[nonimo]
PT
Descarregar a app

Oculte dados num PDF antes de o enviar à IA

O seu documento

O seu documento, com os dados ocultados

· Atualizado a

Joaquín Trapero

in Especialista em inteligência artificial e proteção de dados, e fundador do Nonimo.

Reclamação em PDF fictícia: sete dados tapados com retângulos pretos e o texto extraído por baixo, com o apelido ainda lá

Quem tapa um PDF a preto vê uma página limpa. Um programa vê as palavras intactas por baixo da tinta, e é com um programa que a IA o abre. Acontece na câmara municipal que exporta um requerimento e no escritório que recebe uma contestação.

Aqui separo o que se vê do que fica no ficheiro, e mostro como se remove e se confirma antes de carregar. O que o serviço faz depois à conversa tem um guia sobre o ChatGPT.

Resposta rápida

Um retângulo preto tapa o ecrã, não o ficheiro: a IA extrai o texto que está por baixo. Remova o conteúdo com uma ocultação aplicada e guardada, ou cole só o excerto já limpo. Antes de carregar, copie a zona tapada e pesquise um apelido. Se aparecer, o dado continua lá.

Retângulo preto num PDF: porque o texto continua lá

Um PDF guarda cada palavra como texto, com o tipo de letra e a posição na página. Por cima podem vir imagens, desenhos e anotações, cada coisa no seu lugar. A barra preta é só mais um desenho: junta tinta e não mexe no que está debaixo.

Daí o engano. No ecrã e na impressora, o resultado parece definitivo. Para um programa que lê o texto do ficheiro, a barra nem existe. Nas folhas de cálculo o engano tem outra forma, a coluna escondida que continua a ser lida.

Das maneiras de tapar, a que acho mais enganadora é o realce preto: usa a ferramenta de sublinhar e tem ar de gesto pensado. Escolha abaixo como foi tapado o seu ficheiro.

Como foi tapado o seu PDF?

Escolha o gesto e veja o que ficou no ficheiro.

Fica tudo. A forma é uma anotação ou um desenho por cima. Qualquer pessoa a seleciona e apaga no leitor, e a extração lê o texto como se ela não existisse.

Fica tudo, e com um comentário em cima. O realce é uma anotação presa às palavras, e quem a remove volta a ler a linha. Que categorias especiais andam nesses papéis vê-se nos papéis de escritório com dados sensíveis.

Fica tudo, noutra cor. Letra branca em fundo branco, ou preta sobre preto, continua a ser texto. Copia-se, pesquisa-se e extrai-se.

Depende do Word. Se a tarja era um retângulo sobre o texto antes de exportar, o PDF herda as duas coisas. Limpe a origem primeiro, pela ordem da página de anonimizar um documento Word.

O texto marcado sai. Fica a barra e, por baixo, nada. É o único gesto desta lista que remove. Converter tudo em imagem também tira a camada de texto, mas só serve se o preto já estiver na imagem, como quando se marca a cópia de uma carta de condução.

O que fica em cada caso deduz-se da estrutura do formato PDF; o primeiro confirmámo-lo no PDF de prova. A Adobe escreve que o marcador preto e a mudança de cor da letra «não são infalíveis».

O nosso teste: sete dados tapados a preto

A prova fizemo-la no fim de setembro, no dia 28. Gerámos um PDF com uma reclamação inventada para os recursos humanos, com sete dados pessoais: nome, NIF, morada, telemóvel, email, IBAN e o nome de uma chefe de divisão. Tapámo-los com retângulos pretos desenhados por cima.

Extraímos depois o texto com duas bibliotecas livres, a pypdf e a PyMuPDF, do género que lê PDF por trás de muitos serviços. Repetimos com a ocultação da própria PyMuPDF, que apaga o que está debaixo da marca, e com uma versão em imagem.

Para quem trabalha com peças processuais, é o mesmo risco descrito no guia de IA para advogados: o documento sai com cara de tratado.

