PDF 개인정보 마스킹

PDF 개인정보 마스킹 소개

PDF에서 무언가를 「가렸다」는 말은 두 가지 뜻일 수 있습니다. 화면에 검은 사각형을 그려 덮었다는 뜻일 수도 있고, 그 아래 있던 글자 데이터를 파일에서 지웠다는 뜻일 수도 있습니다. 앞의 것은 보기에만 가려질 뿐이라 드래그해서 복사하면 원문이 그대로 나옵니다. 이 도구는 뒤의 것, 즉 데이터를 지우는 리댁션(redaction)을 합니다.

영역은 미리보기에서 직접 드래그하거나, 주민등록번호·휴대전화·이메일·카드번호 같은 미리 준비된 패턴과 직접 쓴 정규식으로 찾습니다. 처리 방식은 두 가지입니다. 「콘텐츠 제거」는 페이지를 그리는 명령을 분석해 상자와 겹치는 글자·이미지·도형만 지우고 나머지 텍스트는 검색 가능한 상태로 둡니다. 「이미지로 변환」은 상자를 칠한 페이지를 통째로 그림 한 장으로 바꿉니다.

검은 상자가 실패하는 방식: 2019년 매너포트 사건

2019년 1월, 폴 매너포트의 변호인단이 미국 연방법원에 낸 서면에서 가린 부분이 복사·붙여넣기만으로 그대로 드러났습니다. 매너포트가 2016년 트럼프 선거 캠프의 여론조사 자료를 러시아 측 사업 파트너 콘스탄틴 킬림닉과 공유했다는 혐의가 이렇게 처음 공개되었습니다. 보도에 따르면 원인은 글자 위에 검은 도형을 얹기만 하고 그 아래 텍스트를 지우지 않은 것이었습니다.

이런 사고는 드물지 않아서 미국변호사협회(ABA)는 판사용 저널에 리댁션 실패 사례를 정리한 글을 실었습니다. 공통점은 같습니다. 워드에서 형광펜을 검은색으로 칠하거나, PDF 편집기의 사각형 주석을 쓰거나, 리댁션 도구로 표시만 하고 「적용」을 하지 않은 경우입니다.

콘텐츠 제거 모드가 실제로 지우는 것

페이지의 콘텐츠 스트림을 명령 단위로 읽으면서 좌표 변환과 글꼴 너비를 계산해, 각 그리기 명령이 페이지 어디에 그려지는지 구합니다. 그 결과 상자와 겹치는 것은 다음처럼 처리됩니다.

• 텍스트: 글자 너비를 정확히 알 수 있으면 상자와 겹치는 글자만 같은 너비의 빈 간격으로 바꾸고, 같은 문자열의 나머지 글자는 그대로 둡니다. 너비를 알 수 없으면 겹치는 문자열을 통째로 바꿉니다. 어느 쪽이든 같은 줄 뒤쪽 글자는 제자리에 남습니다.
• 이미지: 상자 아래 픽셀을 마스킹 색으로 다시 칠합니다. 디코딩할 수 없는 형식이면 이미지 전체를 지웁니다. 투명도 마스크도 같은 영역을 불투명하게 만듭니다.
• 도형·인라인 이미지: 상자와 겹치는 선과 면을 잘라 냅니다. 상자를 완전히 감싸는 배경 사각형이나 표 칸은 남깁니다.
• 주석(메모, 링크, 양식 위젯): 상자와 겹치면 삭제하고, 양식 필드 값도 필드 목록에서 뺍니다.
• 숨은 텍스트: 태그된 PDF의 ActualText·대체 텍스트처럼 화면에는 안 보이지만 추출되는 텍스트도 확인합니다.
• 파일 전체: 선택하면 문서 정보(Info)와 XMP 메타데이터를 지우고, 새 문서 ID를 쓰고, 어디서도 참조하지 않는 객체(예전 개정본의 잔재)를 버린 뒤 파일을 처음부터 다시 씁니다.

