Имя, которое видно на экране, не всегда представлено текстом. В скане договора, фотографии письма или снимке экрана с электронной перепиской, вставленном в отчёт, имя — это изображение. Поиск и замена его не обнаружат. Инструмент ИИ может его распознать.
Где в изображениях могут скрываться персональные данные
- Сканированные PDF-файлы. Каждая страница — это изображение. Весь текст, включая имена и номера, представлен пикселями.
- Фотографии документов. Снимок письма, счёта или формы, сделанный на телефон.
- Снимки экрана в Word или PowerPoint. Письмо или чат, вставленные как изображение, чтобы «показать, что было сказано».
- Блоки для подписей и печати. Часто это изображения, рядом с которыми указано имя.
- Фирменные бланки и логотипы. Название и адрес компании на баннере.
- Визитные карточки, доски и формы снимки которых сделаны на встрече.
- Метаданные фотографий. В изображениях могут содержаться дата, сведения об устройстве, а иногда и место съёмки.
Почему это важно для инструментов ИИ
Инструменты ИИ умеют читать изображения. Если загрузить скан договора клиента, инструмент прочитает имена в нём так же, как в напечатанном тексте. Если удалить имена из текстовых частей файла, но оставить изображения, данные клиента останутся раскрытыми.
Бывает и наоборот. В файле, который выглядит как обычный текст, может оказаться скан приложения со всеми данными. Откройте каждую страницу, а не только первую.
Быстрая проверка: можно ли выделить текст?
Откройте PDF и попробуйте курсором выделить строку. Если можно выделить отдельные слова, на странице есть текстовый слой. Если выделяется вся страница целиком или не выделяется ничего, страница является изображением. Смешанные файлы встречаются часто: страницы с напечатанным текстом, а в конце — скан страницы с подписью или приложения. Проверьте последние страницы, а не только первые.
Та же проверка работает в Word: щёлкните снимок экрана. Если он выделяется как единое изображение, его содержимое не является текстом, доступным для поиска.
Снимки экрана чатов и электронной переписки
Этим стоит уделить особое внимание, потому что они кажутся безобидными. На снимке экрана с перепиской в текстовых сообщениях вверху отображается номер телефона или имя контакта, в каждом сообщении — имя собеседника, а в самих сообщениях часто указаны время и место. На снимке экрана с электронным письмом виден полный заголовок с адресами обеих сторон. Если вам нужно содержимое, скопируйте текст, замените имена и не включайте изображение. Если снимок экрана служит доказательством, обращайтесь с ним как с самостоятельным документом и не вставляйте его в середину отчёта, который собираетесь передать инструменту ИИ.
Как обработать их вручную
- Найдите изображения. Просмотрите документ и отметьте каждый скан, снимок экрана и фотографию.
- Решите, нужны ли они. Часто они не нужны либо содержащийся в них текст занимает пару строк, которые можно перепечатать.
- Если содержимое нужно, перепечатайте или скопируйте текст и вставьте заполнители, а изображение не включайте.
- Не размывайте изображение. Размытое имя часто всё ещё можно прочитать, а размытие иногда удаётся обратить. Надёжнее использовать сплошную фигуру, объединённую с изображением. Ещё лучше — не включать изображение.
- Удалите метаданные фотографии если всё же необходимо отправить изображение.
Что может сделать инструмент
Сканированные PDF-файлы обрабатываются как текст, страница за страницей. В документах Word, PowerPoint, Excel, письмах и файлах других похожих форматов текст на изображениях распознаётся и вставляется на место изображения в блоке с пометкой «Текст на изображении». Затем он обрабатывается так же, как остальной документ: имена и номера обнаруживаются, вы проверяете их, и они заменяются заполнителями. Сами изображения в безопасную копию не попадают. Небольшие значки и декоративные элементы пропускаются.
В ClientSafe на полосе над безопасной копией указано, сколько изображений было распознано как текст. Распознаются английский, испанский, французский, немецкий и арабский языки.
Реалистичный пример
Клиент присылает папку: договор с напечатанным текстом, скан банковского письма, три фотографии рукописной записки и цепочку писем со снимками экрана текстовых сообщений. С договором всё просто. Остальные материалы — место, где скрываются имена. Инструмент, работающий только с печатным текстом, пропустит большинство таких данных, а быстрый поиск по тексту договора покажет, что он «чистый». Поиск по тексту не позволяет проверить сканы. При проверке нужно включить страницы, распознанные на изображениях.
В каких случаях распознавание не срабатывает
Распознавание текста на изображениях не идеально. Рукописный текст, фотографии низкого разрешения, перекошенные страницы, печати поверх текста и необычные шрифты могут привести к ошибкам. Неверно распознанное имя может ускользнуть от обнаружения, поскольку оно больше не выглядит как имя. Если распознавание вызывает сомнения, ClientSafe помечает документ как «Требует проверки». Такие документы нужно перечитать дважды, сравнивая безопасную копию с исходной страницей.
Изображение подписи, нарисованной от руки, не содержит распознаваемого текста. Имя, напечатанное рядом, например «Подписано: Мария Лопес», является текстом и будет обнаружено.
Часто задаваемые вопросы
Можно ли оставить изображения и просто надеяться, что ничего не случится?
Нет. Изображение документа — это и есть документ. Если в нём есть имена, инструмент ИИ, который читает изображения, их увидит.
Сканированный PDF обрабатывается так же, как файл Word?
Сначала из него распознаётся текст. Затем он проходит те же этапы обработки.
Фотографии попадут в безопасную копию?
Нет. Изображения не включаются. Текст с них, если его удалось прочитать, включается и обезличивается.
А как быть с рукописными заметками?
Будьте готовы к пропускам. Рукописный текст — самый сложный случай для любого распознавания, поэтому особенно тщательно проверьте такие страницы или перепечатайте их.
ClientSafe читает сканированные PDF-файлы и текст на изображениях в документах, а затем находит и заменяет имена и номера так же, как в печатном тексте. На этапе проверки можно посмотреть, что было найдено, а документы, в которых инструмент не уверен, помечаются как «Требует проверки».