Três versões da mesma reclamação

O que cada ficheiro devolveu à extração e à pesquisa pelo apelido.

VersãoNo ecrãTexto extraídoPesquisa pelo apelido
Retângulos desenhados por cimaSete barras pretasOs sete dados, por extenso3 ocorrências
Ocultação aplicada e guardadaSete barras pretasSó os rótulos: «Nome:», «NIF:»…0
Página em imagem, retângulos por cimaSete barras pretasNada, mas a imagem embutida saiu inteira0, por falta de texto

Resultado da nossa prova: PDF gerado com a reportlab 4.5.0, texto lido com a pypdf 6.10.2 e a PyMuPDF 1.26.5, dados inventados. Os contabilistas encontram o mesmo aviso no guia sobre dados de clientes num assistente de IA.

A primeira linha é a que mais me incomoda: as três versões são iguais à vista, e só uma tirou os dados. A prova que repete o teste em casa não pede nenhum programa novo. Selecione a zona tapada, copie e cole num editor simples, o Bloco de Notas ou o TextEdit.

O editor mostra o texto cru, sem formatação, e serve também para abrir um CSV ou um TXT antes de o enviar. A seguir, Ctrl+F (Cmd+F no Mac) e procure o apelido ou quatro algarismos de um número tapado.

Camada de texto: o que a IA recebe do ficheiro

A documentação para programadores explica-o. A Anthropic escreve que o sistema converte cada página numa imagem e que o texto de cada página é extraído e enviado ao lado dela. Segundo a OpenAI, nos modelos com visão a API extrai o texto e as imagens das páginas e manda as duas coisas.

Juntando ao teste, a conclusão é simples. A imagem da página mostra a barra preta, mas o texto que segue ao lado é o do ficheiro, com o nome por baixo da barra. O que acontece depois ao ficheiro está no guia sobre como o Claude trata os dados.

Quando é uma aplicação a enviar PDFs sem ninguém ao teclado, o ficheiro deixa de ser o único canal, como mostra o guia de fuga de dados com IA.

Dois caminhos a partir do mesmo PDF

O modelo recebe a imagem da página e, ao lado, o texto extraído.

PDF carregadoNome:IBAN:Imagem da páginaTexto extraídoNome: Clementina FontouraIBAN: PT50 (por extenso)Modelo

Esquema feito a partir da documentação «PDF support» da Anthropic e «File inputs» da OpenAI; nome inventado. No Microsoft 365, veja também como o Copilot lida com os documentos.

Por isso prefiro, quase sempre, colar o excerto a carregar o anexo. Para rever uma cláusula, a IA precisa da cláusula; para melhorar um diapositivo, não precisa das notas do orador. Três parágrafos colados conferem-se num minuto; um anexo de doze páginas, não.

Se o PDF saiu de um Word revisto a várias mãos, há ainda o que ficou na origem: aceite as alterações controladas e exporte de novo antes de pensar em tapar.

Ocultar no Acrobat Pro sem deixar restos

No Acrobat Pro, a ferramenta chama-se Ocultar e está em Ferramentas. Marca-se o que sai, com duplo clique numa palavra ou arrastando sobre uma área, e depois carrega-se em Aplicar. A página da Adobe em português deixa um pormenor que convém ler devagar: os itens só são removidos de vez quando o documento é guardado.

Para um nome que se repete em vinte páginas há Localizar o Texto e Redigir, que trata uma palavra, uma expressão ou um número no documento inteiro. Não lhe entrego a revisão toda: um apelido sem acento, um NIF escrito em grupos de três ou um nome partido entre linhas escapam a uma pesquisa exata.

Ao aplicar, a caixa Aplicar Ocultações oferece Limpar e Remover Informações Ocultas; a página da Adobe não detalha o que leva. Num ficheiro que vai sair, quero-a ligada. O Acrobat junta «_Ocultado» ao nome e o original fica à parte, o que nos escritórios de advogados evita enviar a versão errada.

