كيف تعتّم ملف PDF بالطريقة الصحيحة

كل بضع سنوات تتصدر الأخبار وثيقة قضائية أو تقرير حكومي لأن أحدهم نسخ النص «المحجوب بالأسود» مباشرة من ملف PDF. الخطأ سهل الوقوع: الصفحة تبدو معتّمة، وتُطبع معتّمة، وهي ليست كذلك. أخفينا التفاصيل في كشف حساب قصير بأربع طرق مختلفة، ثم حاولنا استعادتها.

الاختبار

المستند كشف حساب من صفحة واحدة فيه خمس معلومات لا يجب أن تغادر المكتب: اسم وعنوان ورقم حساب ورمز فرع ورقم هاتف. كلها خيالية. أخفيناها بأربع طرق:

1. مربعات سوداء مرسومة فوقها، كما تفعل أدوات الأشكال أو التظليل أو التعليقات في معظم محررات PDF.
2. نسخة ممسوحة ضوئيًا مع OCR: الصفحة كصورة، ومربعات سوداء مرسومة على الصورة، وطبقة النص غير المرئية التي يضيفها OCR ليصبح المسح قابلًا للبحث.
3. محروقة: الصفحة محوّلة إلى صورة رُسمت فيها المربعات، وهذا ما تفعله أداة تعتيم PDF بكل صفحة تحددها.
4. وللمقارنة، الأصلي دون أي إخفاء.

ثم سحبنا كل حرف من كل ملف بواسطة pdf.js، قارئ PDF المدمج في Firefox والمستخدم في مواقع كثيرة. هذا ما يحدث تمامًا حين يفتح أحدهم الملف ويحدد الكل وينسخ.

ما الذي عاد

المربعات في الملف الثاني تعليمات رسم مستقلة موضوعة بعد النص. العارض يرسم النص ثم يرسم الأسود فوقه، لكن النص ما زال في الملف بموضعه وخطه. أي برنامج يستخرج النص يتجاهل الطلاء.

المسح الضوئي فخ أخبث، لأنه يبدو صورة والناس يفترضون أن الصور لا تسرّب شيئًا. طبقة OCR نص حقيقي مرسوم بشكل غير مرئي فوق الصورة. الطلاء فوق الصورة لا يمسّها، وعثر استخراجنا على كل التفاصيل. تطبيقات المسح تضيف هذه الطبقة تلقائيًا حين تعرض ملفات PDF قابلة للبحث.

وحدها النسخة المحروقة كانت نظيفة. صارت الصفحة صورة واحدة بالأسود مكان التفاصيل، فلم يبقَ نص لاستخراجه: صفر حروف على الصفحة.

التفاصيل التي تتسرب من حول الصفحة

الصفحة ليست المكان الوحيد الذي يخزن فيه PDF المعلومات. كان ملف اختبارنا يحمل اسم العميل في عنوانه، «Account statement for Jane Example»، وفي حقل المؤلف، لأن من أنشأه كتبه هناك. العارضات تُظهر هذا في خصائص المستند، ومحركات البحث تفهرسه، وتعتيم الصفحة لا يمسّه. أماكن أخرى تستحق التحقق:

• اسم الملف. «Smith_divorce_settlement_redacted.pdf» يقول الكثير وحده.
• الإشارات المرجعية والتعليقات. إشارة مرجعية باسم شخص، أو ملاحظة مراجع، تصمد أمام مربع على الصفحة.
• النسخ السابقة داخل الملف. يمكن لمحررات PDF حفظ التغييرات بإلحاقها، فيبقى النص القديم في الملف. حفظ نسخة جديدة، أو حرق التعتيم، يزيله.
• المرفقات وحقول النماذج. كلاهما خارج محتوى الصفحة.

أداة التعتيم تزيل العنوان والمؤلف افتراضيًا وتبني مستندًا جديدًا، فلا تُنقل الإشارات المرجعية والنسخ السابقة والمرفقات. الصفحات التي لا تعتّمها تُنسخ كما هي، بتعليقاتها، فاحذف أولًا أي تعليقات لا تريد مشاركتها.

أحجام المربعات قد تكشف أشياء

حتى التعتيم المثالي يحتفظ بحجم ما يخفيه وموضعه. المربع فوق اسم يخبر القارئ تقريبًا بعدد حروفه، وفي الخطوط المتناسبة أي حروفه عريضة. حين تكون قائمة الأسماء المحتملة قصيرة، كموظفي فريق صغير، قد يكفي ذلك للتخمين. للتفاصيل القصيرة جدًا أو السهلة التخمين، غطِّ السطر كاملًا أو استخدم مربعات بالعرض نفسه.

لا تموّه النص ولا تُبكسله

التمويه والبكسلة يبدوان آمنين، لكنهما ليسا كذلك مع النص. كلاهما يحتفظ بجزء من المعلومة، وقد أعاد باحثون مرارًا بناء نص مُبكسل بتجربة كلمات مرشحة ومقارنة نتائجها المُبكسلة. استخدم مربعات مصمتة للنص، في ملفات PDF وفي لقطات الشاشة. أداة تمويه الصور فيها خيار لون مصمت لهذا الغرض تحديدًا.

كيف تعتّم ملف PDF بالطريقة الصحيحة

1. افتح أداة تعتيم PDF وأضف الملف. يبقى على جهازك؛ لا يُرفع شيء.
2. اسحب مربعًا فوق كل معلومة، أو اكتب اسمًا أو رقمًا في البحث عن نص وتغطيته لتغطية كل تطابق في كل صفحة.
3. تحقق من كل صفحة. المربعات التي يجدها البحث تقديرات من طبقة النص، فتأكد من أنها تغطي الكلمة كلها.
4. احفظ. الصفحات ذات المربعات تصبح صورًا محروقة فيها المربعات، بدقة 200 dpi افتراضيًا، والصفحات بلا مربعات تُنسخ دون مساس.
5. تحقق من النتيجة: افتحها وحدد الكل وانسخ، أو مرّرها عبر استخراج النص. يجب ألا يعود أي شيء غطّيته.

المقايضة أن الصفحات المعتّمة تفقد نصها القابل للتحديد ويكبر حجمها: كشف الحساب ذو الصفحة الواحدة انتقل من 2 كيلوبايت إلى 97 كيلوبايت كصورة. هذا ثمن اليقين. أما المحررات المتخصصة مثل Adobe Acrobat Pro فيمكنها بدلًا من ذلك حذف النص تحت كل علامة وإبقاء بقية الصفحة نصًا، وهذا ينجح أيضًا، ما دمت تستخدم ميزة التعتيم لا أداة رسم.