Guía · Guía práctica · PDF
Cómo anonimizar un PDF sin dejar datos ocultos bajo la censura
Equipo Anonimatum
En resumen
Anonimizar un PDF es eliminar de forma irreversible los datos personales del contenido, de la capa de texto y de los metadatos. Tapar con una caja negra o subrayar en negro no basta: el texto sigue en el fichero y se puede copiar.
Casi todo el mundo ha visto alguna vez un PDF «tachado» del que, con un simple copiar y pegar, salía el nombre que se pretendía ocultar. No es un fallo raro: es lo que ocurre cuando la censura se hace dibujando un rectángulo encima del texto en lugar de eliminar el texto. Para el RGPD y la LOPDGDD, ese documento sigue conteniendo datos personales y, si se ha publicado o enviado, puede ser una brecha de seguridad.
En esta guía verás qué tiene realmente un PDF por dentro, un método genérico para anonimizarlo con cualquier herramienta seria, cómo hacerlo con Anonimatum y, sobre todo, cómo comprobar que el resultado está limpio antes de compartirlo.
Paso a paso
Identifica qué datos hay que quitar
Haz una lista de datos directos (nombre, DNI/NIE, email, teléfono, IBAN) e indirectos (dirección, fechas, cargos únicos) según la finalidad: publicar, enviar a un tercero o usar internamente.
Comprueba si el PDF tiene texto
Intenta seleccionar una palabra. Si no se puede, es un escaneado: activa el OCR antes de buscar datos para que patrones e IA puedan leerlo.
Sube el documento y elige los métodos
En Anonimatum, sube el PDF y marca patrones del catálogo (DNI, email, IBAN…), las Opciones IA que necesites y, si hace falta, conjuntos de palabras o zonas para firmas y sellos.
Añade la lista blanca
Incluye los términos que deben seguir visibles, como el organismo, las normas citadas o el número de expediente, para no censurar de más.
Previsualiza y revisa cada marca
Pulsa PREVISUALIZAR, recorre el texto marcado en amarillo, desmarca lo que no sea dato personal y añade con doble clic lo que se haya escapado.
Aplica la censura y descarga
Pulsa ANONIMIZAR, ve a la pestaña Resultado y descarga el PDF anonimizado con un nombre de fichero neutro.
Verifica el resultado
Copia todo el texto, busca los datos con Ctrl+F, revisa propiedades, comentarios y adjuntos, y elimina los metadatos antes de compartirlo.
Por qué las cajas negras y el resaltado no anonimizan
Un PDF no es una foto de la página. En un PDF generado desde Word o desde una aplicación de gestión, cada letra está guardada como texto, con su fuente y su posición. Encima de ese texto pueden ir anotaciones (comentarios, resaltados, rectángulos), y nada de eso borra lo que hay debajo. Por eso un rectángulo negro añadido con un editor de PDF, un resaltado en negro o cambiar el color de la letra a blanco dejan el dato intacto: cualquier lector lo copia, lo indexa un buscador o lo lee un lector de pantalla.
Tampoco sirve mucho imprimir y escanear: el resultado es pesado, pierde accesibilidad y, si después alguien le aplica OCR, vuelve a tener texto, a veces con los datos mal tapados. La censura de documentos de verdad (lo que en inglés se llama *redaction*) consiste en eliminar el texto y los gráficos de la zona afectada y, solo después, pintar la caja que indica que ahí había algo. Puedes leer la definición completa en el glosario sobre censura de documentos.
Las tres capas que hay que revisar
- Capa visible: lo que se ve en pantalla o al imprimir, incluidas imágenes, sellos y firmas escaneadas.
- Capa de texto: el texto real que se copia, se busca con Ctrl+F y se extrae con cualquier programa. En un PDF escaneado con OCR, es texto invisible situado detrás de la imagen.
- Metadatos y elementos ocultos: autor, título, programa que lo creó, comentarios, marcadores, adjuntos incrustados, capas opcionales y campos de formulario.
Método genérico para anonimizar un PDF
Antes de abrir ninguna herramienta, decide qué hay que quitar. La AEPD insiste en sus orientaciones sobre anonimización en que el riesgo de reidentificación depende del contexto: un nombre es evidente, pero un número de expediente, una dirección o una fecha de nacimiento combinados también identifican. En España, lo habitual es buscar nombres y apellidos, DNI y NIE (por ejemplo, 12345678Z o X1234567L, ficticios), domicilios, teléfonos, correos, IBAN, matrículas, firmas manuscritas y datos de salud.
Después, comprueba si el PDF tiene texto copiable: intenta seleccionar una palabra. Si no puedes, es un escaneado y necesitas OCR antes de nada; lo explicamos en la guía para anonimizar un PDF escaneado. Con el tipo de documento claro, usa una herramienta que aplique censura real, revisa cada marca, genera un fichero nuevo (nunca sobrescribas el original) y verifica el resultado.
