あなたは 60 ページの契約書を持っており、それを相手方と共有する前に、クライアントの名前、住所、口座番号、その他の機密情報をすべて削除する必要があります。この名前は 30 の異なるページにわたって 47 回表示されます。それぞれの出来事を手動で見つけて編集するには 1 時間かかり、ほぼ間違いなくいくつかの出来事を見逃すことになります。検索および秘匿化機能は数秒で作業を実行し、すべての一致を見つけて 1 回の操作ですべて秘匿化します。
どの単語、語句、またはパターンを削除する必要があるかが正確にわかっている場合、検索ベースの編集は文書を無害化する最も効率的な方法です。これは、テキスト検索とコンテンツの永続的な削除を組み合わせたもので、正しく実行されると、文書内にターゲット テキストのインスタンスが残らないことが保証されます。
PDF の編集とテキスト上にブラック ボックスを描画する方法の違い
よくある危険な間違いは、編集と描画を混同することです。 PDF を開いて機密テキストの上に黒い四角形を描き、テキストが非表示になっていると考える人もいます。そうではない。黒い四角形は、ページの上部に重ねられた注釈です。元のテキストはその下のファイルにまだ残っています。注釈を非表示にできるビューアで PDF を開いたり、ページからテキストをコピーして貼り付けたりすると、編集されたと思われる情報を復元できる可能性があります。この間違いは、作成者が編集ツールの代わりに描画ツールを使用したために、裁判所への提出文書、政府文書、企業の開示情報によって編集された情報が誤って公開されるという現実世界のデータ侵害につながりました。
True PDF Redaction は、ファイルからテキストと画像データを永久に削除します。墨消しを適用すると、ツールは基になるコンテンツを PDF のデータ ストリームから削除し、その場所に不透明なオーバーレイを配置します。元の情報が消えてしまいました。注釈を非表示にしたり、テキストをコピーしたり、ファイルの内部構造を検査したりしても、これを回復することはできません。プライバシーや機密性が脅かされる文書では、真の編集が唯一許容される方法です。
ステップバイステップ: 単語が出現するたびに検索して編集する
検索ベースの編集をサポートするツールで PDF を開きます。墨消しツールには、検索と墨消しの機能が含まれています。検索したい単語または語句を入力します。このツールは文書全体を検索し、すべての出現箇所をページ番号、周囲のコンテキスト、および一致のプレビューとともにリストします。リストを確認して、すべてのインスタンスを編集することを確認します。場合によっては、ある単語が機密情報としても一般用語としても使用されます。クライアントの姓が「ライス」の場合、この文書では商品米についても説明されているため、すべてをやみくもに編集するのではなく、各一致を個別に確認する必要があります。
一致を確認した後、編集するものを選択します。個別の一致、特定のページ上のすべての一致、またはドキュメント内のすべての一致を選択できます。リダクションを適用します。このツールは、選択したテキストを永久に削除し、各位置にブラック ボックスまたは選択した編集マークを配置します。編集したファイルを新しい名前で保存します。元の編集されていないファイルは、編集されたバージョンとは別に安全に保管する必要があります。編集は元に戻せない、それがポイントです。編集済みのバージョンしか持っていない場合は、編集なしのバージョンを誤って送信することはできません。
秘匿化パターン: 電子メール アドレス、電話番号、および ID 番号
正確な言葉を超えて、多くの編集シナリオにはパターンが含まれます。文書内のすべての電子メール アドレスを削除する必要があります。 123-45-6789 形式の社会保障番号はすべて削除する必要があります。 16 桁形式のクレジット カード番号はすべて削除する必要があります。高度な墨消しツールは、正確なテキストではなくパターンを定義する正規表現 (regex) をサポートしています。 \b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b のような正規表現は、電子メール アドレスに一致します。 \b\d{3}-\d{2}-\d{4}\b のような正規表現は社会保障番号と一致します。
パターンベースの編集は強力ですが、注意が必要です。広すぎる正規表現は、編集するつもりのなかったテキストと一致します。正規表現が狭すぎると、パターンに正確に適合しないインスタンスが失われます。パターンベースのリダクションを実行した後、適用する前にすべての一致を手動で確認します。正規表現は候補を見つけます。どの候補に実際に機密情報が含まれているかは人間の判断によって決まります。 WukongPDF の PDF Editor は、墨消しの完全一致検索とパターンベースの検索の両方をサポートしており、墨消しをコミットする前にコンテキスト内で各一致を表示する一致レビュー インターフェイスを備えています。
