Kaip paslėpti duomenis skenuotame PDF faile

Originalus PDF saugo tekstą kaip komandas – po vieną kiekvienam ženklui, su koordinatėmis ir šriftu. Skenas saugo po paveikslėlį kiekvienam puslapiui ir daugiau nieko. Pavardė, į kurią žiūrite, yra tamsių pikselių sankaupa JPEG faile. Failui tai toks pat objektas kaip skenerio dangčio šešėlis.

Todėl žymėjimo įrankiui nėra už ko užsikabinti. Jis skaito turinio srautą, o skenuotame puslapyje šis iš esmės sako: nupiešk šį paveikslėlį per visą plotį ir aukštį. Tai ir visas puslapis. Paieška nieko neranda, o ištraukus tekstą nieko negaunama.

Tai vienintelis atvejis, kai akivaizdžiausias būdas tinka. Keista tai girdėti šimtą kartų išgirdus, kad stačiakampiai nieko neslepia.

Tikrame skene po langeliu nėra paslėpto teksto, nes ten apskritai nėra teksto. Užpiešę užpildytą stačiakampį ant pikselių ir suplokštinę puslapį, pikselius po langeliu perrašote pačiu langeliu. Jie ne uždengiami, o nustoja egzistuoti.

Suplokštinimas būtinas. Eksportuojant kiekvienas puslapis turi būti perpieštas į naują rastrinį vaizdą su jau įdegintu stačiakampiu, o iš tų vaizdų sukuriamas naujas PDF. Jei įrankis palieka originalų skeną ir ant jo uždeda figūrą, turite juodą stačiakampį ant nepaliestos pavardės nuotraukos. Įterptus paveikslėlius iš PDF viena komanda ištrauks bet kas, kas sugalvos pabandyti.

Daugelis dokumentų, kurie atrodo kaip skenai, jau nėra gryni skenai. Skenerio programinė įranga, dokumentų valdymo sistemos ir programos su parinktimi „searchable PDF“ paleidžia OCR, o atpažintus žodžius įrašo atgal į failą kaip nematomą teksto sluoksnį, tiksliai uždėtą ant vaizdo. Puslapis atrodo taip pat. Tačiau faile jau yra ir pavardės nuotrauka, ir tikra, ištraukiama jos simbolių seka.

Užpiešę langelį ant vaizdo, pikselius paslėpėte tik akims. Teksto sluoksnis lieka nepaliestas ir nukopijuojamas kartu su tekstu. Tai ta pati juodo stačiakampio problema, tik su vaizdu po juo.

Pirmiausia tai patikrinkite. Atidarykite failą ir perbraukite pele per pagrindinio teksto eilutę. Jei ji paryškėja arba Ctrl+F randa puslapyje matomą žodį, teksto sluoksnis yra ir jį reikia pašalinti kartu su pikseliais. Tikrinkite puslapį po puslapio, nes mišrūs dokumentai įprasti: spausdintas titulinis lapas, po jo dvylika skenuotų puslapių, tada pasirašytas priedas.

Tada tą pačią patikrą atlikite su eksportuotu failu, o ne su tuo, kurį redagavote.

Stačiakampis, išsaugotas kaip PDF anotacija, yra atskiras failo objektas su savo koordinatėmis, spalva ir įrašu puslapio anotacijų sąraše. Skaityklėse jį galima spustelėti, pastumti ar ištrinti. Net jei sąsaja to neleidžia, objektas lieka failo struktūroje, o anotacijas pašalinti nesunku.

Suplokštinimas šį klausimą išsprendžia. Figūra nustoja būti objektu ir tampa tamsiais pikseliais puslapio vaizde. Nebėra ko pažymėti ar ištrinti.

Čia dažnai suklystama: spausdinimas į PDF nėra suplokštinimas. Daugumoje sistemų spausdinimo procesas tekstą vėl išveda kaip tekstą, o anotacijas palieka anotacijomis. Ieškokite nuorodų į rastravimą, suplokštinimą ar eksportą į vaizdą, o tada patikrinkite rezultatą, nepasitikėkite vien užrašu.

Kai kurie eksporto keliai sumažina raišką. Privatumui tai nekenkia, bet skenas su paslėptais duomenimis žemoje raiškoje gavėjui gali tapti neįskaitomas, todėl rezultatą apžiūrėkite prieš siųsdami, o ne tada, kai jo paprašo dar kartą.

Privatumo problema gali slypėti kitoje failo vietoje. Skenerio programos ir biuro paketai kartais įterpia kiekvieno puslapio miniatiūrą ar peržiūros vaizdą, o laipsniškai išsaugotame faile gali likti ankstesnės redakcijos. Jei peržiūra sukurta prieš užpiešiant langelį, tame pačiame dokumente keliauja maža nepaslėpto puslapio kopija. Eksportuokite į naują failą, neįrašykite ant originalo, ir bent kartą atidarykite dokumento savybes, kol failas dar neišėjo iš jūsų įrenginio.

OCR visą šį darbą padaro lengviau pakeliamą. Pirmiausia atpažinkite tekstą, tada įrankis pakankamai gerai perskaitys puslapį ir pasiūlys galimus radinius: vardus, asmens kodus, gimimo datas, sąskaitų numerius. Langeliai atsiduria tinkamose vietose, nes atpažinimas grąžina kiekvieno žodžio koordinates, ne vien nuorašą.

Tačiau OCR klysta: blyškios fakso kopijos, pakrypę puslapiai, ranka prirašytos pastabos paraštėse, penketas, perskaitytas kaip S. Radinius laikykite tik pradžia ir puslapį perskaitykite patys, nes to, ko nepamatė atpažinimas, vėliau nebepagaus niekas. Eksportas vis tiek turi suplokštinti puslapį. Tiksliai rasta pavardė nieko neduoda, jei langelis tik uždėtas ant jos.

Skenuotus puslapius hddn tvarko būtent taip: OCR veikia naršyklėje, radiniai pateikiami kaip pasiūlymai, kuriuos patvirtinate arba atmetate, o suplokštinto eksporto būdas kiekvieną puslapį perpiešia į rastrinį vaizdą su įdegintais patvirtintais langeliais. OCR puslapiuose teksto redaguoti jis atsisako, užuot apsimetęs, kad gali.

Skenas atrodo saugesnis už tekstinį PDF, nes nieko nepavyksta pažymėti, o paieška nieko neranda. Būtent šis įspūdis ir kelia riziką. Prieš užpiešdami pirmą langelį perbraukite pele per vieną eilutę ir sužinokite, ar failas tyliai nebuvo paverstas tekstu.