Nazwisko widoczne na ekranie nie zawsze jest tekstem. W zeskanowanej umowie, sfotografowanym liście lub zrzucie ekranu wiadomości e-mail wklejonym do raportu nazwisko jest obrazem. Funkcja Znajdź i zamień go nie widzi. Narzędzie AI może go odczytać.
Gdzie w obrazach ukrywają się dane osobowe
- Zeskanowane pliki PDF. Każda strona jest obrazem. Cały tekst, w tym nazwiska i numery, zapisany jest w pikselach.
- Zdjęcia dokumentów. Zdjęcie listu, faktury lub formularza zrobione telefonem.
- Zrzuty ekranu w Wordzie lub PowerPoincie. Wiadomość e-mail lub czat wklejone jako obraz, żeby „pokazać, co zostało powiedziane”.
- Bloki podpisów i pieczątki. Często są obrazami, obok których znajduje się nazwisko.
- Papier firmowy i logo. Nazwa i adres firmy na banerze.
- Wizytówki, tablice i formularze sfotografowane podczas spotkania.
- Metadane zdjęć. Zdjęcia mogą zawierać datę, informacje o urządzeniu, a czasem także lokalizację, w której je wykonano.
Dlaczego ma to znaczenie w przypadku narzędzi AI
Narzędzia AI potrafią odczytywać obrazy. Jeśli prześlesz skan umowy klienta, narzędzie odczyta widoczne w niej nazwiska tak samo jak tekst wpisany na klawiaturze. Usunięcie nazwisk z tekstowej części pliku przy pozostawieniu obrazów naraża klienta na ujawnienie danych.
Zdarza się też odwrotna sytuacja. Plik, który wygląda na czysty tekst, może zawierać zeskanowany aneks z kompletem danych. Otwórz każdą stronę, nie tylko pierwszą.
Szybki test: czy możesz zaznaczyć tekst?
Otwórz plik PDF i spróbuj zaznaczyć wiersz kursorem. Jeśli możesz zaznaczać pojedyncze słowa, strona zawiera warstwę tekstową. Jeśli zaznaczenie obejmuje całą stronę jako jeden blok albo nie można nic zaznaczyć, strona jest obrazem. Pliki mieszane są częste: strony z wpisanym tekstem, a na końcu zeskanowana strona z podpisem lub załącznik. Sprawdź ostatnie strony, nie tylko pierwszą.
Ten sam test działa w Wordzie: kliknij zrzut ekranu. Jeśli zaznacza się jako pojedynczy obraz, jego zawartość nie jest tekstem możliwym do wyszukania.
Zrzuty ekranu czatów i e-maili
Warto wspomnieć o nich osobno, bo wydają się nieszkodliwe. Zrzut ekranu rozmowy tekstowej pokazuje u góry numer telefonu lub nazwę kontaktu, nazwę drugiej osoby w każdym dymku, a często także godzinę i miejsce w wiadomościach. Zrzut ekranu wiadomości e-mail pokazuje pełne nagłówki z obydwoma adresami. Jeśli potrzebujesz treści, skopiuj słowa, zastąp imiona i nazwiska i pomiń obraz. Jeśli zrzut ekranu jest dowodem, potraktuj go jako osobny dokument i nie wstawiaj go w środek raportu, który zamierzasz udostępnić narzędziu AI.
Ręczne postępowanie z nimi
- Znajdź obrazy. Przewiń dokument i zanotuj każdy skan, zrzut ekranu i obraz.
- Zdecyduj, czy ich potrzebujesz. Często odpowiedź brzmi: nie; tekst na obrazie to zwykle jedno lub dwa zdania, które możesz przepisać.
- Jeśli potrzebujesz treści, przepisz lub skopiuj tekst i wstaw oznaczenia zastępcze, a następnie pomiń obraz.
