Cách biên tập che PDF đúng cách (ô đen thôi là chưa đủ)

Bạn cần chia sẻ một tài liệu nhưng phải giấu vài dòng nhạy cảm, một mức lương, một địa chỉ, tên một ai đó. Thế là bạn vẽ một hình chữ nhật đen lên đoạn chữ rồi gửi đi. Trông thì có vẻ đã được che. Nhưng thật ra thì không. Chính sai lầm này đã làm rò rỉ hồ sơ tòa án, lộ danh tính người cung cấp tin, và khiến nhiều chính phủ bẽ mặt, bởi chữ vẫn nằm yên trong tệp, ngay bên dưới cái ô.

Nếu bạn từng bôi đen thứ gì đó và cho rằng nó đã biến mất, bài này đáng dành ra hai phút.

Vì sao một ô đen lại thất bại

Một tệp PDF lưu nội dung của nó theo nhiều lớp. Văn bản là một thứ; một hình vẽ đặt lên trên là thứ khác. Khi bạn đặt một hình chữ nhật đen lên một câu, bạn đã thêm một họa tiết phía trên chữ, nhưng bạn chưa hề động đến bản thân các chữ đó. Chúng vẫn còn nguyên, vẫn là văn bản thật, có thể chọn được, chỉ bị giấu đi về mặt thị giác.

Bất kỳ ai cũng có thể lấy lại chúng, và đó không phải hành vi hack. Chọn vùng đó rồi sao chép. Hoặc đưa tệp qua một công cụ trích xuất văn bản. Phần chữ “đã giấu” hiện ra ngay tức thì, kèm theo cả cái ô. Hình chữ nhật đen đánh lừa mắt bạn, chứ không đánh lừa được tệp.

Bạn có thể tự chứng minh điều này. Lấy một tệp PDF mà thứ gì đó đã được che bằng một ô và trích xuất văn bản của nó. Những chữ tưởng đã bị che lại xuất hiện trong kết quả, bởi chúng chưa bao giờ bị xóa. Đó là phép thử, và cũng là lời cảnh báo.

Cũng chính cái bẫy đó với siêu dữ liệu

Ngay cả khi văn bản hiển thị đã được xử lý, một tài liệu vẫn có thể rò rỉ qua siêu dữ liệu của nó, những thuộc tính ẩn mang theo tên tác giả, lịch sử chỉnh sửa và hơn thế nữa. Che giấu thật sự nghĩa là phải nghĩ cả đến những gì ẩn trong cấu trúc của tệp, chứ không chỉ những gì hiện trên trang.

Một cách thật sự an toàn để che, ngay trong trình duyệt của bạn

Nguyên tắc đáng tin cậy: đừng che văn bản, hãy hủy nó đi. Nếu những chữ nhạy cảm không còn tồn tại dưới dạng văn bản trong tệp, thì chẳng còn gì để khôi phục. Đây là cách làm điều đó bằng các công cụ chạy trong trình duyệt, không tải gì lên:

1. Che những phần nhạy cảm. Đặt một khối đặc lên từng đoạn chữ bạn cần loại bỏ, để nó được giấu đi về mặt thị giác. Tự thân bước này chưa an toàn, chính bước tiếp theo mới là điều quan trọng.
2. Làm phẳng các trang thành ảnh. Chuyển tài liệu thành ảnh bằng PDF sang ảnh. Việc này biến mỗi trang thành một bức tranh phẳng. Hiệu ứng then chốt: văn bản thôi không còn là văn bản nữa mà trở thành điểm ảnh. Bất cứ thứ gì nằm dưới khối che của bạn giờ chỉ là một phần của bức ảnh, và khối che được tô vĩnh viễn lên trên nó.
3. Dựng lại PDF. Biến những ảnh đó trở lại thành PDF bằng ảnh sang PDF. Bạn lại có một tài liệu, nhưng là một tài liệu mà phần chữ đã che thật sự không còn tồn tại dưới dạng văn bản có thể khôi phục.
4. Kiểm chứng. Đưa kết quả qua trích xuất văn bản. Nếu những chữ nhạy cảm không xuất hiện, chúng đã thật sự biến mất. Bước kiểm tra này chính là toàn bộ mục đích, hãy làm mỗi lần.

Một đánh đổi cần biết: làm phẳng thành ảnh sẽ loại bỏ lớp văn bản thật khỏi toàn bộ tài liệu, nên cả tài liệu trở thành một bức tranh và không còn tìm kiếm được nữa. Đó chính xác là lý do phần chữ đã giấu không thể khôi phục. Nếu bạn cần phần còn lại của tài liệu vẫn tìm kiếm được, bạn có thể OCR nó sau đó, việc này dựng lại một lớp văn bản từ những gì nhìn thấy được, còn các vùng đã che, giờ chỉ là điểm ảnh đen, chẳng còn gì cho OCR đọc cả.

Vì sao việc này phải ở lại trên máy của bạn

Hãy nghĩ về thứ bạn đang che: nó vốn nhạy cảm theo định nghĩa, đó chính là lý do bạn đang giấu nó. Tải tài liệu ấy lên một công cụ “che giấu” trực tuyến nghĩa là trao bản gốc chưa được che, với phần chữ nhạy cảm còn nguyên vẹn, cho máy chủ của một kẻ xa lạ. Thứ bạn đang cố bảo vệ lại bị phơi bày ngay trong chính hành động bảo vệ nó.

reader.me chạy trong trình duyệt của bạn. Mọi bước ở trên đều diễn ra trên chính thiết bị của bạn: tệp được đọc vào bộ nhớ cục bộ, xử lý tại chỗ, rồi lưu trả lại cho bạn, không tải gì lên. Bạn có thể xác nhận điều đó bằng công cụ dành cho nhà phát triển (F12) ở thẻ Network, hoặc bằng cách làm toàn bộ quá trình khi ngoại tuyến.

Che giấu thật sự là về việc loại bỏ, không phải che đậy. Một ô đen giấu chữ khỏi mắt bạn; làm phẳng loại bỏ chữ khỏi tệp. Hãy làm tại chỗ, kiểm chứng bằng cách trích xuất văn bản mỗi một lần, và bạn có thể chia sẻ một tài liệu với sự yên tâm rằng thứ bạn đã giấu thật sự đã biến mất.