Datenmaske
INFORME TÉCNICO

Caja negra ≠
datos eliminados

La mayoría de las herramientas de anonimización colocan una barra sobre el texto. Visualmente ilegible — el contenido sigue en el content stream del PDF y puede recuperarse en segundos. Datenmaske elimina el texto realmente y lo verifica de forma fail-closed.

Ver el script de prueba Informe técnico
Marat's Letter, Redacted, after David KI-generiert

EL PROBLEMA

Una anonimización recuperable es una violación de datos latente.

Una auditoría de software de Essex (n=72 PDF indexados públicamente) encontró en alrededor de 17 % — uno de cada 6 archivos — datos sensibles residuales extraíbles en documentos aparentemente anonimizados. Muestra, no representativo , pero el mecanismo es técnicamente indiscutible.

Para un despacho, una autoridad o un departamento de RR. HH., esto significa: un PDF entregado cuyo contenido puede recuperarse es una brecha relevante para la DSGVO y el §-203-StGB — independientemente del aspecto visual de la caja.

CÓMO ANONIMIZA DATENMASKE

Eliminación del content stream, verificada de forma fail-closed

01

Detectar

Regex + spaCy/GLiNER-NER + gazetteer + OCR opcional entregan, por coincidencia, una bounding box + el texto detectado.

02

Eliminar

MuPDF applyRedactions() elimina los operadores de texto y las referencias de glifos del content stream — sin superposición. Los metadatos se eliminan además vía pdf-lib.

03

Verificar (fail-closed)

verifyRedactions reabre el PDF exportado y comprueba que no quede ninguna cadena PII detectada. Si falla, la exportación se bloquea.

COMPARACIÓN

¿Qué ocurre con el texto PII?

Método
¿Recuperable?
Superposición de caja negra
Sí — mediante un parser de texto en segundos
«Sanitize» sin verificación
Posiblemente
Datenmaske
No — asegurado por verificación

LÍMITES HONESTOS

Lo que no prometemos.

  • Las páginas OCR se verifican por la capa de texto, no por píxel. Si la PII aparece como imagen en una página OCR, confirmamos la eliminación del texto, pero no podemos garantizar el píxel de la imagen. Marcamos estas páginas honestamente como verified: false con el motivo ocr_page_not_pixel_verified .
  • «100 % irreversible» se refiere al contenido de texto eliminado — una capacidad propia que el paso de verificación pone a prueba. Sin garantía de que se detectara toda PII concebible (por eso el humano en el bucle sigue siendo el valor por defecto).
  • No existe un «certificado § 203». No existe tal certificado. Datenmaske es una herramienta en la pila de cumplimiento.
DATENMASKE

Convénzase usted mismo — con su propio PDF.

Gratis, sin registro. Vea la verificación fail-closed en acción.