Pesquisar manualmente um PDF de 200 páginas para cada número de cartão de crédito e redigir cada um individualmente é tedioso, lento e perigosamente sujeito a erros. Um único número perdido constitui uma violação de dados evitável. Editação de PDF usando correspondência de padrões automatiza esse processo, encontrando cada sequência de texto que corresponde a um formato especificado, como um número de cartão de crédito de 16 dígitos, e aplicando marcas de redação a todas as instâncias de todo o documento em uma única operação.
A correspondência de padrões, também chamada de expressão regular ou correspondência de regex, define um padrão de texto em vez de uma string específica. O padrão captura o formato de dados confidenciais sem a necessidade de saber previamente os valores exatos. Quando a ferramenta de redação é executada, ela pesquisa todo o texto do documento em busca de correspondências com o padrão, registra a posição de cada correspondência em sua página e desenha retângulos pretos opacos sobre essas posições. O texto subjacente é então removido permanentemente.
As ferramentas PDF Security da WukongPDF incluem recursos de redação baseados em padrões para remoção automatizada de dados confidenciais antes do compartilhamento ou publicação de documentos.
Como funciona a redação baseada em padrões em camadas de texto PDF
A redação baseada em padrões opera na camada de texto do PDF e não na sua aparência visual. A ferramenta extrai todo o conteúdo de texto de cada página, procura correspondências nos padrões regex especificados e registra a posição exata de cada correspondência. Em seguida, ele desenha retângulos pretos opacos sobre essas posições e remove permanentemente os caracteres de texto subjacentes, substituindo-os por espaços em branco que não podem ser recuperados.
Uma limitação crítica da redação baseada em padrões é que ela só encontra texto armazenado como caracteres reais. Os números de cartão de crédito que existem apenas como parte de uma imagem digitalizada e não como texto selecionável não serão encontrados. Para documentos digitalizados, você deve primeiro executar o OCR para criar uma camada de texto e, em seguida, executar a redação baseada em padrão na saída do OCR. Mesmo assim, erros de OCR podem fazer com que alguns números sejam perdidos pela correspondência de padrão.
O padrão regex também deve levar em conta como o PDF armazena o texto internamente. Um número de cartão de crédito exibido como 1234 5678 9012 3456 para o leitor pode ser armazenado internamente como quatro blocos de texto separados com espaços entre eles. O padrão precisa ser flexível o suficiente para corresponder a esses limites internos, o que significa permitir espaços opcionais, hífens ou outros separadores entre grupos de dígitos.
Experimente redigir PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.
Criando padrões Regex precisos para números de cartão de crédito
Um padrão de número de cartão de crédito deve equilibrar precisão e integridade. Um padrão que corresponde exatamente ao formato 1234-5678-9012-3456 captura números escritos com hífens, mas perde os mesmos números escritos como 1234567890123456 ou 1234 5678 9012 3456. Um padrão que é muito amplo, como qualquer sequência de exatamente 16 dígitos, captura números de contas, números de telefone e outros identificadores numéricos que deveriam não ser redigido.
Crie padrões com separadores opcionais entre grupos de dígitos. A expressão que permite hífens, espaços ou nenhum separador entre cada grupo de quatro dígitos abrange os três formatos mais comuns de números de cartão de crédito. Teste o padrão em uma cópia do documento antes de realizar a redação completa. Revise cada correspondência para confirmar se o padrão encontrou todos os dados confidenciais pretendidos e não correspondeu a nada que deveria permanecer visível.
Para documentos que contêm vários tipos de dados confidenciais, crie um padrão separado para cada tipo e execute-os à medida que a redação individual passa. Os números de cartão de crédito recebem um padrão e uma passagem. Os números da Segurança Social ganham outro. Os endereços de e-mail recebem um terço. Passagens separadas com revisão individual entre elas evitam que falsos positivos de um padrão interfiram nas correspondências corretas de outro.
Passo a passo: executando a redação de padrões no Acrobat Pro
Abra o PDF no Adobe Acrobat Pro e vá em Ferramentas e depois em Redigir. Na barra de ferramentas Redigir, clique no menu suspenso ao lado de Marcar para redação e selecione Localizar texto. Insira o padrão regex no campo de pesquisa e marque a caixa Usar Expressões Regulares. O Acrobat pesquisa o documento inteiro e exibe uma lista de todas as correspondências no painel de resultados da pesquisa, organizada por número de página.
Revise cada correspondência antes de aplicar a redação. Clique em cada correspondência no painel para ir para seu local na página. Verifique se o texto correspondente contém realmente dados confidenciais que devem ser editados. Se alguma correspondência for um falso positivo, desmarque-a na lista de correspondências. Depois de analisar todas as correspondências, clique em Marcar resultados verificados para redação. O Acrobat coloca marcas de redação em todos os itens verificados. Por fim, clique em Aplicar redações na barra de ferramentas para remover permanentemente o texto marcado.
Após aplicar as redações, salve o arquivo com um novo nome que o diferencie claramente do original. O arquivo original não editado deve ser armazenado de forma segura ou destruído. O arquivo editado agora pode ser distribuído com segurança porque o texto confidencial foi permanentemente removido dos dados do documento e não apenas coberto por uma sobreposição visual.
Verificando se a redação está completa
Depois de concluído, após aplicar a redação baseada em padrões, verifique seu trabalho antes de compartilhar o documento. Abra o PDF editado e procure um número de cartão de crédito conhecido que estava presente no original. A pesquisa deve retornar zero resultados. Selecione todo o texto de cada página e copie-o para um editor de texto simples. O texto copiado não deve conter números de cartão de crédito ou números parciais.
