Usuwasz metadane z PDF? Sam ExifTool zostawia odwracalny ślad

Jeśli chcesz usunąć z PDF nazwisko autora, informacje o programie i inne metadane przed udostępnieniem, pracuj na kopii: wyczyść jej pola w ExifTool, przepisz plik przez qpdf, a potem sprawdź gotową wersję. Dokumentacja ExifTool dla PDF ostrzega, że sama edycja jest odwracalna, ponieważ wcześniejsze informacje pozostają w pliku.

Po czyszczeniu użyj polecenia qpdf --linearize robocza.pdf do_publikacji.pdf. Dokumentacja qpdf wyjaśnia, że przy zapisie nowego pliku program zwykle odrzuca obiekty, do których dokument już się nie odwołuje. To usuwa stary ślad po edycji przyrostowej; informacje nadal obecne w treści lub aktywnych elementach PDF wymagają osobnej kontroli.

Dlaczego wyczyszczone pole może pozostawić dane

PDF może przechowywać informacje o dokumencie w natywnych polach, takich jak Author czy Producer, oraz w metadanych XMP. ExifTool zmienia je metodą przyrostową: dopisuje aktualizację, zamiast od razu przebudować cały plik. Odczyt bieżących pól może więc pokazać pustą wartość, choć wcześniejsze dane nadal znajdują się w starszej części struktury.

Różnica ma znaczenie, gdy dokument opuszcza komputer autora. W przypadku pliku zmienionego przez ExifTool wcześniejszy stan można odzyskać przez usunięcie aktualizacji zapisanej w grupie PDF-update. Przepisanie pliku przez qpdf usuwa ten konkretny problem, ponieważ tworzy nową strukturę bez nieużywanych wcześniejszych danych. Nie usuwa jednak obiektu, który PDF nadal wykorzystuje do wyświetlania strony, formularza lub załącznika.

Sprawdź kopię przed czyszczeniem

Zachowaj oryginał poza katalogiem przeznaczonym do wysyłki i utwórz kopię robocza.pdf. W katalogu z kopią uruchom exiftool -a -G1 -s robocza.pdf. Opcja -a pokazuje również powtarzające się tagi, -G1 wskazuje grupę, z której pochodzi wpis, a -s wyświetla krótkie nazwy pól. Dzięki temu łatwiej zauważyć tę samą informację zapisaną w różnych miejscach.

Zanotuj wartości, które mają zniknąć: nazwisko, adres e-mail, nazwę użytkownika, ścieżkę do katalogu lub wewnętrzny tytuł projektu. Sprawdź zwłaszcza Author, Creator, Producer, Title, Subject, Keywords oraz pola dat. Creator i Producer mogą ujawniać użyte oprogramowanie; ścieżka lub dane osobowe mogą też wystąpić w innych polach. Taka lista daje konkretny punkt odniesienia przy kontroli pliku wyjściowego.

Już na tym etapie obejrzyj strony dokumentu. Metadane nie są tym samym co tekst widoczny na stronie, komentarze czy zawartość dołączonego pliku. Jeśli wrażliwa informacja znajduje się w którymś z tych miejsc, samo usunięcie pól nie wystarczy, niezależnie od późniejszego przepisania struktury.

Usuń metadane i utwórz nowy PDF

Kolejność działań jest istotna: najpierw zmień metadane kopii, następnie przepisz ją do pliku o nowej nazwie. Nie traktuj robocza.pdf jako wersji do udostępnienia. Po pierwszym poleceniu może ona nadal zawierać wcześniejsze dane pozostawione przez edycję przyrostową.

1. Uruchom exiftool -all= -overwrite_original robocza.pdf. Opcja -all= usuwa metadane, które ExifTool potrafi zapisać lub skasować w tym pliku. Opcja -overwrite_original zapobiega utworzeniu obok pliku zapasowego z końcówką _original; dlatego polecenie wykonuj wyłącznie na kopii.
2. Uruchom qpdf --linearize robocza.pdf do_publikacji.pdf. Wybierz odrębną nazwę wyjściową i upewnij się, że polecenie zakończyło się bez błędu. Do dalszej kontroli oraz ewentualnej wysyłki służy do_publikacji.pdf.
3. Uruchom qpdf --check do_publikacji.pdf. Ta kontrola dotyczy składni i struktury PDF. Ostrzeżenia lub błędy wyjaśnij przed udostępnieniem; pomyślny wynik nie oznacza jeszcze, że zniknęły wszystkie informacje wrażliwe.

Nie otwieraj później gotowego pliku w edytorze wyłącznie po to, by zapisać go ponownie. Kolejny zapis może zmienić metadane lub strukturę. Jeśli musisz poprawić dokument, potraktuj zmienioną wersję jako nowy plik wejściowy i powtórz czyszczenie oraz kontrolę.

Zweryfikuj plik przeznaczony do wysyłki

Uruchom exiftool -a -G1 -s do_publikacji.pdf i porównaj wartości z listą sporządzoną przed obróbką. Szukaj konkretnych nazwisk, adresów, ścieżek i nazw programów, a także nowych informacji dodanych podczas zapisu. Jeżeli wrażliwa wartość nadal występuje, sprawdź jej grupę i ustal, czy jest edytowalnym metadanym, czy pochodzi z innego elementu dokumentu.

Wynik ExifTool nie musi być pusty. Narzędzie wyświetla również właściwości techniczne, na przykład typ pliku i liczbę stron; ich obecność nie dowodzi, że zachowały się dane autora. Otwórz do_publikacji.pdf i porównaj strony z oryginałem. Zwróć uwagę na formularze, adnotacje oraz układ miejsc, w których wcześniej występowała informacja przeznaczona do usunięcia.

Jeżeli nazwisko lub ścieżka mogły znaleźć się także w treści, wyszukaj ich charakterystyczne fragmenty w gotowym PDF. Sprawdź, czy tekst zasłonięty graficznie nadal da się zaznaczyć lub skopiować. Brak trafienia w wyszukiwarce nie obejmuje tekstu zapisanego jako obraz; przy wrażliwym dokumencie obejrzyj również załączniki, komentarze i warstwy w czytniku, który je obsługuje.

Gdzie kończy się ta procedura

Autorzy badania 39 664 plików PDF z 75 agencji bezpieczeństwa w 47 państwach znaleźli informacje wrażliwe w 65 proc. plików poddanych sanitacji; tylko w trzech z siedmiu agencji stosujących sanitację większość badanych plików osiągała najwyższy przyjęty przez autorów poziom. Wynik dotyczy badanego zbioru, a nie skuteczności opisanej tu sekwencji poleceń.

ExifTool i qpdf rozwiązują problem edytowalnych metadanych oraz wcześniejszych, nieużywanych danych pozostawionych w strukturze. Nazwisko na stronie, tekst ukryty pod prostokątem, komentarz lub załącznik trzeba usunąć z właściwego elementu PDF albo przygotować dokument ponownie ze źródła. Jeśli takiej informacji nie da się usunąć i zweryfikować w gotowym pliku, wstrzymaj jego udostępnienie.

Przeczytaj także:

• Wspólnik odchodzi po roku? Standardowy vesting zostawia mu 25 proc.
• CV pod ATS: skopiuj tekst z PDF, zanim znikną nagłówki i certyfikaty