Oscurare un PDF, un Word o una scansione

Come funziona

1. Carichi il documento

   Un PDF, un documento Word (.docx) o la foto di un documento (JPEG, PNG, WebP). Viene letto dal suo browser, in questa scheda. Le proposte compaiono in pochi secondi.

2. Decida su ogni proposta

   A destra, le proposte raggruppate per tipo; sulla pagina, evidenziate. Oscurare, lasciare, oscurare ovunque un nome, disegnare una zona. J e K per passare dall'una all'altra, M per oscurare, L per lasciare, Ctrl+Z per annullare.

3. Produca il file

   Il pulsante si attiva quando tutto è deciso. Lo strumento ricostruisce il documento, lo rilegge, poi glielo propone: il salvataggio avviene tramite il suo browser.

Che cosa viene rilevato, e come

Un formato giusto con una chiave sbagliata viene proposto «da esaminare»: spesso è un errore di battitura nel documento, e il dato resta personale. Le decisioni in blocco non toccano mai ciò che è da esaminare.

Più documenti alla volta

Carichi più file insieme (PDF, Word, scansioni, foto): vengono riletti come un unico fascicolo. Una stessa persona, uno stesso numero sono una sola proposta, su cui si decide una volta per tutti i documenti, e nella pseudonimizzazione «[Persona A]» indica la stessa persona in ciascuno.

All'esportazione, ogni documento viene ricostruito e controllato separatamente; se tutti superano il controllo, vengono salvati insieme in un archivio ZIP.

Le sue regole

Nomi o parole da oscurare sempre (un cliente, un numero di pratica): li aggiunga una volta in «Le mie regole», e vengono cercati e oscurati in ogni documento che apre in seguito. L'elenco resta in questo browser, su questa postazione; non viene inviato da nessuna parte.

Per i numeri propri della sua struttura («FASC-2026-0114»), «Cercare per modello» accetta un'espressione regolare: ogni testo trovato diventa una proposta da decidere, come le altre.

La tabella di corrispondenza

Nella pseudonimizzazione, lo strumento propone di salvare la tabella delle etichette e di ciò che sostituiscono («[Persona A] = Mario Rossi»), per poter reidentificare in seguito. Viene cifrata nel suo browser (AES-GCM, chiave derivata dalla sua passphrase con PBKDF2, 600 000 iterazioni), poi salvata come un file da tenere separato dal documento. Per rileggerla: «Rileggi una tabella di corrispondenza», sotto la zona di caricamento.

Una tabella aperta serve ancora due volte. «Riutilizzare questa tabella»: i documenti che aprirà dopo ritrovano le stesse etichette (Mario Rossi torna a essere «[Persona A]» in ogni nuovo documento), le persone nuove prendono le etichette successive e la tabella salvata alla fine prolunga quella precedente. «Ripristinare i nomi»: un PDF o un Word pseudonimizzato da Klarmask, tornato annotato o completato, ritrova i nomi al posto delle etichette, nel suo browser.

Klarmask non conosce né la tabella né la passphrase: una passphrase dimenticata non si recupera. E finché la tabella esiste, il documento pseudonimizzato resta un dato personale; vedere pseudonimizzazione o anonimizzazione.

Il rapporto di oscuramento

Con il file prodotto, lo strumento propone un rapporto in PDF: la data, la modalità, ogni documento con il suo numero di pagine e l'impronta SHA-256 del file prodotto, ciò che è stato oscurato per tipo e per pagina, le zone coperte nell'immagine, e l'esito del controllo in uscita. Non vi compare alcun valore oscurato, né alcuna etichetta: può accompagnare il documento, per conservare traccia dell'oscuramento o per allegarlo a una comunicazione.

Prima di salvare, un riepilogo dice quanti elementi distinti saranno oscurati e in quante occorrenze, ciò che resta visibile e i tipi di cui questo documento non contiene nulla. Su cento pagine, è ciò che permette di vedere che manca qualcosa: un fascicolo del personale senza un solo numero previdenziale ha spesso una pagina letta male.

Le scansioni e le foto

Una pagina senza testo (una scansione, la foto di un documento) viene letta tramite riconoscimento del testo, nel suo browser. Il motore è quello di Klarfile (Tesseract): si scarica da questo sito la prima volta che serve, con il modello della lingua del sito, e ogni file è verificato tramite la sua impronta prima dell'uso.

Ogni parola letta mantiene la sua posizione sull'immagine: si decide sulle proposte come per un PDF, e il riquadro nero copre la parola intera. Una foto scattata con il telefono viene raddrizzata, e i suoi metadati (dispositivo, posizione) non passano nel file prodotto.

