Censurar un PDF de verdad frente al recuadro negro
Un recuadro negro sobre el texto de un PDF lo oculta en pantalla, pero el texto sigue en el archivo y reaparece al copiar y pegar. Cómo revisar un archivo.
En esta página
En resumen
- Un recuadro negro dibujado en un PDF tapa el texto solo en pantalla. El texto de abajo sigue en el archivo.
- Copiar y pegar, la búsqueda y los lectores de pantalla siguen encontrando el texto tapado.
- La censura real borra el texto de la página y escribe un archivo nuevo sin él.
- Puedes revisar cualquier PDF censurado en un minuto: selecciona, copia y pega.
Muchos editores de PDF ofrecen un rectángulo negro o un resaltado negro para ocultar texto. Los dos parecen censura. Ninguno lo es. El rectángulo es un objeto aparte dibujado encima de la página, y las palabras de abajo siguen en la capa de texto de la página exactamente como estaban.
Esto importa a los contadores porque los archivos que hay que censurar son justo los que llevan números de cuenta, números de Seguro Social y nombres de clientes. Si el recuadro solo tapa los dígitos, cualquiera que reciba el archivo puede leerlos.
Pruébalo
La línea de abajo es un movimiento de un estado de cuenta bancario con el número de cuenta tapado de tres maneras. Elige un método y mira lo que devuelve copiar y pegar.
Los dos primeros paneles muestran el mismo resultado por una razón. Un rectángulo dibujado y un comentario de recuadro (una anotación Square, en términos de PDF) son objetos añadidos. Las instrucciones que dibujan el texto de la página no cambian, así que cualquier programa que lea la capa de texto lee los dígitos.
Lo que encuentra copiar y pegar
En una prueba armamos un estado de cuenta de una línea, dibujamos un rectángulo negro sobre el número de cuenta, guardamos el archivo y volvimos a leer el texto con pdf.js, el motor de PDF que usa Firefox. Salió el número completo. Hicimos lo mismo con un comentario de recuadro negro y con un resaltado negro, y obtuvimos el mismo resultado cada vez. Estas comprobaciones se ejecutan con cada cambio en este sitio, así que este artículo no puede desfasarse de lo que hace el formato.
No es solo un resultado de laboratorio. En enero de 2019, los abogados de Paul Manafort presentaron un documento judicial en el que los pasajes tapados en negro se podían copiar y pegar en otro documento, y los periodistas los leyeron. El Judges' Journal de la American Bar Association incluye el caso entre los fallos de censura y describe la misma prueba de copiar y pegar que usamos más abajo.
Un recuadro negro cambia lo que ves. No cambia lo que contiene el archivo.
Qué métodos filtran el texto
| Método | Texto que queda en el archivo | Copiar y pegar lo encuentra |
|---|---|---|
| Rectángulo dibujado sobre el texto | Sí | Sí |
| Comentario de recuadro (anotación) | Sí | Sí |
| Resaltado negro | Sí | Sí |
| Texto eliminado de la página | No | No |
Un resaltado negro también es una anotación, así que se comporta como el comentario de recuadro. Cambiar el color del texto a negro sobre un fondo negro es el mismo truco en otra forma: los caracteres siguen ahí.
Qué hace la censura real
La censura real edita la página misma. Encuentra las instrucciones que dibujan el texto bajo el área marcada, las borra y escribe un archivo nuevo. No queda nada bajo el recuadro que un lector pueda copiar.
La censura del editor de PDF de FileMorphs funciona así, dentro de tu navegador. Las regiones marcadas se eliminan del archivo, no se tapan, y cada resultado se comprueba antes de entregarte el archivo: el editor vuelve a leer el archivo nuevo y confirma que el texto marcado ya no está. El comprobante muestra cada región con su página y su número de caracteres, y lleva la marca Verificado cuando todas las regiones se pudieron volver a leer.
Conviene conocer tres efectos secundarios antes de aplicarla:
- El texto se elimina por fragmentos de texto completos. Si una marca toca parte de un fragmento, el resto de ese fragmento también se va, y el editor te dice cuántos caracteres de más son antes de aplicar.
- Aplicar la censura también elimina las etiquetas de accesibilidad, la estructura de los campos de formulario y los metadatos del documento de todo el archivo, aunque marques solo una página. Esas estructuras pueden repetir el texto que eliminaste.
- Si el texto de una página no se puede eliminar de forma segura, esa página se convierte en imagen, y el editor te dice cuántas páginas.
Eliminar el texto es el primer requisito, no el último. Investigadores de la Universidad de Illinois mostraron en 2023 que el espaciado de los caracteres que quedan alrededor de una censura puede delatar el ancho de la palabra eliminada, y lo usaron para adivinar nombres censurados en documentos reales. Esa es una de las razones por las que el editor elimina el fragmento de texto completo que toca una marca, que en un estado de cuenta suele ser la fila entera: un ajuste ceñido alrededor de un solo nombre es justo lo que mide el ataque. Para un nombre corto en un diseño fijo, considera marcar la línea o la oración completa.
Revisa un PDF tú mismo
- Abre el archivo censurado en cualquier visor: Acrobat Reader, Vista Previa o un navegador.
- Selecciona a través del recuadro negro, desde el texto anterior hasta el texto posterior.
- Pega en un editor de texto plano. Si aparecen las palabras ocultas, el archivo nunca se censuró.
- Busca en el archivo una palabra que sabes que estaba bajo un recuadro. Si la encuentra, el texto sigue ahí.
Si un archivo no pasa la prueba, no lo envíes. Vuelve a censurarlo a partir del original con una herramienta que elimine el texto y repite la prueba con el archivo nuevo.
Fuentes
- Columbia Journalism Review, el documento de Manafort, enero de 2019.
- American Bar Association, Judges' Journal, Embarrassing redaction failures.
- Bland, Iyer y Levchenko, Story Beyond the Eye: Glyph Positions Break PDF Text Redaction, Proceedings on Privacy Enhancing Technologies, 2023.