Antes de fechar o Acrobat

Marque o que já fez nesta cópia.

0 de 6

Ainda falta um passo. Sem Aplicar e guardar, a marca é só uma marca.

Lista nossa, montada sobre a página da Adobe. Um gabinete pode juntá-la às suas regras internas sobre IA.

Num cartório, onde a minuta passa por várias mãos e o sigilo do notário a cobre por inteiro, esta lista cabe num post-it. Colada no monitor, faz mais do que uma circular.

PDF digitalizado: a imagem também chega à IA

Um digitalizado é uma fotografia de cada página dentro de um PDF. Sem reconhecimento de texto, copiar não devolve nada, e a IA não fica às escuras: recebe a imagem de cada página. A carta de condução digitalizada lê-se tão bem como a original.

Um retângulo desenhado sobre um digitalizado tem a mesma falha que no PDF de texto. No nosso teste, a imagem extraída de dentro do ficheiro saiu inteira, sem uma barra. E se no leitor consegue selecionar palavras da página, o ficheiro tem também texto, e esse texto comporta-se como o da primeira linha da tabela.

Num digitalizado, dou por não tapado tudo o que esteja pousado sobre a imagem. Ou se apagam os píxeis, ou se transcreve à mão só o parágrafo útil. Depois de carregado, o ficheiro fica no serviço pelos prazos que o guia sobre o que as IA guardam dos ficheiros compara.

O que fazer com este digitalizado?

Três perguntas sobre o seu ficheiro.

No leitor, consegue selecionar uma palavra da página?

A IA precisa da página inteira, ou de um parágrafo?

A página é um documento de identificação?

Há texto por trás da imagem. Trate-o como um PDF de texto: ocultação aplicada e guardada, e a prova de pesquisa no fim.
Transcreva só esse parágrafo, sem os dados, e deixe o digitalizado no seu computador. Num relatório clínico, veja antes que dados de saúde tirar.
Tape a imagem nos próprios píxeis: há ferramentas para o Cartão de Cidadão e para o passaporte.
Apague as zonas na imagem, não por cima dela, ou use a app do Nonimo, que lê o digitalizado no computador.

Triagem nossa. Relatórios e análises que chegam digitalizados a uma clínica pedem esta triagem antes de qualquer IA.

Se a cópia tiver de seguir para alguém, o traço com o destinatário numa cópia do Cartão de Cidadão grava-se na imagem e não se levanta. Num digitalizado, é a única marca em que confio.

Formulários, anexos e metadados do PDF

Um requerimento ou uma declaração em PDF pode chegar como formulário para preencher no computador. O que se escreve nos campos fica guardado como valor do campo, e uma barra por cima da página não lhe toca. É aqui que eu desconfiaria primeiro, porque o formulário parece fechado e não está.

Há ainda o que não aparece na página: propriedades, anexos, comentários e a assinatura digital. A aplicação Autenticação.gov assina PDF com o certificado do Cartão de Cidadão, e pode juntar-lhe Motivo ou Localização. Uma barra por cima da página não tira a assinatura do ficheiro.

Para as propriedades, há um guia só para elas, no Word e no PDF. Filtre abaixo pelo que se vê ou não no ecrã.

O que um PDF leva além da página

E o que fazer antes de o carregar.

ElementoOnde estáO que fazer
Campos de formulário preenchidosNos campos, como valorApagar o valor ou copiar só o texto para um documento novo
Assinatura digitalNo ficheiro, ligada ao certificado de quem assinouNão carregar o original assinado; enviar uma cópia de texto
Comentários e notasNas anotaçõesApagá-los um a um e confirmar que o painel ficou vazio
Propriedades do ficheiroAutor, título, programa, datasVer em Propriedades do documento e limpar
AnexosFicheiros embutidos no PDFAbrir o painel de anexos e retirá-los

Ações que sugerimos; a assinatura com o certificado do Cartão de Cidadão, Motivo ou Localização é descrita pela Autenticação.gov. A assinatura entra nas duas vistas porque alguns leitores de PDF não a reconhecem, como avisa a mesma página. Num gabinete de contabilistas certificados, vale a pena correr esta tabela em cada declaração recebida.