- Nie rozmywaj. Rozmyte imię i nazwisko często nadal da się odczytać, a rozmycie można czasem odwrócić. Bezpieczniejszy jest jednolity kształt spłaszczony w obrazie. Jeszcze lepiej — pomiń obraz.
- Usuń metadane zdjęcia jeśli musisz wysłać obraz.
Co może zrobić narzędzie
Zeskanowane pliki PDF są odczytywane jako tekst, strona po stronie. W przypadku plików Word, PowerPoint, Excel, wiadomości e-mail i podobnych plików tekst na obrazach jest rozpoznawany i umieszczany w miejscu obrazu, w bloku oznaczonym jako „Tekst z obrazu”. Następnie przechodzi te same etapy co reszta dokumentu: wykrywane są imiona i nazwiska oraz numery, sprawdzasz je, a potem stają się oznaczeniami zastępczymi. Same obrazy nie trafiają do bezpiecznej kopii. Małe ikony i elementy dekoracyjne są pomijane.
W ClientSafe pasek nad bezpieczną kopią pokazuje, ile obrazów odczytano jako tekst. Odczytywane są teksty w języku angielskim, hiszpańskim, francuskim, niemieckim i arabskim.
Przykład z życia
Klient przesyła folder: umowę z wpisanym tekstem, zeskanowane pismo z banku, trzy zdjęcia odręcznej notatki i wątek e-mail z załączonymi zrzutami ekranu wiadomości tekstowych. Umowa jest prosta. Imiona i nazwiska ukrywają się w pozostałych materiałach. Narzędzie działające wyłącznie na tekście wpisanym do dokumentu przeoczy większość z nich, a szybkie przeszukanie umowy pokaże, że jest „czysta”. Wyszukiwanie tekstu nie jest sprawdzeniem skanów. Podczas weryfikacji trzeba uwzględnić strony odczytane z obrazów.
Kiedy rozpoznawanie zawodzi
Odczytywanie tekstu z obrazów nie jest dokładne. Pismo odręczne, zdjęcia o niskiej rozdzielczości, przekrzywione strony, pieczątki na tekście i nietypowe czcionki mogą powodować błędy. Błędnie odczytane imię lub nazwisko może umknąć wykrywaniu, bo przestaje wyglądać jak imię lub nazwisko. Jeśli odczyt jest niepewny, ClientSafe oznacza dokument jako „Wymaga weryfikacji”. Potraktuj te dokumenty jako takie, które należy przeczytać dwukrotnie, porównując bezpieczną kopię z oryginalną stroną.
Podpis narysowany jako obraz nie zawiera czytelnego tekstu. Wpisane obok imię i nazwisko, jak w „Podpisano: Maria Lopez”, to tekst i zostanie wykryte.
Często zadawane pytania
Czy mogę zostawić obrazy i po prostu mieć nadzieję?
Nie. Obraz dokumentu jest dokumentem. Jeśli zawiera imiona i nazwiska, narzędzie AI odczytujące obrazy je zobaczy.
Czy zeskanowany plik PDF jest traktowany tak samo jak plik Word?
Najpierw jest odczytywany jako tekst. Potem przechodzi te same etapy.
Czy bezpieczna kopia zawiera moje zdjęcia?
Nie. Obrazy są pomijane. Ich tekst, o ile dało się go odczytać, jest uwzględniany i zabezpieczany.
A co z odręcznymi notatkami?
Należy liczyć się z przeoczeniami. Pismo odręczne jest najtrudniejszym przypadkiem dla każdego rozpoznawania tekstu, dlatego dokładnie sprawdź te strony albo przepisz ich treść.
ClientSafe odczytuje zeskanowane pliki PDF i tekst na obrazach w dokumentach, a następnie znajduje i zastępuje imiona i nazwiska oraz numery, tak jak w przypadku tekstu wpisanego do dokumentu. Podczas weryfikacji widać, co zostało wykryte, a dokumenty budzące wątpliwości są oznaczane jako „Wymaga weryfikacji”.