Een gemeente stuurt een geanonimiseerd rapport naar een journalist. De namen in de tekst zijn netjes weggehaald. In de documenteigenschappen staat de auteur, en in het bestandspad staat de map waarin het stuk stond: de achternaam van de betrokken ambtenaar en de naam van het dossier.
Er is niets misgegaan met het weglakken. Alleen is er niet verder gekeken dan de pagina.
Wat er in het bestand zit zonder op de pagina te staan
Een pdf draagt een set velden mee die je alleen ziet als je ernaar zoekt:
- Auteur en organisatie. Meestal automatisch overgenomen uit de instellingen van het programma waarmee het document is gemaakt.
- Titel, onderwerp en trefwoorden. Vaak nog de werktitel uit een eerdere versie.
- Aanmaakdatum en datum van laatste wijziging. Inclusief tijdstip.
- Gebruikte software. Welk programma, welke versie.
- Het bestandspad. Bij sommige exportroutes komt het volledige pad van het bronbestand mee.
- XMP-velden. Een uitgebreidere set die programma's onderling gebruiken en waar van alles in kan staan, tot en met de bewerkingsgeschiedenis.
Dat bestandspad is het onderschatte veld. Iets als C:/Users/j.dewilde/Dossiers/Fusie-Noordkant/concept-v4.docx bevat een gebruikersnaam, een projectnaam en een versienummer, en geen daarvan stond op de pagina.
Wat er meekomt uit de bron
Wat er verder in zit, hangt af van waar het document vandaan komt.
Uit Word. Opmerkingen in de kantlijn en bijgehouden wijzigingen kunnen meekomen in de export, afhankelijk van de instellingen. Exporteer je een concept met commentaar van drie collega's zonder dat eerst te verwerken of te verwijderen, dan deel je dat commentaar mee. Lees ook wat er bij "opslaan als pdf" niet wordt weggehaald.
Uit een systeem. Exports uit een dossier- of zaaksysteem bevatten soms interne verwijzingen: zaaknummers, gebruikers-id's, de naam van de sjabloon.
Uit een scanner. Apparaatnaam, soms een serienummer en de instellingen waarmee is gescand.
Waarom weglakken hier niet bij komt
Dit is het punt dat mensen verrast, terwijl het eigenlijk logisch is.
Weglakken werkt op de inhoud van de pagina: die passage moet weg, dus die tekst wordt verwijderd. De documenteigenschappen staan daar volledig buiten. Ze zijn geen onderdeel van de pagina, dus een programma dat de pagina bewerkt, komt er niet aan.
Je kunt dus alle regels uit ons artikel over het zwarte vlak over tekst volgen, alles perfect weglakken en nog steeds de naam van de opsteller meesturen.
Metadata verwijderen is een aparte handeling, met een aparte knop, in vrijwel elk programma.
Waarom AI-tools dit meelezen
Bij het uitlezen van een geüpload bestand pakken diensten meestal meer dan alleen de zichtbare tekst. Wat er precies wordt meegenomen verschilt per aanbieder en is zelden gedocumenteerd.
Ga er dus voor de zekerheid van uit dat alles wat in het bestand zit, naar de dienst gaat. Niet omdat er iets misgaat, maar omdat je het bestand hebt verstuurd en niet de pagina.
Daarom controleer je de metadata al voordat je iets uploadt, en niet pas als je het naar buiten stuurt. Een upload naar een chatbot lijkt misschien intern, maar ook dan stuur je het naar buiten.
Wat je doet voordat je deelt
- Open de documenteigenschappen. In vrijwel elke pdf-lezer onder bestand of documenteigenschappen. Kijk naar de auteur, de titel en of er een pad in staat.
- Controleer op verborgen informatie. De meeste pdf-programma's hebben een functie die metadata, ingesloten bestanden, opmerkingen en verborgen lagen opspoort.
- Verwijder wat er niet in hoeft. Auteur en organisatie hebben zelden een functie in een gedeeld document.
- Controleer opnieuw na bewerking. Sommige programma's schrijven hun eigen naam en een nieuwe wijzigingsdatum terug zodra je opslaat.
Vier stappen, en samen kosten ze een minuut. Dat is de verhouding waar het hier om gaat: een minuut controle tegenover een gegeven dat je niet had willen delen en dat je daarna niet meer terugkrijgt.
Anonimiseer je een pdf met BeeSensible, dan gaan ingesloten bestanden, XMP-metadata, JavaScript en applicatiegegevens er altijd uit, en controleert de dienst na afloop of een verwijderde waarde nog in het bestand voorkomt.
