Обезличивание документов: Word, PDF, сканы

Договор, резюме, выписка, скан паспорта. Вы отправляете документ в чат или по почте, чтобы попросить поправить один абзац. Уходит всё: реквизиты, суммы, подписи, иногда медицинские сведения из приложений. Дальше документ живёт в чужой инфраструктуре, и что с ним произойдёт, решает уже не ваша компания.

Разберу, где в документах прячутся персональные данные, почему чёрный прямоугольник в PDF не спасает и как обезличить файл так, чтобы он остался рабочим.

Что считается персональными данными в документе

Почти всё, что позволяет найти конкретного человека.

В договоре это ФИО, паспортные данные, ИНН, СНИЛС, адреса, телефоны, банковские реквизиты. В резюме — контакты, дата рождения, места работы, иногда семейное положение и медицинские ограничения. В выписке — суммы, назначения платежей, номера счетов. В скане паспорта — всё сразу, включая подпись и фотографию.

Отдельная категория — специальные данные: здоровье, биометрия, национальность, вероисповедание. С ними правила строже. Облачный сервис Mask Gate, например, документы с медицинскими данными не принимает: для них нужна self-hosted версия. Так сервис снимает риск с документов, где есть медицинские данные: в облаке они не обрабатываются.

Персональные данные — это не только текст. Подпись, оттиск печати, фотография в документе тоже относятся к человеку. Их нельзя заменить токеном так же просто, как номер телефона.

В одном документе могут быть данные разных людей: клиента, сотрудника, третьего лица из приложения. Обезличивать нужно всех, а не только того, чьё имя на первой странице.

Почему закрашивание в PDF не работает

Самый популярный способ «обезличить» документ — нарисовать чёрный прямоугольник поверх текста. Выглядит убедительно. Проблема в том, что под прямоугольником остаётся текстовый слой.

Судебные руководства по редактированию PDF прямо предупреждают: чёрный прямоугольник скрывает данные, но не удаляет их. Содержимое можно выделить, скопировать и вставить в другой документ. В Adobe для настоящего удаления есть отдельный инструмент Redact, который пересобирает файл без скрытых данных. Закраска прячет, Redact удаляет.

С Word похожая история. Удалённый текст может остаться в истории правок или в комментариях. Скрытые листы Excel не видны на экране, но лежат в файле. Метаданные хранят автора, организацию, дату создания и правок.

Проверить файл просто. Откройте свойства документа и вкладку с метаданными. Сохраните копию, удалите историю правок и комментарии. Для PDF проверьте, выделяется ли текст под чёрным прямоугольником: если выделяется, данные на месте.

Word, PDF, сканы: где прячутся данные

Word (docx). История правок, комментарии, скрытый текст, колонтитулы, свойства файла. Если документ готовили несколько человек, в истории останутся имена и фрагменты, которые вроде бы удалили.

PDF. Текстовый слой под закраской, аннотации, вложения, метаданные, иногда скрытые слои. Скан в PDF может содержать текстовый слой после распознавания, и тогда «невидимые» данные всё равно доступны.

Сканы и фото. Геометки, модель устройства, дата съёмки, отражения и фон. Иногда на фото видны документы, которые в кадр не планировали.

Excel (xlsx). Скрытые листы и столбцы, формулы, внешние связи, комментарии. Строка, которую вы удалили с листа, может остаться в истории или в скрытой области.

Простая привычка: перед отправкой открыть свойства и посмотреть, что там. Пять секунд, которые экономят разбирательство.

Документы Word, PDF и скан: данные заменены токенами

Как обезличить документ правильно

Нужно убрать из документа лишнее и сохранить смысл.

Первый шаг — найти данные. Инструмент должен искать структурированные значения: паспорт, ИНН, СНИЛС, номер карты, телефон, почту, адрес. Регулярка без проверки контрольных сумм ошибается на длинных числах, поэтому важна валидация: ИНН, СНИЛС и номер карты проверяются по алгоритму.

Второй шаг — выбрать стратегию для каждой категории. Их четыре. block запрещает передачу: подходит для секретов и медицинских данных. mask заменяет значение на токен и кладёт исходник в зашифрованное хранилище, откуда его можно вернуть по ключу. redact удаляет безвозвратно. flag просто помечает, не трогая текст.

Третий шаг — проверить результат. В тексте не должно остаться исходных значений. Отдельно проверьте метаданные и скрытые области файла.

Mask Gate делает эти шаги в одном проходе. Он разбирает txt, csv, docx, xlsx, pdf и распознаёт сканы. Ограничения честные: файл до 20 МБ, PDF до 500 страниц, распознавание сканов ограничено 50 страницами на файл, дальше страницы помечаются как непроверенные. Надстройка есть для Excel, для Word её нет: Word идёт через веб-интерфейс или API.

Если документ нужен целиком и потом понадобится исходное значение, используйте обратимую маскировку. В тексте останется [ФИО] или [ТЕЛЕФОН], а значение будет лежать в vault под AES-256-GCM. При обычной обработке сервис не накапливает документы: текст считается в памяти, на диск в открытом виде не пишется.

Три типа файлов проходят через фильтр

Чем обезличивание отличается от маскирования

Эти слова часто используют как синонимы. Это ошибка, и она мешает разговаривать с юристами.

