安全去識別化
簡答: 安全去識別化不是蓋一個黑框,而是刪除文字和隱藏文字層、覆蓋圖片裡的像素,再把整個檔案重寫,清掉中繼資料、附件、指令碼和歷史版本,最後重新開啟輸出檔案逐項檢查有沒有殘留。
能找到什麼
預設勾選:中國大陸居民身分證號碼、臺灣身分證字號、香港身分證號碼、泰國身分證號碼、新加坡 NRIC/FIN、銀行卡號、中國和泰國手機號碼、國際電話號碼、電子郵件。
可選:韓國居民登錄號、日本 My Number、印度 Aadhaar、美國 SSN、英國 NI 號碼、馬來西亞身分證、IBAN 銀行帳號。
能驗證的都依檢查碼或日期驗證,例如中國大陸身分證號碼依 GB 11643 檢查碼、銀行卡號依 Luhn 演算法、IBAN 依 mod 97,以減少把普通數字串誤認成證件號碼。可以在證件號碼格式測試裡試試規則。
另外可以加入自訂關鍵字,例如姓名。
執行時做了什麼
- 刪除文字:刪除文字層中的字元,以及該區域下掃描檔常帶的隱藏 OCR 文字。
- 覆蓋像素:掃描影像中對應區域的像素被覆蓋,完全被覆蓋的向量圖形被移除。
- 加標記:每處畫一個黑框,或帶「已去識別化」標籤的框。
- 整體重寫:把檔案從頭重寫,不保留舊的增量版本,清除文件資訊和 XMP 中繼資料、附件、JavaScript、表單、註解、書籤、結構化標籤文字、縮圖,以及 JPEG 圖片裡的 EXIF、XMP 和註解。
儲存後檢查殘留
儲存後自動重新開啟輸出檔案,逐項檢查:
| 檢查項目 | 說明 |
|---|---|
| 頁面文字與隱藏文字層 | 原文不應能被擷取或搜尋到 |
| 掃描影像像素 | 對處理過的區域重新辨識,不應讀出原文 |
| 檔案物件中的字串與資料流 | 原文不應以任何編碼出現在檔案裡 |
| 文件資訊與 XMP 中繼資料 | 應為空 |
| 註解、表單、附件、指令碼、書籤 | 應不存在 |
| 圖片內嵌 EXIF / XMP / 註解 | 應已清除 |
| JBIG2 共用符號字典 | 出現時只提醒,不算失敗 |
| 歷史版本 | 檔案只能有一個版本 |
結果顯示在儲存橫幅裡,並寫入操作紀錄。檢查原理見如何驗證遮蔽是否乾淨。
風險等級不影響遮蔽
遮蔽只刪除資訊,不改寫內容,所以任何風險等級的檔案都可以遮蔽。
常見問題
和「取代為空」有什麼區別?
取代為空只刪掉看得見的文字。安全去識別化還會刪除隱藏文字層、覆蓋掃描影像的像素,並整體重寫檔案,清除中繼資料、附件、指令碼、註解、書籤和歷史版本。
掃描檔裡的身分證號碼也能找到嗎?
能。文字層和掃描圖片都會查,掃描頁用標準辨識模型全文辨識後再依規則尋找。
結果清單會顯示被刪除的內容嗎?
結果清單裡的內容一律部分遮掩顯示。操作紀錄只寫類別和位置,不寫被刪除的文字。
能加自訂關鍵字嗎?
能。例如姓名、專案代號,可以手動輸入,也可以從表格的第一欄匯入。