Alternativas para anonimizar PDF: que funciona de verdade

Adobe Acrobat Reader gratuíto, con edición manual

Abrir o PDF, engadir rectángulos negros sobre os datos persoais e gardar.

• Está instalado en case calquera equipo
• Non custa nada

• A versión gratuíta non inclúe ferramenta de redacción: os rectángulos son anotacións gráficas sobre o PDF
• O texto orixinal segue existindo por debaixo e recupérase seleccionando, copiando e pegando noutro documento

Inaceptable como anonimización. É a causa número un de fugas de datos en documentos supostamente depurados.

Adobe Acrobat Pro

A ferramenta "oficial" en moitas organizacións. Non é gratuíta —rolda os 23 €/mes— pero inclúese porque é a que a maioría ten a man.

• Inclúe redacción real, que elimina o texto subxacente
• Ten ferramenta de limpeza de metadatos

• Redacción e limpeza de metadatos son dous pasos distintos, e saltarse un deles é frecuente
• Non detecta automaticamente que debe redactarse: o usuario marca a man cada ocorrencia
• Non recoñece identificadores do contexto español —DNI, NIE, CCC, NUSS— como patróns automáticos
• Non xera log de auditoría exportable para presentar ante a AEPD

Tecnicamente é anonimización real, pero o proceso é lento e propenso ao erro humano: é doado esquecer ocorrencias ou non depurar os metadatos.

LibreOffice Draw

Abrir o PDF no Draw, eliminar os obxectos de texto con datos persoais e exportar de novo a PDF.

• Gratuíto e sen límite de documentos ao mes
• Elimina o texto de verdade, non o tapa

• Só funciona con PDF editables, non con escaneados
• Non hai modo redacción: bórrase o texto manualmente, un por un
• Non limpa os metadatos do PDF exportado, que quedan no XMP
• Inviable para lotes de documentos
• Os cambios non quedan rexistrados para auditoría

Útil para casos moi puntuais, como un contrato solto. Inviable para procesos repetitivos.

Ferramentas en liña gratuítas, tipo PDF24, Smallpdf ou iLovePDF

Subir o PDF, aplicar a ferramenta de redacción en liña e descargar o resultado.

• Non requiren instalación
• Algunhas redactan correctamente o texto subxacente

• Os ficheiros súbense a servidores de terceiros: se conteñen datos persoais, a subida xa é un tratamento que esixe contrato de encargo e probablemente avaliación de impacto
• A maioría non ten servidores na UE nin asina encargos de tratamento conformes ao RXPD
• Límites de tamaño e de número de documentos ao día na versión gratuíta
• Non xeran log de auditoría exportable

Xuridicamente problemático para documentos con datos persoais reais. Se se usan, debería ser sobre documentos xa anonimizados, nunca cos orixinais.

Scripts propios de Python con PyPDF2, pdfplumber ou pikepdf

Programar un script que abra o PDF, detecte patróns de datos persoais por expresións regulares ou por NLP, os substitúa e garde un PDF limpo.

• Control total sobre o proceso
• Reproducible e auditable se se deseña ben
• Gratuíto se xa se dispón dun desenvolvedor

• Require coñecementos de programación e tempo de desenvolvemento
• Construír un detector de identificadores españois con alta precisión —distinguir un DNI de calquera outro número do texto— non é trivial
• Os PDF teñen estruturas moi diversas: un script que funciona cun tipo falla con outro
• Esixe mantemento continuo se cambian os formatos de documento

Razoable só se xa existe equipo técnico e o volume xustifica o desenvolvemento. Para a maioría das empresas, pagar por unha ferramenta especializada sae máis barato que manter un script interno.

pdf-redact-tools, da Freedom of the Press Foundation

Ferramenta libre orientada ao xornalismo. Aplica redacción real e converte as páxinas en imaxes para eliminar capas ocultas.

• Software libre, cun enfoque de seguridade máxima
• Redacción real e eliminación de capas ocultas
• Funciona sobre documentos escaneados

• Non detecta automaticamente que redactar: hai que combinala con outra ferramenta de detección
• Ao converter en imaxe, o documento perde a selección de texto e con ela a accesibilidade
• Require liña de comandos
• Pouca actividade de desenvolvemento recente

Excelente para redacción de seguridade máxima, do tipo que esixe unha filtración xornalística. Excesivo para o fluxo empresarial corrente.

Pódese anonimizar un PDF gratis?

Si, é perfectamente posible. LibreOffice Draw elimina texto de verdade en PDF editables e pdf-redact-tools aplica redacción real sobre escaneados. O que ningunha vía gratuíta ofrece é detección automática de identificadores españois nin log de auditoría exportable, que é o que a AEPD pide para demostrar o cumprimento.

Por que non vale tapar os datos cun rectángulo negro?

Porque na versión gratuíta de Adobe Reader ese rectángulo é unha anotación gráfica colocada enriba do PDF, non unha redacción. O texto orixinal segue existindo por debaixo e recupérase seleccionando todo o documento, copiando e pegando noutro ficheiro. É a causa número un de fugas de datos en documentos supostamente depurados.

Hai risco en usar servizos en liña gratuítos con datos reais?

Si. Subir un documento con datos persoais a un servidor de terceiros é en si mesmo un tratamento: esixe contrato de encargo co provedor e probablemente avaliación de impacto. A maioría destas ferramentas non ten servidores na UE nin asina encargos conformes ao RXPD. Se se usan, debería ser sobre documentos xa anonimizados.

Compensa programar un script propio en Python?

Só se xa existe equipo técnico e o volume xustifica o desenvolvemento. O problema non é abrir o PDF, é construír un detector de identificadores españois con precisión suficiente para distinguir un DNI de calquera outro número, e mantelo cando cambian os formatos de documento. Para a maioría das empresas sae máis caro manter o script que pagar a ferramenta.