Khi bạn chia sẻ một tệp PDF, bạn có thể đang chia sẻ nhiều hơn nội dung hiển thị. Bên trong tệp tin có chứa các trường thông tin mà bạn chưa bao giờ chủ động điền vào: tên của bạn (từ tài khoản người dùng của hệ điều hành), ứng dụng bạn đã sử dụng và số phiên bản của nó, ngày giờ chính xác tài liệu được tạo lần đầu và sửa đổi lần cuối, và trong một số trường hợp là số lần chỉnh sửa mà tài liệu đã trải qua. Đối với một tài liệu cá nhân được chia sẻ với bạn bè, điều này không gây hại. Nhưng đối với một hồ sơ dự thầu, một lời mách nước ẩn danh, một hồ sơ tòa án hoặc một tài liệu nhạy cảm theo GDPR được chia sẻ ra bên ngoài, những tiết lộ này là một vấn đề thực sự nghiêm trọng.
Một vấn đề phức tạp thường bị đánh giá thấp là các tệp PDF chứa siêu dữ liệu ở hai lớp riêng biệt: từ điển Thông tin (Info dictionary) cũ mà tất cả các trình đọc đều có thể truy cập, và gói XMP chi tiết hơn mà các công cụ hiện đại nhúng vào. Hầu hết các công cụ xóa siêu dữ liệu trực tuyến chỉ xóa từ điển Thông tin — hiển thị trong Tệp > Thuộc tính — và giữ nguyên gói XMP. Bất kỳ ai chạy exiftool hoặc mở bảng Siêu dữ liệu Nâng cao của Acrobat trên tệp PDF đã được 'làm sạch' của bạn đều sẽ thấy toàn bộ thông tin. LuraPDF xóa cả hai lớp, ngay trong trình duyệt của bạn, mà không cần gửi tệp của bạn đến bất kỳ máy chủ nào.
Việc xóa siêu dữ liệu không chỉ dành cho các nhà nghiên cứu bảo mật. Dưới đây là sáu tình huống thực tế trong môi trường chuyên nghiệp, nơi việc vô tình tiết lộ siêu dữ liệu tạo ra rủi ro hữu hình.
Việc đăng tải công khai một tệp PDF — ví dụ như sơ yếu lý lịch, tài liệu cộng đồng, tệp đính kèm diễn đàn — sẽ nhúng tên đầy đủ và tên người dùng máy tính của bạn vào thuộc tính tệp. Hãy loại bỏ cả thông tin cá nhân và XMP trước khi tải lên bất kỳ thứ gì bạn không muốn bị gán cho cá nhân mình.
Các tệp PDF được nộp lên tòa án có chứa siêu dữ liệu của công ty luật, tên luật sư và thẻ hệ thống quản lý tài liệu nội bộ đều có thể bị phát hiện. Hãy làm sạch cả hai lớp siêu dữ liệu trước khi nộp để kiểm soát những gì bên đối lập và hồ sơ công khai tiết lộ về quy trình làm việc và nhân sự của bạn.
Các tài liệu bị rò rỉ hoặc nhạy cảm được chuyển tiếp dưới dạng PDF mang theo siêu dữ liệu của tất cả những người đã xử lý chúng. Một nhà báo chỉnh sửa tài liệu trước khi xuất bản — hoặc một nguồn tin trước khi rò rỉ — cần phải được xác thực cả Info và XMP. Gói XMP thường chứa các trường mà các công cụ chỉ xác thực Info hoàn toàn bỏ sót.
Các tệp PDF gửi cho khách hàng, đối tác hoặc trong các quy trình đấu thầu công khai thường tiết lộ phần mềm soạn thảo, tên người tạo nội bộ và lịch sử chỉnh sửa. Để tạo ấn tượng chuyên nghiệp và được kiểm soát thương hiệu, hãy loại bỏ siêu dữ liệu nội bộ trước khi phân phối ra bên ngoài.
Quy trình tuyển dụng ẩn danh yêu cầu người đánh giá chỉ xem nội dung tài liệu, chứ không biết ai đã tạo hoặc chỉnh sửa nó. Hãy xóa thông tin Tác giả, Người tạo và thời gian chỉnh sửa khỏi bảng điểm và biểu mẫu đánh giá trước khi gửi cho các thành viên hội đồng.
Các tài liệu được công bố theo yêu cầu về quyền tự do thông tin có thể chứa siêu dữ liệu nhúng tiết lộ danh tính tác giả nội bộ, tên hệ thống và lịch sử chỉnh sửa vượt quá khả năng xử lý của các công cụ biên tập. Việc loại bỏ hoàn toàn siêu dữ liệu — cả Info và XMP — là một phần của quy trình làm sạch trước khi phát hành đúng cách.
Hầu hết các công cụ chỉ làm được một nửa công việc. Dưới đây là lý do tại sao cả hai lớp dữ liệu cần được xóa để việc loại bỏ siêu dữ liệu thực sự có ý nghĩa.
