Kontrollera maskering i PDF: en svart ruta räcker inte

En svart ruta i en PDF betyder inte att uppgiften under den är borta. Texten kan finnas kvar i filen och gå att söka fram, kopiera eller visa i ett annat program. Kontrollera därför alltid den fil som ska lämnas ut: sök på de maskerade uppgifterna, kopiera text över rutorna och granska metadata, bilder, lager och bifogade filer.

Varför räcker inte en svart ruta?

I en PDF ligger texten som tecken i sidans innehåll. Ritar du en svart rektangel, lägger in en kommentar eller stryker över med en svart markeringspenna hamnar ett nytt objekt ovanpå texten. Texten under finns kvar. Den syns inte, men den går att söka efter och kopiera.

Den amerikanska säkerhetsmyndigheten NSA skrev 2005 att det vanligaste misstaget är att täcka text med svart. Information som döljs eller täcks i ett datordokument går nästan alltid att återskapa, så den måste raderas (NSA, Redacting with Confidence, s. 2–4).

Brittiska nationalarkivet säger samma sak: informationen ska tas bort ur själva filen, ”not simply from the displayable record” (The National Archives, Redaction toolkit, bilaga 2). FRA skrev i ett remissvar 2021: ”Vid digital maskning är det svårt att garantera att uppgifter som maskats inte kan återskapas.” (FRA:s remissyttrande över SOU 2020:82)

Var kan maskerad text finnas kvar i en PDF?

En PDF kan bära information som inte syns när du bläddrar i den (Adobe PDF Reference 1.7, avsnitt 3.4.5, 3.10.3, 4.10, 5.2.5 och 10.2).

Så kontrollerar du utfilen steg för steg

Kontrollera den sparade fil som ska lämnas ut, inte arbetsfilen i maskeringsprogrammet. Arbetsfilen kan se rätt ut även när utfilen inte gör det. Skriv först upp vilka uppgifter som ska vara maskerade.

1. Sök på varje maskerad uppgift. Sök (Ctrl+F) i utfilen på efternamn, personnummer och adress. Sök också på delar och varianter, till exempel personnumret med och utan bindestreck. Ger sökningen träff finns texten kvar. Ingen träff betyder inte att uppgiften är borta, eftersom den kan finnas i en bild (se steg 6).
2. Markera och kopiera över rutan. Dra markören över en svart ruta, kopiera och klistra in i Anteckningar. Kommer det fram text är maskeringen bara en ruta.
3. Kopiera all text till en textfil. Markera allt (Ctrl+A), kopiera och klistra in i en tom textfil. Sök i den. Här kan även osynlig text komma fram. Vissa PDF-läsare markerar bara den sida som visas, så kontrollera att text från alla sidor kom med.
4. Granska dokumentegenskaperna och filnamnet. Läs titel, författare, ämne och nyckelord i PDF-läsarens egenskaper, och titta på filnamnet. Ett namn där röjer lika mycket som ett namn i texten.
5. Öppna filen i en annan PDF-läsare, till exempel webbläsaren. Lager och kommentarer som är dolda i ett program kan visas i ett annat.
6. Kontrollera bilder, lager och bifogade filer. Titta i läsarens paneler för lager, kommentarer och bifogade filer. Försök klicka på en svart ruta. Går den att markera eller flytta ligger den ovanpå innehållet. Går den inte att markera kan texten ändå ligga kvar; det visar steg 1–3. Gå igenom skannade sidor i hög förstoring.
7. Kontrollera igen efter varje ändring. En fil som sparats om, slagits ihop eller konverterats är en ny fil.

Stegen visar inte tidigare versioner av filen och inte alltid XMP-metadata. Använd maskeringsprogrammets funktion för att ta bort dold information, om det har en sådan, innan du sparar utfilen.

Kontrollerna visar om det du letar efter finns kvar, inte att du har maskerat allt som borde maskeras. IMY skriver om en AI-baserad maskeringstjänst att den är ett arbetsstöd och att handläggarna alltid noggrant behöver granska resultatet (IMY-2024-5156, s. 32).

Hur maskerar man en skannad sida?

En skannad sida är en bild. Har sidan OCR-lästs finns ofta också ett separat textlager. Att maskera en skannad sida kräver därför två saker:

• Uppgiften tas bort ur textlagret.
• Bildpunkterna där uppgiften syns skrivs om, så att bilden inte längre innehåller den.

En ruta som bara ritas ovanpå bilden gör ingetdera.

