手動在 200 頁的 PDF 中搜尋每個信用卡號並單獨編輯每個信用卡號是一項繁瑣、緩慢且容易出錯的危險操作。一個遺失的號碼就構成了可預防的資料外洩。使用模式匹配的PDF 密文 透過尋找與指定格式（例如 16 位元信用卡號）相符的每個文字字串來自動執行此過程，並在單一操作中將密文標記應用於整個文件中的所有實例。
模式匹配也稱為正則表達式或正則表達式匹配，定義文字模式而不是特定字串。此模式可擷取敏感資料的格式，而無需事先知道確切的值。當編輯工具運行時，它會搜尋文件中的所有文字以查找與模式的匹配項，記錄頁面上每個匹配項的位置，並在這些位置上繪製不透明的黑色矩形。然後，底層文字將永久刪除。
WukongPDF 的PDF 安全 工具包括基於模式的編輯功能，可在文件共享或發布之前自動刪除敏感資料。
基於模式的密文如何在 PDF 文字圖層上運作
以模式為基礎的編輯作用於 PDF 的文字圖層，而不是其視覺外觀。該工具從每個頁面中提取所有文字內容，根據指定的正規表示式模式搜尋匹配項，並記錄每個匹配項的確切位置。然後，它在這些位置上繪製不透明的黑色矩形，並永久刪除底層文字字符，用無法恢復的空白替換它們。
基於模式的密文的一個關鍵限制是它只能找到儲存為實際字元的文字。僅作為掃描圖像的一部分而不是作為可選文字存在的信用卡號將不會被發現。對於掃描文檔，您必須先執行 OCR 以建立文字圖層，然後對 OCR 輸出執行基於模式的密文。即使這樣，OCR 錯誤也可能導致模式匹配丟失一些數字。
正規表示式模式也必須考慮 PDF 在內部儲存文字的方式。向讀取器顯示為 1234 5678 9012 3456 的信用卡號可以在內部儲存為四個單獨的文字區塊，它們之間有空格。此模式需要足夠靈活，以跨越這些內部邊界進行匹配，這意味著允許在數字組之間使用可選的空格、連字符或其他分隔符。
為信用卡號創造精確的正規表示式模式
信用卡號碼模式必須平衡精確性和完整性。與格式 1234-5678-9012-3456 完全匹配的模式會捕獲用連字符編寫的數字，但會錯過以 1234567890123456 或 1234 5678 9012 3456 編寫的相同數字。過於寬泛的模式（例如任何恰好 16 位數字的序列）會捕獲帳號、電話號碼和其他應該包含的數字識別碼。不被編輯。
在數字組之間使用可選分隔符號建構模式。每組四位數字之間允許使用連字號、空格或無分隔符號的表達式涵蓋了三種最常見的信用卡號碼格式。在提交完整密文之前，在文件副本上測試模式。檢查每個匹配項以確認該模式找到了所有預期的敏感數據，並且與任何應保持可見的內容不符。
對於包含多種類型敏感資料的文檔，請為每種類型建立單獨的模式，並將它們作為單獨的密文傳遞運行。信用卡號碼只有一種模式和一張通行證。社會安全號碼又是一個。電子郵件地址排名第三。單獨的傳遞和單獨的審查可以防止一種模式的誤報幹擾另一種模式的正確匹配。
逐步：在 Acrobat Pro 中運行模式編輯
在 Adobe Acrobat Pro 中開啟 PDF，然後前往“工具”，然後前往“密文”。在「密文」工具列中，按一下「標記為密文」旁邊的下拉列表，然後選擇「尋找文字」。在搜尋欄位中輸入正規表示式模式，然後勾選「使用正規表示式」方塊。 Acrobat 搜尋整個文件並在搜尋結果面板中顯示每個符合項目的清單（按頁碼組織）。
在應用編輯之前查看每場比賽。點擊面板中的每個匹配項可跳到其在頁面上的位置。驗證符合的文字是否真正包含應編輯的敏感資料。如果任何符合為誤報，請在符合清單中取消選取它。查看所有符合項目後，按一下「標記已檢查結果以進行密文」。 Acrobat 在所有選取的項目上放置密文標記。最後，點擊工具列中的「套用密文」以永久刪除標記的文字。
應用密文後，將文件保存在新名稱下，以明顯區別於原始文件。原始的未編輯文件應安全儲存或銷毀。編輯後的文件現在可以安全地分發，因為敏感文字已從文件資料中永久刪除，而不僅僅是被視覺覆蓋層覆蓋。
驗證編輯是否完成