Từ điển Thông tin là một đối tượng từ điển được lưu trữ trong phần cuối của tệp PDF — phần cuối cùng của tệp mà các trình đọc PDF phân tích đầu tiên. Nó chứa các trường tiêu chuẩn: Tiêu đề, Tác giả, Chủ đề, Từ khóa, Người tạo, Nhà sản xuất, Ngày tạo và Ngày sửa đổi. LuraPDF sử dụng pdf-lib để truy cập trực tiếp vào từ điển cuối này, xóa các khóa đã chọn và ghi một tệp PDF mới với từ điển được cập nhật hoặc xóa. Điều này xử lý lớp mà Tệp > Thuộc tính hiển thị trong các trình đọc PDF tiêu chuẩn.
Gói XMP phức tạp hơn: đó là một đối tượng luồng được nhúng trong tệp PDF chứa một tài liệu XML tuân theo đặc tả Nền tảng Siêu dữ liệu Mở rộng (Extensible Metadata Platform). LuraPDF duyệt qua cây đối tượng của PDF để định vị luồng siêu dữ liệu, phân tích cú pháp XML XMP và loại bỏ hoặc thay thế các trường trên tất cả các không gian tên liên quan — Dublin Core (dc:creator, dc:title, dc:description), không gian tên PDF (pdf:Author, pdf:Keywords) và XMPRights. Các không gian tên ứng dụng tùy chỉnh được thêm bởi các công cụ như InDesign hoặc Acrobat cũng được xóa. Kết quả là một tệp PDF trong đó cả hai lớp siêu dữ liệu đều sạch.
| Tính năng | LuraPDF | Sejda / ilovepdf | Adobe Acrobat |
|---|---|---|---|
| Xóa các trường từ điển thông tin | Vâng — tất cả các lĩnh vực | Đúng | Đúng |
| Xóa gói siêu dữ liệu XMP | Đúng vậy — tất cả các không gian tên | Thông tin không đầy đủ — thường chỉ mang tính chất tham khảo. | Đúng |
| Xử lý tập tin trong trình duyệt (không cần tải lên) | Vâng — hoàn toàn là hàng địa phương | Không — cần tải lên máy chủ | Có — phần mềm đã được cài đặt |
| Miễn phí, không có hình mờ | Vâng — luôn miễn phí | Phiên bản giới hạn — trả phí để có đầy đủ tính năng. | Đăng ký trả phí |
Việc xóa siêu dữ liệu khá đơn giản — nhưng một vài thói quen cần tuân thủ sẽ đảm bảo không có gì bị bỏ sót, đặc biệt là trong các bối cảnh chuyên nghiệp hoặc nhạy cảm.
Hãy xóa siêu dữ liệu trước khi chia sẻ, chứ không phải sau đó — một khi người nhận đã có tệp tin kèm siêu dữ liệu, bạn không thể thu hồi lại những gì họ đã xem hoặc lưu trong bộ nhớ cache.
Kết hợp với Redact PDF để làm sạch toàn bộ tài liệu — việc loại bỏ siêu dữ liệu sẽ làm sạch các thuộc tính của tệp; việc che giấu sẽ loại bỏ nội dung nhạy cảm khỏi trang hiển thị.
Hãy đặt các giá trị thay thế trong bối cảnh chuyên nghiệp — việc sử dụng "Tác giả ẩn danh" và "Người tạo tài liệu" trông có vẻ có chủ ý; các trường trống có thể bị người đánh giá có kinh nghiệm nhận ra là do thao tác chỉnh sửa cẩu thả.
Sau khi làm sạch, hãy kiểm tra lại bằng exiftool hoặc Acrobat — mở tệp PDF đã được làm sạch, chạy exiftool và xác nhận cả phần Thông tin và XMP chỉ hiển thị những gì bạn muốn giữ lại.
Hãy làm sạch lại sau mỗi lần chỉnh sửa — các trình chỉnh sửa PDF như Acrobat, Word (Lưu dưới dạng PDF) và LibreOffice sẽ đóng dấu lại siêu dữ liệu mỗi khi lưu; hãy chạy lại quá trình xóa sau mỗi chu kỳ sửa đổi.
Kết hợp với Flatten PDF để loại bỏ siêu dữ liệu tác giả chú thích — quá trình làm phẳng chuyển đổi các chú thích thành nội dung tĩnh, loại bỏ các trường Tác giả cho mỗi chú thích mà việc loại bỏ siêu dữ liệu cấp tài liệu không động đến.
Hãy kéo thả tệp PDF vào, xem lại nội dung được nhúng và xóa các trường không nên chia sẻ. Từ điển thông tin và gói XMP — cả hai đều được xóa sạch trong trình duyệt của bạn, không có gì được tải lên. Không cần tài khoản, không có hình mờ.