Cercare manualmente in un PDF di 200 pagine ogni numero di carta di credito e redigerli singolarmente è noioso, lento e pericolosamente soggetto a errori. Un singolo numero mancato costituisce una violazione dei dati prevenibile. Redazione PDF l'utilizzo della corrispondenza dei modelli automatizza questo processo trovando ogni stringa di testo che corrisponde a un formato specificato, ad esempio un numero di carta di credito a 16 cifre, e applicando segni di redazione a tutte le istanze nell'intero documento in un'unica operazione.
La corrispondenza dei modelli, chiamata anche espressione regolare o corrispondenza regex, definisce un modello di testo anziché una stringa specifica. Il modello acquisisce il formato dei dati sensibili senza la necessità di conoscere in anticipo i valori esatti. Quando lo strumento di redazione viene eseguito, cerca corrispondenze con il modello in tutto il testo del documento, registra la posizione di ciascuna corrispondenza sulla relativa pagina e disegna rettangoli neri opachi su tali posizioni. Il testo sottostante verrà quindi rimosso in modo permanente.
Gli strumenti PDF Security di WukongPDF includono funzionalità di redazione basate su modelli per la rimozione automatizzata dei dati sensibili prima della condivisione o pubblicazione dei documenti.
Come funziona la redazione basata su modelli sui livelli di testo PDF
La redazione basata su pattern agisce sul livello di testo del PDF anziché sul suo aspetto visivo. Lo strumento estrae tutto il contenuto testuale da ogni pagina, cerca corrispondenze con i modelli regex specificati e registra la posizione esatta di ciascuna corrispondenza. Quindi disegna rettangoli neri opachi su quelle posizioni e rimuove in modo permanente i caratteri del testo sottostante, sostituendoli con uno spazio vuoto che non può essere recuperato.
Una limitazione critica della redazione basata su modelli è che trova solo il testo memorizzato come caratteri effettivi. Non verranno trovati i numeri di carta di credito che esistono solo come parte di un'immagine scansionata anziché come testo selezionabile. Per i documenti scansionati, è necessario prima eseguire l'OCR per creare un livello di testo, quindi eseguire la redazione basata su pattern sull'output dell'OCR. Anche in questo caso, gli errori OCR potrebbero far sì che alcuni numeri non vengano rilevati dalla corrispondenza del modello.
Il modello regex deve anche tenere conto del modo in cui il PDF memorizza internamente il testo. Un numero di carta di credito visualizzato dal lettore come 1234 5678 9012 3456 può essere memorizzato internamente come quattro blocchi di testo separati con spazi tra di loro. Il modello deve essere sufficientemente flessibile da adattarsi a questi confini interni, il che significa consentire spazi, trattini o altri separatori facoltativi tra i gruppi di cifre.
Prova Redige PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.
Creazione di modelli Regex precisi per i numeri di carte di credito
Uno schema di numeri di carta di credito deve bilanciare precisione e completezza. Un modello che corrisponde esattamente al formato 1234-5678-9012-3456 rileva i numeri scritti con trattini ma non comprende gli stessi numeri scritti come 1234567890123456 o 1234 5678 9012 3456. Un modello troppo ampio, come qualsiasi sequenza di esattamente 16 cifre, rileva numeri di conto, numeri di telefono e altri identificatori numerici questo non dovrebbe essere cancellato.
Crea modelli con separatori opzionali tra gruppi di cifre. L'espressione che consente trattini, spazi o nessun separatore tra ciascun gruppo di quattro cifre copre i tre formati di numeri di carta di credito più comuni. Testare il modello su una copia del documento prima di impegnarsi nella redazione completa. Esamina ogni corrispondenza per confermare che il pattern abbia trovato tutti i dati sensibili previsti e non corrisponda a nulla che dovrebbe rimanere visibile.
Per i documenti contenenti più tipi di dati sensibili, creare un modello separato per ciascun tipo ed eseguirli come passaggi di redazione individuali. I numeri delle carte di credito ricevono uno schema e un passaggio. I numeri di previdenza sociale ne ottengono un altro. Gli indirizzi email ne ottengono un terzo. Passaggi separati con revisione individuale tra di loro impediscono ai falsi positivi di un modello di interferire con le corrispondenze corrette di un altro.