完成後，套用基於模式的密文後，在共用文件之前驗證您的工作。開啟經過編輯的 PDF 並蒐索原件中存在的已知信用卡號。搜尋應傳回零結果。選擇每個頁面上的所有文字並將其複製到純文字編輯器。複製的文字不應包含信用卡號碼或部分號碼。
在文檔工作流程中，對於如果編輯失敗會產生法律或監管後果的文檔，請讓第二個審閱者獨立驗證輸出。第二位審閱者搜尋已知的敏感模式並目視掃描每一頁。獨立審閱者會發現原始審閱者因熟悉文件內容而可能錯過的錯誤。
即使在自動驗證之後，目視檢查仍然是必要的。模式匹配適用於可選擇的文字。它無法偵測僅出現在影像中的信用卡號碼，例如嵌入 PDF 中的信用卡照片或掃描表格上的手寫號碼。對於這些情況，需要使用密文工具的繪圖模式進行手動密文。
處理邊緣情況和非標準格式
信用卡號有時會以非標準格式出現，無法滿足簡單的正規表示式模式。分成兩行文字的數字、每個數字之間有空格的數字或嵌入較長數字字串（如帳戶參考）中的數字都需要模式細化或手動審核。
在文件工作流程中，對於跨行換行的數字，請擴展模式以允許換行符號作為數字組之間的可選分隔符號。對於嵌入較長字串中的數字，請在正規表示式中使用字邊界斷言，以確保匹配的數字是獨立數字，而不是較大標識符的一部分。儘管進行了這些改進，一小部分敏感資料始終會逃避自動檢測並需要手動識別。
在手動審核期間記錄您的發現，以提高未來模式的準確性。如果特定的非標準格式出現在同一來源的多個文件中，請開發專門針對它的模式。經過連續的修訂項目，模式庫變得更加全面，人工審查負擔也減輕了。
| 模式 | 比賽 | 最適合 |
|---|---|---|
| \d{4}[- ]?\d{4}[- ]?\d{4}[- ]?\d{4} | 帶有可選分隔符號的 16 位卡 | 維薩卡、萬事達卡、發現卡 |
| \d{3}-\d{2}-\d{4} | 美國社會安全號碼格式 | 稅務文件中的 SSN 編輯 |
| [A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,} | 電子郵件地址 | 聯絡資訊刪除 |
建構可重複使用的密文模式庫
定期編輯 FOIA 回覆、法庭文件或公共記錄發布文件的組織應投資建立可重複使用的模式庫。在將其新增至庫之前，在代表性文件樣本上測試每個模式。記錄哪些模式適用於哪些文件類型。在整個團隊中共享庫，以便每個成員都應用一致的編輯標準。
從實務的角度來看，在實務中，模式庫不僅應該包括正規表示式，還應該包括每個模式何時應該套用、何時不應該套用的註解。美國社會安全號碼的模式不應應用於非美國來源的文件。 16 位信用卡號的模式應注意帳號誤報的風險。清晰的應用指南可以防止在不適合使用模式的環境中濫用模式。
至少每年審查和更新模式庫。支付卡格式不斷發展。新型敏感資料透過監管出現。隨著文件格式的變化，舊模式可能會出現誤報問題。維護的模式庫是一項活的組織資產，每次使用都會改進。
基於模式的編輯將手動尋找和編輯敏感資料的每個實例的繁瑣且危險的任務轉變為需要人工驗證的自動化過程。該模式找到匹配項。人類證實了它們。它們共同產生的編輯品質是任何一個都無法單獨實現的。
存檔合規審計的編輯記錄
完成後，在完成敏感的編輯項目後，歸檔所使用的模式、找到和編輯的匹配項數量以及驗證輸出的審閱者的身份。該文件作為審計記錄，證明遵循了系統的編輯流程。如果發生資料外洩調查或合規性審計，編輯記錄將提供盡職調查的證據。
從廣義上看，實際上，審核記錄應包括原始文件名、編輯日期、應用的特定模式、每個模式找到的匹配總數以及審查和批准編輯輸出的人員姓名。每個編輯專案結束時完成的簡單文字檔案或電子表格範本只需幾分鐘即可填寫，並提供持久的合規價值。
對於受 PCI-DSS、HIPAA 或 GDPR 等規定特定資料保護措施的法規約束的組織，記錄的修訂程序可支援合規性演示。這些程序表明，組織有一個定義的、可重複的流程，可以在文件離開受控環境之前從文件中刪除敏感資料。