چطور یک PDF را درست سانسور کنیم (کادر سیاه کافی نیست)
کشیدن یک کادر سیاه روی متن حساس آن را حذف نمیکند؛ کلمهها هنوز زیرش هستند. اینجا توضیح میدهیم چرا این روش شکست میخورد و یک راه واقعاً امن برای سانسور یک PDF در مرورگرتان.
باید یک سند را به اشتراک بگذارید اما چند سطر حساس را پنهان کنید: یک حقوق، یک نشانی، نام کسی. پس یک مستطیل سیاه روی متن میکشید و میفرستید. سانسورشده به نظر میرسد. اما نیست. دقیقاً همین اشتباه پروندههای قضایی را افشا کرده، خبرچینها را لو داده و دولتها را شرمنده کرده است، چون کلمهها هنوز در فایل نشستهاند، درست زیر کادر.
اگر تا حالا چیزی را سیاه کردهاید و فرض کردهاید که از بین رفته، این یکی ارزش دو دقیقه وقت را دارد.
چرا یک کادر سیاه شکست میخورد
یک PDF محتوای خود را در لایهها نگه میدارد. متن یک چیز است؛ شکلی که روی آن کشیده میشود چیز دیگری. وقتی یک مستطیل سیاه روی یک جمله میگذارید، یک گرافیک بالای کلمهها افزودهاید، اما خودِ کلمهها را دست نزدهاید. آنها هنوز آنجا هستند، بهصورت متنِ واقعی و قابلانتخاب، که فقط بهلحاظ بصری پنهان شده است.
هرکسی میتواند آنها را بازیابی کند، و این هک کردن نیست. آن ناحیه را انتخاب و کپی کنید. یا فایل را از یک استخراجکنندهٔ متن عبور دهید. متنِ «پنهان» مستقیم بیرون میآید، با کادر و همه چیز. مستطیل سیاه چشمان شما را فریب داد، نه فایل را.
میتوانید این را به خودتان ثابت کنید. یک PDF بردارید که چیزی با کادر پوشانده شده و متنش را استخراج کنید. کلمههایی که قرار بود سانسور شده باشند در خروجی ظاهر میشوند، چون هرگز حذف نشده بودند. این همان آزمون است، و در عین حال همان هشدار.
همان تله با فراداده
حتی وقتی متن قابلمشاهده رسیدگی شده باشد، یک سند میتواند از طریق فرادادهٔ خود نشت کند، یعنی ویژگیهای پنهانی که یک نام نویسنده، تاریخچهٔ ویرایش و بیشتر را با خود حمل میکنند. سانسور واقعی یعنی اندیشیدن به آنچه در ساختار فایل هم پنهان است، نه فقط آنچه روی صفحه است.
یک راه واقعاً امن برای سانسور، در مرورگرتان
اصل قابلاتکا: متن را نپوشانید، نابودش کنید. اگر کلمههای حساس دیگر بهصورت متن در فایل وجود نداشته باشند، چیزی برای بازیابی نیست. اینجا راهی برای انجام این کار با ابزارهای مبتنی بر مرورگر است، بیآنکه چیزی آپلود شود:
- بخشهای حساس را بپوشانید. روی هر تکه متنی که باید برود یک بلوک توپُر بگذارید تا بهلحاظ بصری پنهان شود. این بهتنهایی هنوز امن نیست؛ گام بعدی است که اهمیت دارد.
- صفحهها را به تصویر تخت کنید. سند را با PDF به تصاویر به تصویر تبدیل کنید. این هر صفحه را به یک عکس تخت بدل میکند. اثر حیاتی: متن دیگر متن نیست و به پیکسل تبدیل میشود. هر چه زیر بلوک شما بود اکنون فقط بخشی از یک تصویر است، و بلوک برای همیشه رویش رنگ شده است.
- PDF را دوباره بسازید. آن تصاویر را با تصاویر به PDF دوباره به یک PDF تبدیل کنید. باز هم یک سند دارید، اما سندی که در آن متن سانسورشده واقعاً دیگر بهصورت متنِ قابلبازیابی وجود ندارد.
- تأیید کنید. نتیجه را از استخراج متن عبور دهید. اگر کلمههای حساس ظاهر نشدند، واقعاً رفتهاند. این بررسی تمام هدف کار است؛ هر بار انجامش دهید.
یک معاوضه که باید بدانید: تخت کردن به تصویر، لایهٔ متن واقعی را از کل سند حذف میکند، پس کل سند به یک عکس بدل میشود و دیگر قابلجستوجو نیست. دقیقاً به همین دلیل است که متن پنهان قابلبازیابی نیست. اگر به قابلجستوجو بودن بقیهٔ سند نیاز دارید، میتوانید بعد روی آن OCR اجرا کنید، که یک لایهٔ متن از آنچه قابلمشاهده است بازمیسازد، و نواحی سانسورشده، که اکنون فقط پیکسلهای سیاهاند، چیزی برای خواندن به OCR نمیدهند.
چرا این باید روی دستگاه شما بماند
به آنچه سانسور میکنید فکر کنید: طبق تعریف حساس است، همان دلیلی که آن را پنهان میکنید. آپلود آن سند به یک ابزار آنلاین «سانسور» یعنی سپردن نسخهٔ اصلِ سانسورنشده، با متن حساسِ کاملاً دستنخورده، به سرور یک غریبه. همان چیزی که میکوشید محافظتش کنید، درست در عملِ محافظت کردن، افشا میشود.
reader.me در مرورگر شما اجرا میشود. هر گام بالا روی دستگاه خودِ شما رخ میدهد: فایل بهصورت محلی در حافظه خوانده میشود، همانجا پردازش میشود و دوباره به شما ذخیره میشود، بیآنکه چیزی آپلود شود. میتوانید آن را با ابزارهای توسعهدهنده (F12) در زبانهٔ Network تأیید کنید، یا با انجام تمام کار بهصورت آفلاین.
سانسور واقعی دربارهٔ حذف است، نه پنهانسازی. یک کادر سیاه متن را از چشمان شما پنهان میکند؛ تخت کردن آن را از فایل حذف میکند. این کار را محلی انجام دهید، هر بار با یک استخراج متن تأیید کنید، و میتوانید یک سند را با علم به اینکه آنچه پنهان کردید واقعاً رفته است به اشتراک بگذارید.