OCR läser inte allt. Sneda sidor och ojämn bakgrund kan försämra igenkänningen (Tesseract: Improving the quality of the output). Handskrift, stämplar och namnteckningar kan också bli fel eller missas helt, och det som missas hittas inte vid en sökning. Gå därför igenom varje skannad sida med ögonen och markera det som saknas själv.

Räcker det att skriva ut och skanna in igen?

Det kan räcka, om rutorna verkligen kommer med på utskriften. Sidor som skrivs ut och skannas in blir bilder, och det gamla textlagret följer inte med. Tänk på tre saker:

• Kontrollera att rutorna kommer med. En ruta som är en kommentar kan vara inställd på att inte skrivas ut, och då står texten kvar på papperet (PDF Reference 1.7, avsnitt 8.4.2). Titta på utskriften innan du skannar.
• Ny OCR ger nytt textlager. OCR-läser du den nya filen får den ett nytt textlager. Sök i den filen också.
• Tusch syns mot ljuset. Text som maskerats med märkpenna kan läsas mot ljuset, varnar Brittiska nationalarkivet. Kopiera den maskerade papperskopian och lämna ut kopian (Redaction toolkit, bilaga 1).

Ska man se att något har maskerats?

Det bör synas, men lagen säger det inte uttryckligen. Enligt 2 kap. 15 § tryckfrihetsförordningen ska en handling som inte kan lämnas ut i sin helhet göras tillgänglig i övriga delar. Öppna data-utredningen ansåg att digital maskning ”inte bör ske genom att information de facto raderas; maskningen ska vara synlig”. Med hänvisning till RÅ 1993 ref. 3 pekade utredningen på att sökanden då vanligtvis kan se i vilka sammanhang skyddade delar förekommer och hur omfattande de är (SOU 2020:82, s. 48–50). Det är en utrednings bedömning, inte lag. FRA invände att röjandeförbudet rimligen också kräver att de maskerade uppgifterna inte går att återskapa.

Synlig maskering och borttagen text går att kombinera. Brittiska nationalarkivet säger: ta bort texten ur filen och ersätt den med en markör som [redacted], ”so that redaction is apparent but the space cannot be used to identify the missing information”. I en PDF följer rutan ofta den borttagna textens bredd. Bedöm om längden kan röja något, till exempel när bara några få kända namn kan stå där.

Vad gör jag om en felaktigt maskerad fil redan har lämnats ut?

Går uppgifter som skulle ha maskerats att läsa i en fil som har lämnats ut kan det vara ett obehörigt röjande. Då är det en personuppgiftsincident enligt artikel 4.12 i dataskyddsförordningen (GDPR).

1. Ta bort filen där den är publicerad och be mottagaren radera den.
2. Kontakta ert dataskyddsombud och följ organisationens rutin för incidenter.
3. Organisationen, som personuppgiftsansvarig, ska anmäla incidenten till IMY utan onödigt dröjsmål och om möjligt inom 72 timmar från att den fick vetskap om den. Undantaget är om det är osannolikt att incidenten medför en risk för fysiska personers rättigheter och friheter (artikel 33.1).
4. Organisationen ska också informera de registrerade utan onödigt dröjsmål om incidenten sannolikt leder till en hög risk för dem (artikel 34.1).
5. Dokumentera incidenten: vad som hände, följderna och vad ni gjorde. Det gäller även incidenter som inte anmäls till IMY (artikel 33.5).

Gäller det uppgifter som omfattas av sekretess kan felet också vara brottsligt. Enligt brottsbalken 20 kap. 3 § kan även den som av oaktsamhet röjer en uppgift som hen är skyldig att hemlighålla dömas för brott mot tystnadsplikt, om gärningen inte är ringa.

Vad gör Privera, och vad måste du ändå kontrollera?

Privera tar bort vald text ur PDF-filens innehållsström och skriver om pixlarna där en uppgift syns i en bild, till exempel på en skannad sida. PDF-exporten kontrolleras med bland annat textextraktion och genom att objekt och pixlar undersöks. Underkänns en kontroll stoppas exporten. Analysen sker på din dator, och dokumenten skickas inte till Itha AB.

Rutan eller etiketten i Privera täcker den maskerade textens yta, så bredden kan ge en ledtråd om hur lång uppgiften var. Bedöm om det spelar roll i ärendet.

Kontrollerna granskar de maskeringar du har valt. De bevisar inte att alla uppgifter har hittats. Språkmodellen kan missa uppgifter, och OCR kan missa handskrift, stämplar och text i låg upplösning. Markera det som saknas med verktyget Rita. Granska förslagen och kontrollera utfilen enligt stegen ovan. Läs mer under Säkerhet och Pris och köp.