Cómo anonimizar un PDF con Anonimatum
Anonimatum combina detección con IA propia, ejecutada en servidores de la Unión Europea, con patrones y revisión humana. El flujo en la pantalla de anonimización es: subir, configurar, elegir patrones, conjuntos de palabras, zonas u Opciones IA, PREVISUALIZAR, revisar y ANONIMIZAR. Las Opciones IA incluyen Anonimización RGPD (que en la versión 1.9.0 detecta también matrículas), Fechas, Direcciones, Cantidades económicas y Códigos QR. Si quieres ver todo lo que ofrece la herramienta, consulta el anonimizador de PDF.
La lista blanca sirve para lo contrario: términos que nunca deben taparse aunque coincidan con un patrón, como el nombre del órgano que firma, la ley citada o el municipio. Desde la 1.9.0, al quitar una marca en la previsualización puedes pedir que ese término no se vuelva a marcar en los siguientes documentos, solo para ti o para todo el grupo.
| Dato | Mejor método | Ejemplo ficticio |
|---|---|---|
| DNI, NIE, IBAN, email, teléfono | Patrón del catálogo o expresión regular propia | 12345678Z · ES91 2100 0418 4502 0005 1332 |
| Nombres, direcciones, fechas, importes | Opciones IA con revisión en la previsualización | Lucía Romero Vidal, calle Mayor 3 |
| Términos internos (apodos, códigos de cliente) | Conjunto de palabras | CLI-0042 |
| Firmas, sellos, logotipos, fotos | Zona dibujada o patrón de figuras | Firma manuscrita al pie |
Cómo verificar que el PDF está limpio
La verificación no es opcional: la anonimización clásica es irreversible y lo que se publica no se puede recuperar. Abre el PDF resultante con un lector distinto del que usaste para crearlo y haz estas pruebas:
Comprobaciones mínimas antes de compartir
- Selecciona todo (Ctrl+A), copia y pega en un editor de texto: no debe aparecer ningún dato tapado.
- Busca con Ctrl+F el apellido, el DNI y el correo de la persona: cero resultados.
- Revisa las propiedades del documento (autor, título, asunto, palabras clave).
- Comprueba que no hay comentarios, marcadores, adjuntos ni capas con información personal.
- Mira el nombre del fichero: «Informe_LuciaRomero.pdf» deshace todo el trabajo.
- Revisa cabeceras, pies de página, notas al pie y tablas, donde suelen quedar datos sueltos.
Para los metadatos, puedes usar la herramienta de eliminar metadatos de un PDF, que limpia autor, fechas y propiedades sin tocar el contenido visible. En el glosario encontrarás qué son exactamente los metadatos y por qué delatan a quien redactó el documento.
Errores comunes al anonimizar PDF
- Usar la herramienta de dibujo o de comentarios del lector de PDF en lugar de una función de censura real.
- Confiar solo en la detección automática sin revisar: ninguna IA ni patrón acierta siempre; la revisión humana es parte del proceso.
- Olvidar los datos indirectos: un cargo único («la jefa de servicio de Urbanismo»), una fecha de nacimiento o una dirección permiten identificar igual que un nombre.
- Tapar de más: si se censuran fechas, importes o números de expediente que debían quedar visibles, el documento pierde utilidad. La lista blanca evita este problema.
- Anonimizar el PDF pero enviar el Word original o dejar versiones intermedias en carpetas compartidas.
- No limpiar los metadatos ni el nombre del fichero.
Preguntas frecuentes
¿Es suficiente con poner un rectángulo negro en un PDF?
No, si el rectángulo es una anotación o un dibujo. El texto sigue debajo y se puede copiar o buscar. Hay que usar una función que elimine el contenido de la zona antes de pintar la caja.
¿Anonimizar y seudonimizar un PDF es lo mismo?
No. Anonimizar elimina el dato de forma irreversible; seudonimizar lo sustituye por un valor coherente que puede revertirse con información adicional guardada aparte. Los datos seudonimizados siguen siendo datos personales para el RGPD.
¿Puedo deshacer una anonimización?
No. La censura es irreversible a propósito. Conserva el original en un lugar seguro y, si necesitas poder volver atrás, usa la pseudoanonimización con su mapa de equivalencias.
¿Qué pasa con los PDF escaneados?
Necesitan OCR para que el texto sea legible por patrones e IA. Además, hay que tapar imagen y capa de texto a la vez; lo detallamos en la guía de PDF escaneados.
¿Anonimizáis PDF a menudo en tu organización?
Cuéntanos qué documentos tratáis y te enseñamos en una demo cómo detectar, revisar y censurar los datos personales con IA ejecutada en la UE.