編集が完了したことの確認
編集後、2 つのテストで結果を検証します。まず、文書を目視でスキャンします。編集された領域は、選択したオーバーレイ、ブラック ボックス、ホワイト ボックス、または [編集済み] などのカスタム テキストで明確にマークされる必要があります。機密性の高いテキストは表示されるべきではありません。次に、テキストを抽出してみます。 PDF ビューアで、Ctrl+A を押してページ上のすべてのテキストを選択し、それをコピーしてテキスト エディタに貼り付けます。貼り付けたテキストには編集された情報が含まれていてはなりません。貼り付けた出力に墨消しされたテキストが表示される場合は、墨消しが適切に適用されておらず、オーバーレイがコンテンツの永久的な削除ではなく注釈として配置されており、文書は安全ではありません。
3 番目に、編集された PDF で編集された用語を検索します。 Ctrl-F を押して、機密性の高い単語または語句を検索します。検索では結果がゼロになります。一致するものが見つかった場合、編集ではそれらが失われます。これは、テキストが選択可能なテキストとしてではなく画像として保存されている場合、またはテキストがページ コンテンツではなくドキュメントのメタデータ フィールドに表示されている場合に発生する可能性があります。画像ベースのテキストの場合は、編集されたファイルに対して OCR を実行し、OCR 出力を検索します。 OCR が編集されたと思われるテキストを認識した場合、画像は編集されておらず、テキスト レイヤーのみが編集されているため、画像レイヤーも編集する必要があります。 WukongPDF の PDF Privacy 編集ツールは、テキスト レイヤーと画像レイヤーの両方を同時に編集し、この共通のギャップを埋めます。
スキャンされたドキュメントと画像のみの PDF の編集
スキャンされた PDF では、テキストが別個のテキスト レイヤーではなく画像の一部であるため、独自の編集の課題が生じます。検索ベースの編集では画像内の単語を見つけることができません。検索するテキストがありません。スキャンした文書を墨消しするには、まず OCR を実行して検索可能なテキスト レイヤーを作成し、次にそのテキスト レイヤーを検索して墨消し領域を見つけてマークし、次に基礎となる画像に墨消しを適用する必要があります。テキスト レイヤーは、機密情報がページ上のどこにあるかを識別します。次に、墨消しツールはそれらのピクセル領域を画像から永久に削除します。
スキャンした文書を編集した後、編集されたバージョンに対して OCR を再度実行し、新しく認識されたテキストに編集された情報が含まれていないことを確認します。この二重 OCR 検証は、スキャンされたドキュメントの墨消しの最も一般的な失敗モードを捕捉します。つまり、OCR エンジンがテキストを検出し、墨消しのマークを付けましたが、墨消しの四角形がわずかに位置がずれていて、テキスト ピクセルを完全にカバーしておらず、文字の断片が見えるままになっています。決心した人が元の単語を再構築するには、文字の数ピクセルで十分です。編集された領域を 200% にズームし、ピクセルレベルで完全にカバーされていることを確認します。
徹底的な編集パスでは、単語やパターンだけでなく、ドキュメントのメタデータもチェックする必要があります。すべてのページが完全に編集された PDF でも、ドキュメントのプロパティを通じて機密情報が漏洩する可能性があります。作成者フィールドには情報が編集された人の名前が含まれている可能性があり、タイトルには機密のプロジェクト名が含まれている可能性があり、キーワード フィールドには削除されるべき用語がリストされている可能性があります。ページのコンテンツを編集した後、ドキュメントのプロパティを開き、作成者、件名、タイトル、およびキーワードのフィールドをクリアします。 PDF に埋め込み添付ファイルが含まれている場合 (サポートするスプレッドシートまたはデータ ファイルを含むレポートで発生することがあります)、それらの添付ファイルは個別に編集または削除する必要があります。これらはページレベルの編集の影響を受けません。包括的な編集チェックリストは、ページ コンテンツ、メタデータ フィールド、埋め込みファイルの 3 つの層をカバーしています。これらのレイヤーのいずれか 1 つが欠けていると、他の 2 つに適用された保護が無効になる可能性があります。