PDF에서 SSN 교정하기

사회보장번호(SSN)는 교정의 정석적인 사례입니다. SSN은 작고, 간과하기 쉬우며, 개인을 고유하게 식별하고, 유출될 경우 영구적인 피해를 줍니다. 법원 제출 서류, 공공 기록 요청, 공급업체 계약서 또는 보험 서류를 준비할 때 “검은색 상자로 가렸다”는 것은 보호가 되지 않습니다. 이는 찾는 방법을 아는 사람에게는 북마크일 뿐입니다. 교정이 실제로 어떻게 작동하는지, 그리고 문서를 어디에도 업로드하지 않고 교정하는 방법을 소개합니다.

치명적인 실수: 검은색 상자 그리기

직감적으로 PDF 편집기를 열어 민감한 텍스트 위에 검은색 직사각형을 그리고 저장하게 됩니다. 이 방법은 확실히 실패하며, 그 이유는 PDF 형식 자체에 있습니다.

PDF는 텍스트의 두 가지 병렬 표현을 저장합니다. 화면에 그려지는 글리프인 시각적 레이어가 있고, 검색 엔진, 복사-붙여넣기, 스크린 리더가 읽는 페이지의 콘텐츠 스트림에 있는 실제 문자 코드인 텍스트 레이어가 있습니다. 검은색 상자를 그리면 시각적 레이어만 수정됩니다. 그 아래의 텍스트 레이어는 완전히 손상되지 않은 상태로 남아 있어 누구나 “교정된” 영역을 선택하여 복사하거나 텍스트를 내보내어 일반 텍스트로 SSN을 읽을 수 있습니다. 더 나쁜 것은, 기본 편집기의 일부 “교정” 기능은 말 그대로 어둡게 채워진 직사각형일 뿐이라는 것입니다.

이러한 실패 모드는 e-discovery(전자 증거 개시)에서 메타데이터 / 텍스트 레이어 유출이라고 불리며, 실제 법원 사건에서 봉인된 문서를 노출시킨 적이 있습니다. Ctrl+A, Ctrl+C로 교정이 무력화된다면, 그것은 교정이 아닙니다.

진정한 교정의 역할

진정한 교정은 콘텐츠 스트림 자체에서 텍스트를 제거합니다. 문자가 파일에서 물리적으로 삭제되며, 그런 다음에야 시각적 영역이 덮입니다. 진정한 교정 후에는 다음과 같습니다.

영역을 선택해도 아무것도 선택되지 않습니다.
복사-붙여넣기를 해도 숨겨진 텍스트가 반환되지 않습니다.
파일에서 SSN을 검색해도 결과가 나오지 않습니다.
문자 코드는 파일의 바이트에 더 이상 존재하지 않습니다.

이보다 부족한 도구는 교정하는 것이 아니며, 그 차이는 몇 초 만에 테스트할 수 있습니다(나중에 다루겠습니다).

모든 발생 항목 먼저 찾기

또 다른 전형적인 실패: 4페이지의 SSN은 교정하고 12페이지의 머리글, 서명 블록 또는 첨부 파일에 동일한 번호를 남겨두는 것입니다. 철저한 작업은 수동으로 읽는 것이 아니라 패턴 스캔으로 시작됩니다.

미국의 SSN은 예측 가능한 패턴(9자리 숫자, 종종 3-2-4로 그룹화됨)과 일치하므로 여권 및 주민등록번호, 신용카드 번호, 전화번호, 이메일 주소, 은행 계좌 정보와 같은 다른 고위험 식별자와 함께 프로그래밍 방식으로 찾을 수 있습니다. PDFLean의 개인정보 스마트 마스킹(PII Redaction) 도구는 이 스캔을 로컬에서 수행합니다. 브라우저에서 SSN, ID, 전화번호, 카드 및 이메일 후보를 감지하고 컨텍스트와 함께 각각을 보여주며 항목이 제거되기 전에 확인하거나 거부할 수 있게 해줍니다. 사용자 지정 키워드(프로젝트 코드명, 거래 상대방 이름)를 동일한 단계에 추가할 수 있습니다.

“각 항목을 컨텍스트와 함께 보여주고 확인하게 해 달라”는 단계가 중요합니다. 패턴 일치만으로는 무해한 9자리 숫자가 많이 표시될 수 있습니다. 교정은 되돌릴 수 없으므로 사람이 각 발견 항목을 승인해야 합니다.

단계별: 업로드하지 않고 교정하기

개인정보 스마트 마스킹(PII Redaction) 도구를 엽니다. 전체 스캔이 브라우저에서 실행됩니다.
PDF를 로드합니다. 로컬 메모리에만 입력되며 아무것도 전송되지 않습니다.
감지된 후보(SSN, ID, 전화번호, 카드, 이메일, 사용자 지정 키워드)를 검토합니다. 주변 컨텍스트에 따라 각 항목을 켜거나 끕니다.
교정을 실행합니다. 도구는 콘텐츠 스트림에서 문자 코드를 삭제하고 영향을 받는 영역을 덮습니다.
확인합니다(다음 섹션 — 건너뛰지 마세요).
교정된 사본을 저장합니다.