Al controllo, le pagine scansionate del file prodotto vengono rilette tramite riconoscimento del testo, e vi si cerca ogni elemento oscurato: un riquadro nero posato male lascerebbe un valore leggibile, e il salvataggio verrebbe bloccato. Il file prodotto contiene inoltre un testo ricercabile, senza ciò che è oscurato.

Firme, timbri, volti, targhe e codici

Una pagina porta anche ciò che non è testo: una firma, un timbro, la foto di un documento d'identità, un codice QR che contiene un numero di fascicolo. Dopo l'apertura, ogni pagina viene riletta come un'immagine, nel suo browser, e ciò che vi si trova fuori dal testo viene proposto come una zona, da oscurare o lasciare come un nome. Finché questa lettura non è finita, e finché una zona proposta non è decisa, il file non può essere prodotto.

Le firme e i timbri si cercano dall'inchiostro: un tratto sottile, blu o nero, o un inchiostro colorato, fuori dalle parole già lette. I volti di fronte li trova pico (licenza MIT), e la zona si estende a tutta la foto. I codici QR e i codici a barre li legge zxing (licenza MIT), servito da questo sito e verificato dalla sua impronta. Un volto di profilo, una firma molto chiara o un codice rovinato possono sfuggire: rilegga la pagina, e disegni una zona su ciò che non viene proposto.

Le targhe nelle fotografie si cercano dalla regolarità dei loro caratteri: uno sfondo chiaro e uniforme, caratteri scuri e spessi, allineati. In un documento scritto, un numero di targa è testo, e lo trova una regola. Una targa che occupa meno di un decimo della larghezza della foto, molto inclinata o sporca, non viene proposta.

Più versioni di uno stesso documento

Un documento non si oscura allo stesso modo per la controparte, per il pubblico e per uso interno. In «Più versioni», aggiunga una versione, le dia un nome e selezioni i tipi che lascia visibili; tutto il resto segue la sua revisione. Le versioni escono insieme, ciascuna nella sua cartella dell'archivio, con il proprio rapporto di oscuramento.

Le etichette non cambiano da una versione all'altra: «[Persona A]» è la stessa persona ovunque, e una sola tabella di corrispondenza vale per l'insieme.

Riprendere più tardi, e conservare la traccia

Cento pagine non si decidono in una volta. «Riprendere questa revisione più tardi» salva il lavoro in corso (decisioni, zone, versioni, modo) in un file cifrato con una frase di accesso. Riapra gli stessi documenti, rilegga quel file, e la revisione riparte da dove l'aveva lasciata. I documenti non sono nel file; i valori trovati sì, ed è per questo che è cifrato.

Il registro degli oscuramenti, sotto la zona di deposito, conserva una riga per ogni file prodotto su questa postazione: la data, i documenti, le pagine, il modo e l'impronta SHA-256 di ciò che è uscito. Nessun valore oscurato, nessuna etichetta. Resta in questo browser, si esporta in CSV e si cancella con un pulsante.

I documenti che ritornano

Una carta intestata, un piè di pagina, un numero stampato a margine: la stessa zona ritorna su ogni pagina. La disegni una volta, poi «Ripetere» su tutte le pagine, le pari o le dispari. Una pagina di altra dimensione la riceve nello stesso punto relativo.

Un tipo di documento che ritorna (una busta paga, un estratto conto) si oscura sempre negli stessi punti: salvi le sue zone e le sue regole con un nome, in «Modelli», e le rigiochi sul documento successivo. I modelli restano in questo browser, su questa postazione.

Un file le porta con sé: «Salvare il file» scrive i suoi modelli e le sue regole, «Rileggere un file» le rimette, qui o sul computer di un collega. Ciò che porta si aggiunge a ciò che lei ha, senza sovrascrivere nulla. Il file non è cifrato, e le sue regole sono nomi: lo conservi come un documento.

I documenti Word

Un documento Word è un archivio di file: il testo, ma anche le revisioni registrate, i commenti, le proprietà (autore, società), i campi e i collegamenti. Un nome nascosto in una di queste parti sopravvive a un trova e sostituisci.

Klarmask non ripulisce il documento: ne scrive uno nuovo, con le sole parti che comprende. Le revisioni vengono accettate (il testo eliminato scompare con il suo autore), i commenti e le proprietà vengono rimossi, e ogni valore oscurato viene sostituito ovunque si trovi: nel testo, anche se spezzato tra più segmenti di formattazione, nelle intestazioni, nei piè di pagina, nelle note, nelle caselle di testo, nei campi, nel testo alternativo delle immagini e nell'indirizzo dei collegamenti.

Il file prodotto viene riletto come per un PDF: ogni paragrafo, ogni attributo e ogni immagine vengono percorsi, e la struttura del pacchetto viene verificata prima di proporglielo.