Cómo redactar correctamente información sensible en un PDF

Redactar un PDF es una de esas tareas que parecen fáciles y salen mal de forma espectacular. Dibujar un rectángulo negro sobre un nombre en Acrobat o Preview oculta el nombre visualmente pero deja el texto original en el documento, recuperable en segundos por cualquiera con un lector PDF gratuito. Fugas muy mediatizadas en la ONU, el Departamento de Justicia de EE. UU. y el equipo legal de Manafort han involucrado precisamente este error. Una redacción adecuada elimina permanentemente el texto del documento, lo que es más difícil de lo que parece y se beneficia de una herramienta hecha para ello.

Breve historia de redacciones PDF fallidas

Los fallos de redacción PDF han sido una historia recurrente durante más de veinte años. En mayo de 2005, el ejército de EE. UU. publicó un informe sobre la muerte del periodista italiano Nicola Calipari en Iraq con secciones sensibles «redactadas» por superposiciones negras; los periodistas italianos que descargaron el PDF pudieron seleccionar y copiar el texto subyacente en minutos. En 2009, el Departamento de Justicia de EE. UU. publicó un memo sobre interrogatorios mejorados con el mismo defecto. En 2019, el equipo legal de Paul Manafort presentó un documento judicial con redacciones negras entre corchetes que resultaron ser cajas transparentes, exponiendo detalles de sus contactos con Konstantin Kilimnik. El mismo año, un informe confidencial de Boeing a la FAA sobre el sistema MCAS del 737 MAX llegó a los reporteros totalmente legible porque las redacciones eran solo formas.

El patrón es tan consistente que la NSA publicó la guía «Redacting with Confidence» a finales de 2005, y tanto Adobe como Foxit lanzaron modos de redacción dedicados en los años siguientes. La lección central: una herramienta de redacción debe eliminar el texto subyacente y reemplazarlo con una marca opaca; cubrir visualmente con un rectángulo nunca es suficiente.

Por qué cubrir visualmente falla

Un PDF almacena una página como flujo de contenido: una secuencia de operadores de dibujo que colocan texto, líneas, rectángulos e imágenes en la página. Cuando dibujas un rectángulo negro sobre un nombre en Acrobat, el PDF ahora contiene tanto el operador de texto (escribir el nombre) como el operador de rectángulo (dibujar la caja encima). El visor renderiza ambos, en orden, produciendo una página donde el nombre está oculto visualmente. El operador de texto sigue en el archivo, indexable, copiable y recuperable por cualquier parser PDF. El propio Reader de Adobe te dejará seleccionar el texto oculto con Ctrl+A y pegarlo en Notepad.

Campos de formulario, comentarios y metadatos se guardan en diccionarios completamente separados dentro del PDF y no se ven afectados por superposiciones visuales en absoluto. Un PDF «redactado» que todavía tiene el nombre del autor en metadatos, comentarios que referencian el texto redactado por nombre, o valores de campo de formulario con los datos originales filtra tanto como uno con texto bajo un rectángulo.

Cómo funciona una herramienta de redacción correcta

Una redacción real hace tres cosas:

1. Elimina el contenido de texto del flujo de contenido en las regiones redactadas, para que cualquier parser futuro vea la marca de redacción, no el texto original.
2. Elimina cualquier metadato que referenciara el contenido original, incluyendo autor del documento, último editor, software, nombre de archivo original y cualquier campo XMP personalizado.
3. Elimina campos de formulario, comentarios y adjuntos que se solapen o referencien las regiones redactadas.
4. Reemplaza el área con una marca opaca (normalmente un rectángulo negro, a veces con una razón de redacción como «[FOIA exemption b6]») dibujada sobre el contenido ahora vacío.

Las herramientas de redacción basadas en navegador usando pdf-lib o PDF.js pueden hacer todo esto en JavaScript sin subir el archivo. El PDF redactado se reconstruye localmente y se ofrece como descarga. Como el original nunca sale de tu dispositivo, la garantía de privacidad es total.

Cómo redactar un PDF, paso a paso

1. Sube el PDF. Suelta el archivo en la página. La herramienta lo lee en memoria y muestra la primera página en vista previa. Nada se sube.
2. Encuentra qué redactar. Usa la búsqueda de texto para encontrar nombres, números de cuenta, fechas de nacimiento, direcciones o cualquier otra cadena sensible recurrente. La herramienta resalta cada aparición.
3. Marca regiones de redacción. Haz clic y arrastra para dibujar un rectángulo, o haz clic en «redactar todas las coincidencias» para aplicar la marca a todas las instancias encontradas a la vez.
4. Opcionalmente añade una etiqueta de razón. Los flujos gubernamentales (FOIA, Artículo 17 RGPD, HIPAA) a menudo requieren que la redacción esté etiquetada con la base legal. Escribe la etiqueta y se dibuja dentro del rectángulo.
5. Aplica la redacción. Este es el paso clave: elimina permanentemente el texto bajo los rectángulos del flujo de contenido, quita metadatos y guarda un nuevo PDF con las marcas grabadas.
6. Verifica el resultado. Abre el PDF redactado, prueba Ctrl+A y luego Ctrl+C y pega en un editor de texto. Deberías ver las etiquetas de redacción (o nada) donde estaba el texto original, nunca el texto original en sí.