이미 알고 있는 하나의 특정 이름이나 값과 같은 표적 제거의 경우, 수동 마스킹(Redact) 도구가 키워드 목록을 가져와 동일한 방식으로 모든 발생 항목을 제거합니다.

거의 모든 사람이 건너뛰는 확인 단계

교정했다는 주장은 쉽지만 확인은 증거입니다. 출력 파일에서 다음 세 가지를 모두 수행하세요.

검색 테스트. 저장된 PDF를 열고 정확한 SSN을 검색합니다(대시를 포함하거나 포함하지 않고 시도: 123-45-6789 및 123456789). 결과가 없어야만 허용되는 결과입니다.
선택 테스트. 교정된 영역을 드래그하여 선택하고 복사합니다. 클립보드에 숫자가 포함되어 있으면 텍스트 레이어가 남아 있는 것입니다.
텍스트 추출 테스트. 모든 텍스트를 내보내고(텍스트 추출기가 로컬에서 이 작업을 수행함) 덤프를 검색합니다. 숫자가 어디에든 나타나면 교정이 불완전한 것이며 다른 페이지에 두 번째 사본이 있을 가능성이 높습니다.

앱 내 미리보기가 아니라 최종 저장된 파일에서 이 작업을 수행하세요. 미리보기 화면은 라이브 상태에서 렌더링되며 저장된 바이트만이 진실을 말해줍니다.

한 가지 더: 메타데이터

텍스트 콘텐츠는 명백한 대상이지만 PDF 메타데이터는 더 조용한 대상입니다. 작성자, 제목, 주제, 문서를 만든 소프트웨어 및 때로는 사용자 지정 필드와 같은 문서 속성은 원래 작성 애플리케이션의 이름, ID 및 내부 경로를 전달할 수 있습니다. 속성에 Author: J. Smith, SSN 123-45-6789가 포함된 완전히 교정된 문서는 여전히 유출됩니다.

교정 작업의 마지막 단계로 메타데이터를 제거하고, 파일이 적대적인 곳(공개 제출, FOIA 응답)으로 향한다면 같은 취지로 Sanitize 도구를 사용해 내장된 스크립트, 숨겨진 작업 및 기타 활성 콘텐츠를 제거하세요.

교정이 잘못된 도구인 경우

교정은 기본 텍스트를 영구적으로 파괴합니다. 나중에 번호를 공개해야 하는 경우(교정되지 않은 원본을 검토하는 내부 팀), 통제된 저장소에 교정되지 않은 별도의 사본을 보관하고 배포할 사본만 교정하세요. 배포하는 파일은 교정이 완료된 파일이어야 하며, 마스터는 민감한 원본이 보관된 곳에 그대로 유지됩니다.

재사용되는 양식의 경우, 더 나은 패턴은 종종 사본 교정입니다. 마스터를 깨끗하게 유지하고 각 외부 수신자에 대해 교정된 버전을 생성하여 한 번의 교정 실수가 원본 문서로 되돌아가 퍼지지 않도록 합니다.

자주 묻는 질문

스캔한 PDF를 교정할 수 있나요? 보이는 이미지를 가릴 수는 있지만 스캔에는 제거할 텍스트 레이어가 없습니다. 먼저 OCR을 실행하고(PDF OCR), 복구된 텍스트를 교정한 다음 이미지 레이어를 유지할지 평탄화(Flatten)할지 결정하세요. 스캔 위의 검은색 상자는 스캔의 픽셀이 단순히 덧칠된 것이 아니라 실제로 파괴된 경우에만 적절합니다.

교정은 되돌릴 수 있나요? 아니요 — 그것이 핵심입니다. 바이트가 사라졌습니다. 그렇기 때문에 실행하기 전에 감지된 각 후보를 확인하는 것이 중요하고 깨끗한 마스터를 유지하는 것이 중요합니다.

비밀번호 보호가 교정으로 간주되나요? 아니요. 암호화는 액세스를 제어하고 교정은 콘텐츠를 제거합니다. 교정되지 않은 SSN이 포함된 비밀번호로 보호된 PDF에는 여전히 SSN이 포함되어 있으며 비밀번호를 아는 사람(또는 크랙 도구를 가진 사람)은 누구나 읽을 수 있습니다.

내 도구의 “교정” 버튼이 검은색 상자만 만드는 이유는 무엇인가요? 많은 기본 편집기들은 진정한 콘텐츠 스트림 교정이 아니라 주석 스타일의 강조 표시/상자 그리기를 구현합니다. 그 후에 도구가 검색되지 않는 깨끗한 결과를 보여주지 못한다면, 그것은 교정이 아니라 그리는 것입니다.

전체 작업은 테스트 가능한 하나의 주장으로 요약됩니다. 작업이 끝나면 민감한 문자가 파일에 존재하지 않아야 합니다. 문자를 검색하고, 선택하고, 텍스트를 추출하세요. 이 중 하나라도 번호를 찾는다면 교정에 실패한 것입니다. 상자를 그리고, 바이트를 삭제하고, 저장된 파일에서 확인하고, 메타데이터를 제거하고, 깨끗한 마스터를 유지하세요. 그 이하도 아닌 그 과정이 바로 “교정”을 의미합니다.