèles est qu'elle ne trouve que le texte stocké sous forme de caractères réels. Les numéros de carte de crédit qui existent uniquement dans le cadre d'une image numérisée plutôt que sous forme de texte sélectionnable ne seront pas trouvés. Pour les documents numérisés, vous devez d'abord exécuter l'OCR pour créer un calque de texte, puis exécuter une rédaction basée sur un modèle sur la sortie OCR. Même dans ce cas, les erreurs OCR peuvent faire manquer certains nombres lors de la correspondance de modèle.
Le modèle regex doit également tenir compte de la manière dont le PDF stocke le texte en interne. Un numéro de carte de crédit affiché sous la forme 1234 5678 9012 3456 sur le lecteur peut être stocké en interne sous forme de quatre blocs de texte distincts avec des espaces entre eux. Le modèle doit être suffisamment flexible pour correspondre à ces limites internes, ce qui signifie autoriser des espaces, des tirets ou d'autres séparateurs facultatifs entre les groupes de chiffres.
Essayez de rédiger un PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.
Création de modèles Regex précis pour les numéros de carte de crédit
Un modèle de numéro de carte de crédit doit équilibrer la précision et l’exhaustivité. Un modèle qui correspond exactement au format 1234-5678-9012-3456 détecte les nombres écrits avec des traits d'union mais manque les mêmes nombres écrits comme 1234567890123456 ou 1234 5678 9012 3456. Un modèle trop large, comme toute séquence d'exactement 16 chiffres, capture les numéros de compte, les numéros de téléphone et autres identifiants numériques qui devraient ne soit pas expurgé.
Créez des modèles avec des séparateurs facultatifs entre les groupes de chiffres. L'expression qui autorise des traits d'union, des espaces ou aucun séparateur entre chaque groupe de quatre chiffres couvre les trois formats de numéros de carte de crédit les plus courants. Testez le modèle sur une copie du document avant de vous engager dans la rédaction complète. Examinez chaque correspondance pour confirmer que le modèle a trouvé toutes les données sensibles prévues et ne correspond à rien qui devrait rester visible.
Pour les documents contenant plusieurs types de données sensibles, créez un modèle distinct pour chaque type et exécutez-les en tant que passes de rédaction individuelles. Les numéros de carte de crédit reçoivent un modèle et un laissez-passer. Les numéros de sécurité sociale en obtiennent un autre. Les adresses e-mail en reçoivent un tiers. Des passes séparées avec examen individuel entre elles empêchent les faux positifs d'un modèle d'interférer avec les correspondances correctes d'un autre.
Pas à pas : Exécution de la rédaction de modèles dans Acrobat Pro
Ouvrez le PDF dans Adobe Acrobat Pro et accédez à Outils, puis Rédiger. Dans la barre d'outils Rédiger, cliquez sur la liste déroulante en regard de Marquer pour rédaction et sélectionnez Rechercher le texte. Entrez le modèle d'expression régulière dans le champ de recherche et cochez la case Utiliser les expressions régulières. Acrobat effectue une recherche dans l'intégralité du document et affiche une liste de chaque correspondance dans le panneau des résultats de recherche, organisée par numéro de page.
Examinez chaque correspondance avant d’appliquer la rédaction. Cliquez sur chaque correspondance dans le panneau pour accéder à son emplacement sur la page. Vérifiez que le texte correspondant contient véritablement des données sensibles qui doivent être expurgées. Si une correspondance est un faux positif, décochez-la dans la liste des correspondances. Après avoir examiné toutes les correspondances, cliquez sur Marquer les résultats vérifiés pour expurgation. Acrobat place des marques de rédaction sur tous les éléments cochés. Enfin, cliquez sur Appliquer les expurgations dans la barre d'outils pour supprimer définitivement le texte marqué.
Après avoir appliqué les expurgations, enregistrez le fichier sous un nouveau nom qui le distingue clairement de l'original. Le fichier original non expurgé doit être stocké en toute sécurité ou détruit. Le fichier expurgé peut désormais être distribué en toute sécurité car le texte sensible a été définitivement supprimé des données du document, et n'est plus simplement recouvert par une superposition visuelle.
Vérifier que la rédaction est terminée
Une fois terminé, après avoir appliqué une rédaction basée sur un modèle, vérifiez votre travail avant de partager le document. Ouvrez le PDF expurgé et recherchez un numéro de carte de crédit connu qui était présent dans l'original. La recherche ne devrait renvoyer aucun résultat. Sélectionnez tout le texte de chaque page et copiez-le dans un éditeur de texte brut. Le texte copié ne doit contenir aucun numéro de carte de crédit ni numéro partiel.
Dans les flux de travail de documents, pour les documents ayant des conséquences juridiques ou réglementaires en cas d'échec de la rédaction, demandez à un deuxième réviseur de vérifier indépendamment le résultat. Le deuxième examinateur recherche les modèles sensibles connus et analyse visuellement chaque page. Un réviseur indépendant détecte les erreurs que le réviseur d'origine pourrait manquer en raison de sa familiarité avec le contenu du document.
Une inspection visuelle reste nécessaire même après une vérification automatisée. La correspondance de motifs fonctionne sur le texte sélectionnable. Il ne peut pas détecter les numéros de carte de crédit qui apparaissent uniquement dans les images, comme une photographie d'une carte de crédit intégrée dans le PDF ou un numéro manuscrit sur un formulaire numérisé. Dans ces cas, une rédaction manuelle à l'aide du mode dessin de l'outil Rédaction est requise.
