Guia · Guia prático · PDF
Como anonimizar um PDF sem deixar dados escondidos sob a tarja
Equipa Anonimatum
Em resumo
Anonimizar um PDF é eliminar de forma irreversível os dados pessoais do conteúdo visível, da camada de texto e dos metadados. Uma caixa preta ou um realce a preto não chegam: o texto continua no ficheiro e pode ser copiado.
Acontece mais do que se pensa: um documento «expurgado» é divulgado, alguém seleciona a parte tapada, copia e cola, e o nome reaparece. Não é pirataria, é apenas um retângulo desenhado por cima do texto em vez de o texto ser eliminado. Para o RGPD e a Lei 58/2019, o ficheiro continua a conter dados pessoais e, depois de publicado ou enviado, pode constituir uma violação de dados.
Este guia explica o que um PDF contém realmente, um método válido com qualquer ferramenta séria, como fazê-lo no Anonimatum e, sobretudo, como confirmar que o resultado está limpo antes de o partilhar, por exemplo ao responder a um pedido de acesso ao abrigo da Lei 26/2016 (LADA).
Passo a passo
Identifique os dados a eliminar
Liste os identificadores diretos (nome, NIF, Cartão de Cidadão, e-mail, telefone, IBAN) e indiretos (morada, datas, cargos únicos) conforme a finalidade: publicar, enviar a terceiros ou uso interno.
Confirme se o PDF tem texto
Tente selecionar uma palavra. Se não for possível, é um digitalizado: aplique primeiro OCR para que padrões e IA o consigam ler.
Carregue o ficheiro e escolha os métodos
No Anonimatum, carregue o PDF e selecione padrões do catálogo ou próprios, as opções de IA necessárias e, se preciso, conjuntos de palavras ou zonas para assinaturas e carimbos.
Acrescente a lista branca
Inclua os termos que devem continuar visíveis, como a entidade, as normas citadas ou o número de processo, para não tapar mais do que o necessário.
Pré-visualize e reveja cada marcação
Execute a pré-visualização, percorra o texto realçado a amarelo, desmarque o que não for dado pessoal e acrescente o que tenha escapado.
Aplique e descarregue
Aplique a anonimização, abra o separador do resultado e descarregue o PDF anonimizado com um nome de ficheiro neutro.
Verifique o resultado
Copie todo o texto, pesquise os dados com Ctrl+F, reveja propriedades, comentários e anexos e elimine os metadados antes de partilhar.
Porque as caixas pretas e o realce não anonimizam
Um PDF não é uma fotografia da página. Num PDF exportado do Word ou de uma aplicação de gestão, cada carácter está guardado como texto, com tipo de letra e posição. Por cima podem acrescentar-se anotações (comentários, realces, formas) que nada apagam. Um retângulo preto da ferramenta de comentários, um realce a preto ou letra branca em fundo branco deixam o dado intacto: copia-se, é indexado por motores de pesquisa e lido por leitores de ecrã.
Imprimir e voltar a digitalizar também não resolve: o ficheiro fica pesado e inacessível e, se alguém lhe aplicar OCR, o texto volta. O verdadeiro expurgo consiste em eliminar o texto e os gráficos da zona e só depois desenhar a tarja que assinala a omissão. O glossário aprofunda a censura de documentos.
As três camadas a verificar
- Camada visível: o que aparece no ecrã ou em papel, incluindo imagens, carimbos e assinaturas digitalizadas.
- Camada de texto: o texto real que se copia, pesquisa com Ctrl+F ou extrai. Num digitalizado com OCR é texto invisível colocado atrás da imagem.
- Metadados e elementos ocultos: autor, título, programa de origem, comentários, marcadores, anexos incorporados, camadas e campos de formulário.
O método genérico para anonimizar um PDF
Antes de abrir qualquer ferramenta, decida o que tem de sair. O risco de reidentificação depende do contexto: um nome é óbvio, mas um número de processo, uma morada e uma data de nascimento juntos identificam igualmente. Em Portugal procura-se normalmente o nome, o NIF (9 dígitos, por exemplo 123456789, fictício), o número do Cartão de Cidadão, o número de utente do SNS, a morada, o telefone, o e-mail, o IBAN, a matrícula, a assinatura e os dados de saúde.
Depois, verifique se o PDF tem texto selecionável: tente realçar uma palavra. Se não conseguir, é um digitalizado e precisa primeiro de OCR; veja o guia para anonimizar um PDF digitalizado. Use então uma ferramenta que aplique expurgo real, reveja cada marcação, guarde um ficheiro novo (nunca por cima do original) e verifique o resultado.