Passo passo: esecuzione della redazione del modello in Acrobat Pro
Apri il PDF in Adobe Acrobat Pro e vai su Strumenti, quindi Redatta. Nella barra degli strumenti Oscura, fai clic sul menu a discesa accanto a Contrassegna per oscuramento e seleziona Trova testo. Inserisci il modello regex nel campo di ricerca e seleziona la casella Usa espressioni regolari. Acrobat esegue la ricerca nell'intero documento e visualizza un elenco di ogni corrispondenza nel pannello dei risultati della ricerca, organizzato per numero di pagina.
Rivedi ogni corrispondenza prima di applicare la redazione. Fai clic su ciascuna corrispondenza nel pannello per passare alla sua posizione sulla pagina. Verifica che il testo corrispondente contenga effettivamente dati sensibili che dovrebbero essere oscurati. Se una qualsiasi corrispondenza è un falso positivo, deselezionala nell'elenco delle corrispondenze. Dopo aver esaminato tutte le corrispondenze, fare clic su Contrassegna risultati selezionati per la redazione. Acrobat posiziona i segni di redazione su tutti gli elementi selezionati. Infine, fai clic su Applica revisioni nella barra degli strumenti per rimuovere permanentemente il testo contrassegnato.
Dopo aver applicato le oscurazioni, salvare il file con un nuovo nome che lo distingua chiaramente dall'originale. Il file originale non oscurato deve essere archiviato in modo sicuro o distrutto. Il file oscurato è ora sicuro da distribuire perché il testo sensibile è stato rimosso in modo permanente dai dati del documento e non semplicemente coperto da una sovrapposizione visiva.
Verificare che l'oscuramento sia completo
Una volta completato, dopo aver applicato la redazione basata su modelli, verifica il tuo lavoro prima di condividere il documento. Apri il PDF redatto e cerca un numero di carta di credito noto che era presente nell'originale. La ricerca dovrebbe restituire zero risultati. Seleziona tutto il testo su ogni pagina e copialo in un editor di testo semplice. Il testo copiato non deve contenere numeri di carte di credito o numeri parziali.
Nei flussi di lavoro dei documenti, per i documenti con conseguenze legali o normative se la redazione fallisce, chiedere a un secondo revisore di verificare in modo indipendente l'output. Il secondo revisore cerca modelli sensibili noti ed esegue la scansione visiva di ogni pagina. Un revisore indipendente rileva errori che il revisore originale potrebbe non notare a causa della familiarità con il contenuto del documento.
L'ispezione visiva rimane necessaria anche dopo la verifica automatizzata. La corrispondenza dei modelli funziona sul testo selezionabile. Non è in grado di rilevare i numeri di carta di credito che appaiono solo nelle immagini, come una fotografia di una carta di credito incorporata nel PDF o un numero scritto a mano su un modulo digitalizzato. In questi casi è necessaria la redazione manuale utilizzando la modalità di disegno dello strumento Redazione.
Gestione dei casi limite e dei formati non standard
I numeri delle carte di credito appaiono occasionalmente in formati non standard che sconfiggono semplici schemi regex. Un numero suddiviso su due righe di testo, un numero scritto con spazi tra ogni cifra o un numero incorporato in una stringa numerica più lunga come il riferimento a un account richiedono tutti perfezionamenti del modello o revisione manuale.
Nei flussi di lavoro dei documenti, per i numeri che vanno a capo su più righe, estendere il modello per consentire caratteri di nuova riga come separatori opzionali tra gruppi di cifre. Per i numeri incorporati in stringhe più lunghe, utilizza le asserzioni di confine delle parole nella regex per garantire che le cifre corrispondenti siano un numero autonomo anziché parte di un identificatore più grande. Nonostante questi miglioramenti, una piccola percentuale di dati sensibili sfuggirà sempre al rilevamento automatico e richiederà l’identificazione manuale.
