遮蔽方法與殘留檢查
簡答: 安全去識別化分四步：刪除文字與隱藏文字層，覆蓋掃描影像的像素，用 pikepdf 從頭重寫檔案並清除隱藏資料，再重新開啟輸出檔案進行 8 項殘留檢查。被刪除的內容只在記憶體中用於比對，不寫入任何報告。
處理步驟
- 文字層：刪除目標區域的文字字元，以及該區域下的不可見辨識文字。
- 影像：覆蓋掃描影像中對應區域的像素；完全被覆蓋的向量圖形會被移除。
- 標記：畫黑框，或帶「已去識別化」標籤的框。
- 重寫：用 pikepdf 把檔案從頭重寫。不保留舊的增量版本，不保留文件資訊和 XMP，不保留附件、JavaScript、表單、註解、書籤、結構化標籤文字和縮圖；JPEG 資料流去除 EXIF、XMP 和註解區段。
殘留檢查
儲存後重新開啟輸出檔案，用被刪除的內容逐項比對：
- 頁面文字與隱藏文字層；
- 掃描影像像素（對處理過的區域重新辨識）；
- 檔案物件中的字串與資料流（多種編碼）；
- 文件資訊與 XMP 中繼資料；
- 註解、表單、附件、指令碼、書籤；
- 圖片內嵌的 EXIF / XMP / 註解；
- JBIG2 共用符號字典（出現時只提醒）；
- 歷史版本（增量儲存）。
每項結果為通過、提醒或失敗，寫入儲存橫幅和操作紀錄。
辨識範圍
內建偵測器涵蓋 17 類號碼，能驗證的會依檢查碼或日期驗證。完整清單見安全去識別化，規則可以在證件號碼格式測試中試用。
已知限制
- 辨識依賴 OCR。掃描品質差時號碼可能辨識錯誤，檢查碼不成立的不會被當作證件號碼；重要檔案請人工複核。
- JBIG2 壓縮的黑白影像可能在多頁之間共用字形，出現時會提醒。
- 內建規則不辨識姓名、地址等自由文字，需要你新增自訂關鍵字。
- 遮蔽只處理檔案內容，不處理檔名和電子郵件內文。