지워지는 범위가 상자보다 넓을 수 있다

PDF의 텍스트는 글자 하나씩이 아니라 문자열 단위로 그려집니다. 어떤 프로그램은 한 단어씩, 어떤 프로그램은 한 줄을 통째로 하나의 문자열로 기록합니다. 표준 14 글꼴이나 글자 너비 표(/Widths, Identity-H의 /W)가 있는 글꼴이면 도구가 문자열을 글자 단위로 나눠 상자와 겹치는 글자만 지우므로, 한 줄이 한 문자열이어도 주민등록번호만 사라지고 이름과 주소는 남습니다. 상자 가장자리에 걸친 글자와 글자 크기의 10% 안에 붙은 글자(보통 앞뒤 공백)도 함께 지웁니다. 글자 하나라도 너비를 추측해야 하는 글꼴이면 예전처럼 겹치는 문자열을 통째로 지웁니다. 가렸는데 남는 것보다 안전한 쪽이지만, 결과 미리보기에서 확인하세요.

글꼴 정보가 불완전한 PDF(일부 CID 글꼴처럼 코드 길이와 너비를 알 수 없는 경우)에서는 글자마다 가장 넓은 폭을 가정해 겹침을 계산합니다. 이때도 지우는 쪽으로 넓게 잡힙니다.

도구가 지우지 않는 곳

책갈피(목차) 제목과, 상자와 겹치지 않는 위치의 양식 필드 값에는 같은 내용이 적혀 있을 수 있습니다. 「책갈피 제목·양식 값에서도 가린 글자 지우기」(기본 켬)는 상자 아래 글자를 읽어 같은 글자(띄어쓰기 차이 무시)를 책갈피 제목과 양식 값에서 ■로 바꾸고, 바뀐 필드는 뷰어가 모양을 다시 그리게 합니다. 두 글자 미만이거나 표기가 다른 경우(하이픈 없는 번호 등)는 찾지 못하므로, 끄거나 못 찾은 경우에는 예전처럼 경고만 나옵니다. 첨부 파일, 페이지 밖의 텍스트, 다른 페이지에 반복된 같은 정보도 상자를 그린 곳이 아니면 남습니다.

패턴 검색은 텍스트 레이어에서만 동작합니다. 스캔 문서는 글자가 그림이라 검색되지 않으니 영역을 직접 그려야 합니다. 두 줄에 걸쳐 쪼개진 번호, 「010 1234 5678」처럼 띄어쓰기가 섞인 표기, 표 안에서 칸마다 나뉜 숫자는 놓칠 수 있습니다. 실행 뒤 도구는 결과 파일에서 같은 패턴을 다시 검색해 남은 개수를 알려 줍니다(공백을 뺀 상태로도 확인).

가린 상자의 크기 자체도 정보입니다. 이름 칸의 검은 상자 길이로 글자 수를 추측하거나, 짧은 목록에서 후보를 좁히는 일이 가능합니다. 민감한 문서라면 상자를 글자보다 넉넉하게 그리는 편이 낫습니다.

이미지로 변환 모드를 쓸 때

글꼴 구조가 특이해서 콘텐츠 제거 결과가 어긋나거나, 절대 아무것도 남기면 안 되는 문서라면 이미지 변환을 고르세요. 페이지를 렌더링하면서 상자를 칠하고, 페이지 내용을 그 그림 하나로 바꿉니다. 텍스트 레이어가 없어지니 원문이 남을 여지가 없습니다. 대신 글자 검색·복사·화면 낭독이 모두 안 되고, 파일이 커지며, 확대하면 글자가 흐려집니다. 공개 문서라면 접근성 요구가 있는지 먼저 확인하세요.

예시

사용 방법

1. PDF를 선택하고 미리보기에서 영역을 드래그하거나 패턴으로 검색합니다.
2. 페이지마다 상자를 확인하고, 콘텐츠 제거와 이미지로 변환 중 처리 방식을 고릅니다.
3. 실행 후 결과 미리보기와 재검사 개수를 확인하고, 책갈피·양식 안내가 있으면 내용을 확인합니다.
4. 원본은 따로 보관하고 결과 파일만 공개합니다.

주요 용어

리댁션(redaction)

문서에서 민감한 정보를 복구할 수 없게 삭제하는 작업. 덮어 가리는 것과 구별됩니다.

콘텐츠 스트림

페이지에 글자·이미지·도형을 그리는 명령의 목록. 이 도구가 분석하고 고치는 대상입니다.

증분 저장

수정 내용을 파일 끝에 덧붙이는 저장 방식. 예전 내용이 파일 안에 남는 원인이 됩니다.

자주 묻는 질문