为什么让墨鱼来给 PDF 脱敏:一口墨背后的产品设计
提起「PDF 脱敏」,大多数人脑子里浮现的都是一件紧绷又枯燥的差事:在几十页合同里瞪大眼睛找身份证号,画上黑框,发出邮件前还在担心底下能不能被复制出来。我做 Inkfish(墨鱼脱敏) 时的起点却很直白:墨鱼遇到危险本来就会喷出一口黑墨把自己藏起来;既然我们要把 PDF 里不该外露的隐私涂掉,为什么不让一只橙色小墨鱼游过页面、停在可疑的号码旁边等你拍板,最后一口墨把那些字喷掉?
PDF 脱敏(PDF Redaction)是指从准备外发的 PDF 副本底层内容流(Content Stream)中物理删除选定的文字或图像区域,并在保存后重新打开文件、验证被遮盖位置无法再通过复制、搜索或文本提取还原的过程。它与在页面上画一个黑色矩形注释(Annotation Overlay)有本质区别:黑框只挡住肉眼视线,底层文本流依然留在文件里。
把这个生物学上的小玩笑做成正经工具,前提是先给墨鱼立一条规矩:墨鱼的动作只负责向人交代现在干到哪一步了,而真正的删字和复核,必须老老实实发生在底层 PDF 文件管线里。
这口墨要解决的,是一次很具体的发件焦虑
Inkfish 盯住的场景其实很窄:你在 Mac 上准备把一份签好的咨询合同、租房协议、候选人简历或报销单发给外部合作方(或者传给 AI 助手做总结),对方需要看正文条款,但不需要里面的居民身份证号、银行卡号、手机号或家庭住址。
如果文件里只有一两处要抹掉,根本用不着专门装个软件。macOS 自带的「预览」(Preview)工具栏里就有现成的「编校选择」(Redact)。按 Apple 预览编校官方说明的做法,先复制一份文件副本,打开标记栏选中文字打上带交叉线的黑框,关闭文稿时系统就会把那段内容删掉(不过 Apple 也在文档里提醒了一句:PDF 目录里指向已编校文字的条目不会被自动移除)。
真正让人头疼的是另外几种情况:一份 20 页的合同里同一个姓名和账号反复出现七八次、扫描件没有现成文字层、或者中英德多语种证件混在一起。人眼逐页翻找很容易漏掉第 14 页角落里的那一次,而且保存完之后,大多数人心里还是没底——到底删干净没有?
这就是墨鱼出场的地方:让机器替你把候选位置翻出来、标在列表里,由你来决定勾掉哪几项;点下涂墨后,App 另存一份 -redacted.pdf 安全副本,再替你把副本重开检查一遍。
墨鱼的四个动作,分别替界面回答一个问题
做工具软件最怕吉祥物变成「挡路又抢戏的桌面宠物」。所以在设计动作状态机时,我砍掉了所有跟任务无关的卖萌分支,只让墨鱼的四个动作对应脱敏流程里的四个核心状态:
| 脱敏阶段 | 墨鱼在窗口里的动作 | 它替界面回答了什么问题? |
|---|---|---|
| 扫描(Scan) | 拎着放大镜沿页面左侧通道游动巡视 | 当前查到第几页了?一共翻出了多少处疑似敏感项?(超过 50 页的长文稿只巡视前 3 页与有命中页,不拖慢进度) |
| 审阅(Review) | 平时停在纸面右侧待命;鼠标指向或方向键切到列表某行时,立刻游到正文对应位置点头 | 右侧列表里写的这个电话或账号,在合同第几页的哪个角落? |
| 写出(Write) | 按下「涂掉 N 项」(⌘↩)后转向纸面、蓄力并逐处喷墨 | 当前正在把哪些勾选区域写进新的安全副本? |
| 复核(Verify) | 写出完毕摆出眯眼庆祝动作,同时弹出完成与校验面板 | 安全副本存到哪儿了?重开文件后的底层文本提取检查通过没有?有没有哪一页需要重做? |
巡视与指向定位
在审阅列表里移动时,墨鱼游到对应正文旁,把抽象的列表行和合同里的具体位置连起来。
对已确认区域喷墨
喷墨对应新副本的写出进度;真正的文本流移除与图层清理在底层 PDF 引擎中同步完成。
写出完成与复核报告
喷墨收尾后展示 `-redacted.pdf` 保存位置、保存后重开校验结果,以及是否需要转图片重做。
喷墨只是视觉反馈,真正算数的要看保存后重开校验
墨滴落在纸面上变成黑框(或者白框、EMAIL 这类大写类型标签),到这一步还只是渲染层的视觉表达。
为了不让这层黑墨沦为「假涂黑」,Inkfish 在你点下 ⌘↩ 后干了两件看不见的事:第一,它不直接覆盖你的原文件,而是生成一份带 -redacted.pdf 后缀的新副本,在写出时把勾选区域内的文字从 PDF 页面内容流里删掉,并按设置一并清理文档元数据、隐藏文字与图层、批注、表单值和内嵌附件;第二,文件落盘之后,内置的 Verifier 会立刻从磁盘重新打开这份刚存好的副本,逐个检查刚才涂黑的坐标框底下还能不能抽出半个字符。如果某一页因为特殊的 PDF 字体编码或复杂矢量结构没通过检查,完成面板会直接点名是哪一页,并提供一键「将该页转为图片重做」(把遮盖直接烧进栅格图像,彻底剥离文字层)。更完整的底层对比与扫描件处理可见《Mac PDF 离线脱敏指南》与《扫描版 PDF 脱敏检查清单》。
即便有了保存后自动重开校验,我还是在文档里反复强调一条边界:自动校验只能证明你勾中的地方确实删干净了,它不可能替你发现从头到尾既没被识别出来、你自己也没手动框选的敏感信息;而且纯图片扫描页上的残影必须靠肉眼放大检查。
把文件正式发出去之前,你可以照着下面这五步做一次最终人工复核,或者直接复制给帮忙审稿的同事:
外发前 PDF 副本人工复核清单:
1. 从访达重新打开后缀为 -redacted.pdf 的新副本,不要盯着还没关掉的编辑窗口看。
2. 按 ⌘F 搜索原本计划删掉的姓名、证件号全称,再搜后四位等特征片段。
3. 按 ⌘A 全选页面文字,粘贴到纯文本编辑器里,通读是否还有跨页遗漏的重复值。
4. 遇到扫描页或手写签名页,放大到 200% 查看黑框四周边缘有没有露出半截字形。
5. 打开预览「显示检查器」(⌘I),核对文档标题、作者元数据、批注、附件以及文件名本身是否已脱敏。
为什么放弃做「一键合规模板」,改成地区与行业规则包?