Обезличивание — юридическая категория из 152-ФЗ. Это действия, после которых без дополнительной информации нельзя определить, к кому относятся данные. У обезличивания есть требования: определить состав данных и категории субъектов до начала работы, выбрать метод, оценить его достаточность, исключить совместное хранение исходного массива и обезличенных данных, вести учёт действий. Методы описаны в приказе Роскомнадзора от 19.06.2025 № 140 (в силе с 01.09.2025): введение идентификаторов, изменение состава или семантики, перемешивание, декомпозиция, преобразование.

Маскирование — технический приём. Вы заменяете значение на токен или удаляете его, чтобы данные не ушли в чужой сервис. Это может помогать обезличиванию, но само по себе не делает документ обезличенным по закону.

Разница практическая. Если вы отправляете в нейросеть договор с заменёнными именами и телефонами, но в тексте остаются ИНН, суммы и адрес, человек всё ещё определяется. Значит, для закона это не обезличивание. Инструмент помогает убрать риск, но юридическую задачу решает оператор: с методами, локальными актами и оценкой достаточности.

Как работает распознавание сканов

Скан сложнее текста. В PDF с текстовым слоем данные лежат строками, и их можно найти регулярками. В скане сначала нужно распознать символы, а потом уже искать данные.

Распознавание ошибается на плохом освещении, наклоне, печатях и рукописных пометках. Поэтому результат проверяют глазами, особенно если речь о паспорте или медицинском документе. Если скан бледный или снят под углом, лучше переснять: несколько лишних секунд экономят разбор ошибок.

Есть ещё практическая деталь. Скан документа часто содержит обе стороны листа, а данные могут быть только на одной. Проверять нужно весь файл, включая обороты и приложения, иначе половина уйдёт вместе с документом.

У Mask Gate есть лимит на распознавание: 50 страниц на PDF. Дальше страницы не распознаются, но это не тихий пропуск: сервис добавляет предупреждение, что часть страниц не проверена. Для больших архивов это важно: лучше разбить файл на части, чем считать, что проверили всё.

Ещё нюанс: распознанный текст остаётся в файле. Если вы отправляете PDF со сканом, в нём может быть и изображение, и текстовый слой. Обезличивать нужно оба.

Процесс в компании: кто за что отвечает

Один сотрудник с инструментом не решает задачу. Нужны роли.

  • Владелец процесса решает, какие данные можно обрабатывать и в каких сервисах. Без этого решения любой инструмент превращается в формальность.
  • DPO или юрист проверяет основания обработки, методы обезличивания, локальные акты и достаточность выбранного метода. Он же отвечает на вопрос, считается ли документ обезличенным по закону.
  • ИБ смотрит на контур: где хранятся данные, кто имеет доступ, что уходит наружу, есть ли журнал действий.
  • Сотрудник пользуется инструментом и не обходит правило. Если проверка занимает минуту, обходить её никто не будет.

Хороший процесс выглядит скучно. Есть правило: документы с персональными данными перед отправкой в сторонний сервис проходят проверку. Есть инструмент, который это делает. Есть журнал, по которому видно, кто и что проверял. Есть человек, который отвечает за политику.

Если хотя бы одного элемента нет, процесс разваливается. Инструмент без правила не используют. Правило без инструмента обходят. Инструмент и правило без ответственного не обновляют.

Чек-лист перед отправкой документа

  • Вы знаете, какие категории данных есть в документе?
  • Вы проверили метаданные, комментарии и историю правок?
  • В PDF текст под закраской действительно удалён?
  • Скрытые листы и столбцы Excel проверены?
  • Для нужных данных выбрана стратегия: удалить, заменить токеном или запретить?
  • Вы проверили результат после обработки?
  • Документ уходит на действительно нужную страницу или в нужный сервис?

Если на последний вопрос нет ответа, начните с него. Остальное подождёт.

Что в итоге

Обезличивание документа начинается с поиска данных, а не с чёрного прямоугольника. Дальше нужно убрать лишнее и сохранить рабочий смысл файла. Word, PDF и сканы прячут данные в разных местах, и проверять их нужно по-разному.

Mask Gate закрывает рутинную часть: находит персональные данные в тексте и файлах, применяет выбранные стратегии, показывает результат. Попробовать обезличить документ можно на странице сервиса, там же описаны форматы и ограничения.

Частые вопросы

Достаточно ли закрасить данные чёрным в PDF? Часто нет: текст остаётся под прямоугольником и копируется. Нужен инструмент, который удаляет содержимое.

Удаление текста в Word удаляет данные? Из видимой части да. История правок и комментарии могут сохранить фрагменты.

Скан паспорта можно обезличить? Можно, если инструмент распознаёт сканы. Часть данных останется на изображении, поэтому смотрите результат глазами.

Что делать с медицинскими данными? В облачных сервисах их часто нельзя обрабатывать. Для таких документов нужен контур, который вы контролируете.


*Это не юридическая консультация. Проверяйте актуальную редакцию 152-ФЗ на publication.pravo.gov.ru и требования Роскомнадзора.*

Что будем искать? Например,VPN

Мы в социальных сетях