Documenta i risultati durante la revisione manuale per migliorare la precisione del modello futuro. Se un particolare formato non standard appare in più documenti provenienti dalla stessa fonte, sviluppa un modello mirato specificatamente ad esso. Nel corso dei successivi progetti di redazione, la libreria di modelli diventa più completa e il carico di revisione manuale diminuisce.
| Motivo | Corrispondenze | Ideale per |
|---|---|---|
| \d{4}[- ]?\d{4}[- ]?\d{4}[- ]?\d{4} | Tessera a 16 cifre con separatori opzionali | Visa, Mastercard, Scopri |
| \d{3}-\d{2}-\d{4} | Formato del numero di previdenza sociale degli Stati Uniti | Redazione SSN nei documenti fiscali |
| [A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,} | Indirizzi di posta elettronica | Rimozione delle informazioni di contatto |
Creazione di una libreria di modelli di redazione riutilizzabile
Le organizzazioni che redigono regolarmente documenti per risposte FOIA, documenti giudiziari o pubblicazioni di registri pubblici dovrebbero investire nella creazione di una libreria di modelli riutilizzabili. Testa ogni modello su campioni di documenti rappresentativi prima di aggiungerlo alla libreria. Documenta quali modelli funzionano per quali tipi di documenti. Condividi la libreria con tutto il team in modo che ogni membro applichi standard di redazione coerenti.
Da un punto di vista pratico, in pratica, la libreria di pattern dovrebbe includere non solo le espressioni regex ma anche note su quando ogni pattern dovrebbe e non dovrebbe essere applicato. Un modello per i numeri di previdenza sociale statunitense non deve essere applicato ai documenti provenienti da fonti non statunitensi. Uno schema per i numeri di carta di credito a 16 cifre dovrebbe tenere conto del rischio di falsi positivi sui numeri di conto. Una guida applicativa chiara previene l’uso improprio dei modelli in contesti in cui non sono stati progettati per essere utilizzati.
Rivedere e aggiornare la libreria dei modelli almeno una volta all'anno. I formati delle carte di pagamento si evolvono. Nuovi tipi di dati sensibili emergono attraverso la regolamentazione. I vecchi modelli possono sviluppare problemi di falsi positivi man mano che i formati dei documenti cambiano. Una libreria di modelli mantenuta è una risorsa organizzativa vivente che migliora ad ogni utilizzo.
La redazione basata su modelli trasforma il compito noioso e rischioso di trovare e redigere manualmente ogni istanza di dati sensibili in un processo automatizzato con verifica umana. Il modello trova le corrispondenze. L'umano li conferma. Insieme producono una qualità di redazione che nessuno dei due potrebbe raggiungere da solo.
Archiviazione dei record di oscuramento per i controlli di conformità
Una volta completato, dopo aver completato un progetto di redazione sensibile, archiviare i modelli utilizzati, il numero di corrispondenze trovate e oscurate e l'identità del revisore che ha verificato l'output. Questa documentazione funge da registrazione di audit a dimostrazione che è stato seguito un processo di redazione sistematico. In caso di indagine sulla violazione dei dati o di verifica di conformità, i registri di oscuramento forniscono prova della due diligence.
Considerando questo in generale, in pratica, il record di audit dovrebbe includere il nome del file originale, la data di redazione, i modelli specifici applicati, il numero totale di corrispondenze trovate per modello e il nome della persona che ha rivisto e approvato il risultato redatto. Un semplice file di testo o un modello di foglio di calcolo completato alla fine di ogni progetto di redazione richiede pochi minuti per essere compilato e fornisce un valore di conformità duraturo.
Per le organizzazioni soggette a normative come PCI-DSS, HIPAA o GDPR che impongono misure specifiche di protezione dei dati, procedure di redazione documentate supportano le dimostrazioni di conformità. Le procedure mostrano che l'organizzazione dispone di un processo definito e ripetibile per rimuovere i dati sensibili dai documenti prima che lascino l'ambiente controllato.
Prova Redige PDF
Nessuna installazione necessaria. Funziona direttamente nel tuo browser.