Gestion des cas Edge et des formats non standards
Les numéros de carte de crédit apparaissent parfois dans des formats non standard qui vont à l’encontre des simples modèles d’expression régulière. Un nombre réparti sur deux lignes de texte, un nombre écrit avec des espaces entre chaque chiffre ou un nombre intégré dans une chaîne numérique plus longue comme une référence de compte nécessitent tous des améliorations de modèle ou une révision manuelle.
Dans les flux de travail de documents, pour les nombres qui s'étendent sur des lignes, étendez le modèle pour autoriser les caractères de nouvelle ligne comme séparateurs facultatifs entre les groupes de chiffres. Pour les nombres incorporés dans des chaînes plus longues, utilisez des assertions de limite de mot dans l'expression régulière pour garantir que les chiffres correspondants constituent un nombre autonome plutôt qu'une partie d'un identifiant plus grand. Malgré ces améliorations, un petit pourcentage de données sensibles échappera toujours à la détection automatisée et nécessitera une identification manuelle.
Documentez vos résultats lors de l'examen manuel pour améliorer la précision des modèles futurs. Si un format non standard particulier apparaît dans plusieurs documents provenant de la même source, développez un modèle qui le cible spécifiquement. Au fil des projets de rédaction successifs, la bibliothèque de modèles devient plus complète et la charge de révision manuelle diminue.
| Motif | Correspondances | Meilleur pour |
|---|---|---|
| \d{4}[- ]?\d{4}[- ]?\d{4}[- ]?\d{4} | Carte à 16 chiffres avec séparateurs en option | Visa, Mastercard, Découvrir |
| \d{3}-\d{2}-\d{4} | Format du numéro de sécurité sociale américain | Rédaction du SSN dans les documents fiscaux |
| [A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,} | Adresses e-mail | Suppression des coordonnées |
Créer une bibliothèque de modèles de rédaction réutilisables
Les organisations qui rédigent régulièrement des documents pour les réponses FOIA, les dossiers judiciaires ou la publication de documents publics devraient investir dans la création d'une bibliothèque de modèles réutilisables. Testez chaque modèle sur des échantillons de documents représentatifs avant de l'ajouter à la bibliothèque. Documentez quels modèles fonctionnent pour quels types de documents. Partagez la bibliothèque au sein de l’équipe afin que chaque membre applique des normes de rédaction cohérentes.
D'un point de vue pratique, dans la pratique, la bibliothèque de modèles devrait inclure non seulement les expressions regex, mais également des notes sur le moment où chaque modèle doit et ne doit pas être appliqué. Un modèle pour les numéros de sécurité sociale américains ne doit pas être appliqué aux documents provenant de sources non américaines. Un modèle pour les numéros de carte de crédit à 16 chiffres devrait noter le risque de faux positifs sur les numéros de compte. Des conseils d'application clairs empêchent l'utilisation abusive des modèles dans des contextes pour lesquels ils n'ont pas été conçus pour être utilisés.
Examinez et mettez à jour la bibliothèque de modèles au moins une fois par an. Les formats de cartes de paiement évoluent. De nouveaux types de données sensibles émergent grâce à la réglementation. Les anciens modèles peuvent développer des problèmes de faux positifs à mesure que les formats de documents changent. Une bibliothèque de modèles entretenue est un atout organisationnel vivant qui s’améliore à chaque utilisation.
La rédaction basée sur des modèles transforme la tâche fastidieuse et risquée consistant à rechercher et à rédiger manuellement chaque instance de données sensibles en un processus automatisé avec vérification humaine. Le modèle trouve les correspondances. L'humain les confirme. Ensemble, ils produisent une qualité de rédaction qu’aucun d’eux ne pourrait atteindre seul.
Archiver les enregistrements de caviardage pour les audits de conformité
Une fois terminé, après avoir terminé un projet de rédaction sensible, archivez les modèles utilisés, le nombre de correspondances trouvées et rédigées, ainsi que l'identité du réviseur qui a vérifié le résultat. Cette documentation sert de dossier d'audit démontrant qu'un processus de rédaction systématique a été suivi. En cas d’enquête sur une violation de données ou d’audit de conformité, les enregistrements de caviardage fournissent la preuve de la diligence raisonnable.
D'une manière générale, en pratique, le dossier d'audit doit inclure le nom du fichier d'origine, la date de rédaction, les modèles spécifiques appliqués, le nombre total de correspondances trouvées par modèle et le nom de la personne qui a examiné et approuvé le résultat expurgé. Un simple fichier texte ou un modèle de feuille de calcul complété à la fin de chaque projet de rédaction prend quelques minutes à remplir et offre une valeur de conformité durable.
Pour les organisations soumises à des réglementations telles que PCI-DSS, HIPAA ou GDPR qui imposent des mesures spécifiques de protection des données, des procédures de rédaction documentées prennent en charge les démonstrations de conformité. Les procédures montrent que l'organisation dispose d'un processus défini et reproductible pour supprimer les données sensibles des documents avant qu'ils ne quittent l'environnement contrôlé.
Essayez de rédiger un PDF
Aucune installation nécessaire. Fonctionne directement dans votre navigateur.