Como anonimizar um PDF com o Anonimatum
O Anonimatum combina IA própria, executada em servidores na União Europeia sem enviar o texto para APIs externas de modelos de linguagem, com padrões e revisão humana. O fluxo: carregar, configurar, escolher padrões, conjuntos de palavras, zonas ou opções de IA, pré-visualizar, rever e aplicar. As categorias de IA abrangem dados pessoais segundo o RGPD (incluindo matrículas desde a versão 1.9.0), datas, moradas, montantes e códigos QR. Desde a 1.9.0, os documentos em português são reconhecidos automaticamente, com o NIF e o Cartão de Cidadão. A página do anonimizador de PDF resume todas as funções.
A lista branca faz o contrário: protege termos que nunca devem ser tapados, como o nome da entidade, a norma citada ou o concelho. Desde a 1.9.0, ao retirar uma marcação na pré-visualização pode pedir que esse termo não volte a ser marcado, só para si ou para todo o grupo.
| Dado | Método recomendado | Exemplo fictício |
|---|---|---|
| NIF, Cartão de Cidadão, e-mail, telefone, IBAN | Padrão do catálogo ou expressão regular própria | 123456789 · PT50 0002 0123 1234 5678 9015 4 |
| Nomes, moradas, datas, montantes | Opções de IA revistas na pré-visualização | Ana Sousa, Rua das Flores 10, Porto |
| Termos internos (códigos de cliente, alcunhas) | Conjunto de palavras | CLI-0042 |
| Assinaturas, carimbos, logótipos, fotografias | Zona desenhada ou padrão de figuras | Assinatura manuscrita no rodapé |
Como verificar que o PDF está limpo
A verificação não é opcional: o expurgo é irreversível e o que se publica não se recupera. Abra o ficheiro final com um leitor diferente do usado para o produzir e faça estes testes:
Verificações mínimas antes de partilhar
- Selecionar tudo (Ctrl+A), copiar e colar num editor de texto: nenhum dado tapado deve aparecer.
- Pesquisar com Ctrl+F o apelido, o NIF e o e-mail: zero resultados.
- Abrir as propriedades do documento (autor, título, assunto, palavras-chave).
- Confirmar que não há comentários, marcadores, anexos nem camadas com dados pessoais.
- Ver o nome do ficheiro: «Despacho_AnaSousa.pdf» deita tudo a perder.
- Rever cabeçalhos, rodapés, notas e tabelas, onde costumam ficar dados soltos.
Para os metadados, use a ferramenta para eliminar metadados de um PDF, que apaga autor, datas e propriedades sem tocar no conteúdo visível. No glossário explica-se o que são os metadados e porque denunciam muitas vezes quem redigiu o documento.
Erros comuns ao anonimizar PDF
- Usar ferramentas de desenho ou de comentário do leitor de PDF em vez de uma função de expurgo real.
- Confiar cegamente na deteção automática: nenhuma IA nem padrão acerta sempre; a revisão humana faz parte do processo.
- Esquecer os identificadores indiretos: um cargo único («a diretora do departamento de urbanismo»), uma data de nascimento ou uma morada identificam tanto como um nome.
- Tapar demais: ocultar datas, montantes ou números de processo que deviam ficar visíveis torna o documento inútil. A lista branca evita isso.
- Anonimizar o PDF mas enviar o Word original, ou deixar versões intermédias em pastas partilhadas.
- Não limpar os metadados nem o nome do ficheiro.
Perguntas frequentes
Um retângulo preto num PDF é suficiente?
Não, se for uma anotação ou um desenho. O texto continua por baixo e pode ser copiado ou pesquisado. É preciso uma função que elimine o conteúdo da zona antes de desenhar a tarja.
Anonimizar e pseudonimizar é o mesmo?
Não. A anonimização elimina o dado de forma irreversível; a pseudonimização substitui-o por um valor coerente, reversível com informação guardada à parte. Os dados pseudonimizados continuam a ser dados pessoais para o RGPD.
Posso desfazer uma anonimização?
Não, e é intencional. Guarde o original em local seguro e, se precisar de reverter, use a pseudonimização com o respetivo mapa de correspondências.
E os PDF digitalizados?
Precisam de OCR para que padrões e IA leiam o texto, e tanto a imagem como a camada de texto têm de ser tapadas. O guia sobre PDF digitalizados explica como.
Anonimize os seus PDF como deve ser
Veja os planos e comece a anonimizar PDF com IA alojada na UE, padrões e revisão humana antes de aplicar qualquer alteração.