Em fluxos de trabalho de documentos, para documentos com consequências legais ou regulatórias se a redação falhar, peça a um segundo revisor que verifique a saída de forma independente. O segundo revisor procura padrões sensíveis conhecidos e examina visualmente cada página. Um revisor independente detecta erros que o revisor original pode não perceber devido à familiaridade com o conteúdo do documento.
A inspeção visual continua necessária mesmo após a verificação automatizada. A correspondência de padrões funciona em texto selecionável. Ele não consegue detectar números de cartão de crédito que aparecem apenas em imagens, como uma fotografia de um cartão de crédito incorporada no PDF ou um número manuscrito em um formulário digitalizado. Para estes casos, é necessária a redação manual usando o modo de desenho da ferramenta Redact.
Tratamento de casos extremos e formatos fora do padrão
Os números de cartão de crédito ocasionalmente aparecem em formatos não padrão que anulam os padrões regex simples. Um número dividido em duas linhas de texto, um número escrito com espaços entre cada dígito ou um número incorporado em uma sequência numérica mais longa, como uma referência de conta, exigem refinamentos de padrão ou revisão manual.
Em fluxos de trabalho de documentos, para números que quebram linhas, estenda o padrão para permitir caracteres de nova linha como separadores opcionais entre grupos de dígitos. Para números incorporados em strings mais longas, use asserções de limite de palavra na regex para garantir que os dígitos correspondentes sejam um número independente em vez de parte de um identificador maior. Apesar destes refinamentos, uma pequena percentagem de dados sensíveis escapará sempre à detecção automatizada e exigirá identificação manual.
Documente suas descobertas durante a revisão manual para melhorar a precisão futura dos padrões. Se um determinado formato não padrão aparecer em vários documentos da mesma fonte, desenvolva um padrão que o direcione especificamente. Ao longo de sucessivos projetos de redação, a biblioteca de padrões fica mais abrangente e a carga de revisão manual diminui.
| Padrão | Partidas | Melhor para |
|---|---|---|
| \d{4}[- ]?\d{4}[- ]?\d{4}[- ]?\d{4} | Cartão de 16 dígitos com separadores opcionais | Visa, Mastercard, Descubra |
| \d{3}-\d{2}-\d{4} | Formato do número de segurança social dos EUA | Redação de SSN em documentos fiscais |
| [A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,} | Endereços de e-mail | Remoção de informações de contato |
Construindo uma biblioteca de padrões de redação reutilizáveis
As organizações que editam regularmente documentos para respostas FOIA, registros judiciais ou divulgação de registros públicos devem investir na construção de uma biblioteca de padrões reutilizáveis. Teste cada padrão em amostras representativas de documentos antes de adicioná-lo à biblioteca. Documente quais padrões funcionam para quais tipos de documentos. Compartilhe a biblioteca com toda a equipe para que cada membro aplique padrões de redação consistentes.
De uma perspectiva prática, na prática, a biblioteca de padrões deve incluir não apenas as expressões regex, mas também notas sobre quando cada padrão deve ou não ser aplicado. Um padrão para os números da Segurança Social dos EUA não deve ser aplicado a documentos provenientes de fontes fora dos EUA. Um padrão para números de cartão de crédito de 16 dígitos deve observar o risco de falsos positivos nos números de contas. Orientações claras de aplicação evitam o uso indevido de padrões em contextos onde eles não foram projetados para serem usados.
Revise e atualize a biblioteca de padrões pelo menos uma vez por ano. Os formatos de cartão de pagamento evoluem. Novos tipos de dados sensíveis emergem através da regulamentação. Padrões antigos podem desenvolver problemas de falsos positivos à medida que os formatos dos documentos mudam. Uma biblioteca de padrões mantida é um ativo organizacional vivo que melhora a cada uso.
A redação baseada em padrões transforma a tarefa tediosa e arriscada de localizar e editar manualmente cada instância de dados confidenciais em um processo automatizado com verificação humana. O padrão encontra as correspondências. O humano os confirma. Juntos, eles produzem uma qualidade de redação que nenhum deles poderia alcançar sozinho.
Arquivamento de registros de redação para auditorias de conformidade
Depois de concluído, após concluir um projeto de redação confidencial, arquive os padrões usados, o número de correspondências encontradas e redigidas e a identidade do revisor que verificou a saída. Esta documentação serve como um registro de auditoria demonstrando que um processo sistemático de redação foi seguido. No caso de uma investigação de violação de dados ou auditoria de conformidade, os registros de redação fornecem evidências de devida diligência.
Olhando isto de forma ampla, na prática, o registo de auditoria deve incluir o nome do ficheiro original, a data da redação, os padrões específicos aplicados, o número total de correspondências encontradas por padrão e o nome da pessoa que revisou e aprovou o resultado redigido. Um arquivo de texto simples ou modelo de planilha preenchido no final de cada projeto de redação leva minutos para ser preenchido e fornece valor de conformidade duradouro.
Para organizações sujeitas a regulamentações como PCI-DSS, HIPAA ou GDPR que exigem medidas específicas de proteção de dados, os procedimentos de redação documentados apoiam demonstrações de conformidade. Os procedimentos mostram que a organização possui um processo definido e repetível para remover dados confidenciais de documentos antes que eles saiam do ambiente controlado.
Experimente redigir PDF
Nenhuma instalação necessária. Funciona diretamente no seu navegador.