在最早的产品草图里,我曾想过放一组叫「GDPR 模式」「HIPAA 模式」「个保法模式」的开关。动手写规则时很快就意识到:这个牛皮吹不得。
一份文件能不能发、哪些字段属于必要披露,取决于你所处的司法管辖区、公司内部制度以及这次发件的具体业务目的。比如同样是发租房合同,发给房东核验身份和传给大模型改写条款,该留下的字段完全不同。没有任何一个本地检测软件能靠一个勾选项替用户承担法律合规判断。
所以我把这套开关改成了实实在在的数据格式规则包,再加上随包内置的11 MB 本地 PII 增强识别模型:
| 识别层级 | 它在本地帮你找什么? | 哪些事仍然必须由你拍板? |
|---|---|---|
| 地区规则包(中 / 美 / 欧 / 英) | 18 位居民身份证号、统一社会信用代码、美国 SSN/ITIN、欧洲 IBAN 与各国身份证号(德/法/西/意/荷)、英国 NIN 等带固定格式或校验位的号码 | 当前文件适用哪国规定、接收方业务上是否必须保留其中某个号码 |
| 行业规则包(金融 / 医疗) | 银行卡号(含 Luhn 校验)、CVV、SWIFT/BIC、病历号(MRN)、NPI、医保号、ICD-10 编码 | 机构内部的数据分级制度、客户授权范围与档案留存要求 |
| 本地增强模型与系统 NLP | 散落在合同自然段、表格单元格与中英德扫描件里的人名、街道地址、机构名 | 模型建议是否误中了普通名词(如水电表读数或职称),本次是否勾选删除 |
| 手动框选与自定义规则 | 你用「标记区域」手拉的框,或用「添加规则」搜出的内部项目代号、合同编号 | 扫描页图片边缘是否盖严、同名信息在其他页是否全部勾上 |
这样职责就非常清楚了:规则包和本地模型只负责回答「页面上哪些地方长得像敏感信息」,而「这次到底删哪几个」永远由审阅列表前的人来拍板。本文仅说明产品设计思路,不构成法律意见。
角色可以好玩,但关掉它也照样能干活
在一款处理严肃隐私的软件里放一只会喷墨的墨鱼,确实能让原本枯燥的排查过程轻松一点;但我最警惕的,就是动画让人产生「看着挺酷,肯定全搞定了」的错觉。
所以在 Inkfish 的代码里,墨鱼图层和核心检测状态是解耦的:
- 每一页的扫描进度(「第 N 页,共 M 页 · 已找到 K 处」)、规则把握度百分比、本地模型建议标签、保存路径与校验失败警告,全部由标准文字控件独立呈现,墨鱼图层直接对 macOS 无障碍树(VoiceOver)隐藏,不干扰读屏软件。
- 如果你在处理上百页的长合同觉得动画分心,随时可以在「设置 › 通用」里关掉「显示墨鱼」,或者直接开启 macOS 系统的「减弱动态效果」(Reduce Motion)。一旦关闭墨鱼,App 会立刻释放精灵纹理并停止动画渲染,而底层的扫描线、规则与模型检测、涂墨写出和保存后复核分毫不差地照常工作。
这就是我给这只橙色小墨鱼划下的分界线:游动和喷墨把看不见的后台进度翻译成一眼能懂的画面,但真正让一份 PDF 敢放心发出去的,永远是底层的流式删字、保存后重开校验,以及你发件前最后看的那一眼。想了解完整操作流程,可以直接看 Inkfish 使用指南。
常见问题
Inkfish 里的墨鱼喷墨只是在 PDF 上画黑框吗?
不是。墨鱼喷墨只是界面上的进度反馈动画;当你点击「涂掉 N 项」(⌘↩)时,Inkfish 会在另存的 -redacted.pdf 新副本中把选中区域内的文字从 PDF 底层页面内容流(Content Stream)中物理删除,并在保存后自动重新打开该文件,验证黑框下无法再复制、搜索或提取出任何字符。
可以关掉墨鱼动画只用脱敏功能吗?
可以。在「设置 › 通用」中关闭「显示墨鱼」,或在 macOS 系统设置中开启「减弱动态效果」,墨鱼动画就会停用(在关闭开关时还会释放动画纹理内存)。关闭动画后,扫描、规则与本地模型识别、涂墨写出和保存后校验等所有功能均保持一致。
如果某一页 PDF 在保存后复核失败,Inkfish 会怎么处理?
如果某个页面因为特殊内嵌字体或复杂矢量图层导致流式删除后仍能检测到残留字符,Inkfish 的完成面板会明确标出未通过校验的页码,并提供一键「将该页转为图片重做」(Redo page as image)。该操作会将这一页连同黑框一起栅格化为纯图像页面,移除该页的底层文字层。