Qué redactar

Los casos obvios son nombres, direcciones, teléfonos, emails y números de cuenta. Los menos obvios causan la mayoría de las fugas del mundo real:

La última fila es especialmente importante: una captura de un CRM mostrando una ficha de cliente, embebida en el PDF como imagen rasterizada, no será redactada por herramientas de capa de texto. La imagen en sí debe pintarse encima.

Errores comunes

• Caja negra en Word y reexportar a PDF. El texto bajo la caja sigue en el documento Word y sobrevive a la exportación. Aunque tu página visible parezca limpia, el flujo de contenido PDF contiene el original.
• Usar resaltado + cambiar color a negro. El resaltado es una anotación de comentario, no un cambio de flujo de contenido. Cualquiera puede quitar la anotación para revelar el original.
• Olvidar metadatos. Un memo redactado con «Autor: Juan Pérez» en las propiedades del documento te dice quién lo escribió, aunque cada nombre en el cuerpo esté redactado.
• Olvidar comentarios. Los revisores de Adobe y PDFelement a menudo añaden comentarios que referencian nombres que se están redactando en el cuerpo. Quita todos los comentarios.
• Olvidar el historial de campos de formulario. Formularios PDF rellenos pueden llevar valores de envíos anteriores en su diccionario AcroForm. Aplanar elimina el campo, pero el valor puede quedar en el historial del documento.
• No redactar imágenes de texto. Pasa OCR al documento, identifica las cajas envolventes de texto y luego pinta sobre esas regiones en la imagen en sí, no solo la capa OCR.
• Confundir imprimir-a-PDF con redacción. Imprimir a PDF rasteriza la página, lo que sí quita la capa de texto, pero produce un archivo mucho mayor y pierde búsqueda. Es una solución pesada, no una redacción.
• Compartir el original por error. Renombra siempre el archivo redactado con un sufijo claro (-redactado.pdf) para no adjuntar el original sin querer.
• Fiarse solo de la revisión visual. El PDF redactado puede parecer perfecto y aun así filtrar. Prueba siempre seleccionando todo el texto y copiando, extrayendo metadatos con pdfinfo o exiftool, y comparando el tamaño con el original.
• «Redacción» por permisos. Bloquear un PDF con contraseña o restringir copia no es redacción. Los datos siguen en el archivo y las restricciones son consultivas; los removedores de contraseñas PDF están a un clic.

Herramientas y flujos alternativos

Para una presentación legal puntual o solicitud de empleo, la herramienta en navegador es la respuesta correcta. Para redacción por lotes de cientos de solicitudes FOIA, Acrobat Pro o un pipeline qpdf + pdftotext scriptado se paga solo. Para redactar escaneos cargados de imágenes, pasa OCR primero y luego redacta las cajas envolventes tanto en la capa OCR como en el raster subyacente.

Lista de verificación antes de compartir

Antes de enviar un PDF redactado fuera de tu equipo, recorre esta lista:

• Selecciona todo el texto (Ctrl+A) y copia a un editor. Las cadenas redactadas no deben aparecer.
• Abre metadatos: exiftool archivo.pdf o usa el diálogo de propiedades del visor PDF. Autor, creador, último editor, nombre de archivo original, campos XMP personalizados deben estar todos vacíos o anónimos.
• Comprueba comentarios y anotaciones explícitamente. El panel de comentarios de Acrobat, la lista de anotaciones de Preview o pdftotext -layout los harán salir.
• Confirma que el tamaño del archivo es materialmente menor que el original (texto y metadatos eliminados deberían reducir el tamaño). Un PDF redactado del mismo tamaño en bytes que el original es sospechoso.
• Para documentos con imágenes: abre en visor de imágenes y haz zoom en las áreas redactadas. Algunos visores revelan contenido de imagen bajo superposiciones.
• Para documentos de varias páginas: comprueba al menos la primera, la última y tres páginas aleatorias del medio. Busca de nuevo los nombres redactados para asegurarte de no haber omitido ninguna aparición.

Privacidad y el redactor

El redactor PDF de navegador corre enteramente en la memoria de tu dispositivo. El archivo que sueltas es leído por la API File, parseado por pdf-lib o PDF.js en JavaScript, re-renderizado con las redacciones aplicadas y ofrecido como descarga. Nada se sube, nada se registra, nada se cachea en servidor. Para material sensible (presentaciones judiciales, historias clínicas, respuestas FOIA, notificaciones de brecha), ese flujo estrictamente local es la diferencia entre una redacción que controlas y una redacción que tienes que confiar a otro. La herramienta entera puede correr offline una vez cargada la página, lo que puedes verificar desconectando la red y redactando otro archivo.