Expurgar documentos: o que pede a CNPD

A CNPD não tem, que tenhamos encontrado, uma deliberação sobre um PDF mal tapado. Tem duas orientações de abril de 2023 que usam o verbo certo, expurgar, e assentam na minimização do artigo 5.º do RGPD. Se um PDF mal tapado já seguiu, a pergunta passa a ser se é preciso notificar a CNPD.

A de 11 de abril trata de procedimentos administrativos: manda ocultar ou expurgar a morada, os contactos e o número de identificação civil. Lembra ainda que uma certidão do registo criminal pode trazer um crime sem relação com o concurso.

A de 18 de abril, sobre atas na Internet, avisa que tirar o nome não basta para anonimizar: há mais do que o nome a identificar. O verbo vinha da Lei n.º 26/2016, que comunica em parte o documento administrativo quando se pode expurgar a matéria reservada (art. 6.º, n.º 8).

Duas orientações da CNPD e o que dizem a quem tapa um PDF

Pontos citados e a leitura deste guia.

OrientaçãoPontoO que dizNo PDF
11 de abril de 202312 e 17Expurgar a morada, os contactos e o n.º de identificação civil; nos trabalhadores, também o fiscalEsses campos saem do ficheiro, não só da vista
11 de abril de 202319Plataformas desenhadas para ocultar automaticamente, por força do artigo 25.º do RGPDA ocultação faz parte do processo, não é um retoque
18 de abril de 202316A anonimização não se faz só por expurgo ou ocultação do nomeRua, cargo e datas também identificam

CNPD, orientações aprovadas a 11 e 18 de abril de 2023. Para escolher o assistente, ver que IA aguenta uma leitura à luz do RGPD. É uma ajuda de leitura; um caso concreto pede o seu jurista.

Estas orientações foram escritas para serviços públicos, e quem trabalha numa autarquia tem a análise de o que um serviço autárquico pode levar a uma IA. Leio-as como uma regra prática para qualquer PDF: um expurgo que se desfaz com copiar e colar não expurgou nada.

Trocar o nome por uma etiqueta mantém o sentido para a IA, mas não torna o texto anónimo: o RGPD chama-lhe pseudonimização, e o guia sobre esse conceito explica porque continua a haver dados pessoais.

Email fictício de uma reclamação em PDF trocado por [EMAIL_1]; copiar a zona tapada para um editor mostra se ficou no ficheiro

Um PDF limpo para a IA, com o Nonimo

A ferramenta acima recebe o PDF no nosso servidor, oculta os dados que reconhece e mostra a pré-visualização com a lista «O que foi ocultado», onde pode desmarcar um tipo. Em «Descarregar» escolhe PDF, Word ou TXT. O ficheiro não fica guardado no servidor; os pormenores estão no aviso de privacidade.

Como trabalha sobre o texto e não sobre o desenho da página, a barra preta deixa de ser a questão, e a mesma pessoa recebe sempre a mesma etiqueta. É prevenção barata: um seguro de riscos cibernéticos só cobre parte de um incidente, e conforme a apólice.

Para um digitalizado ou um processo com sigilo, a app lê o ficheiro no computador, em Mac e Windows; a página de segurança explica como.

A linha da reclamação, antes e depois

O texto que a IA extrairia do PDF tapado, e o que recebe com etiquetas.

Extraído do PDF tapado a preto

Eu, Clementina Arez Fontoura, com o NIF (nove algarismos), residente na Rua do Exemplo, Viseu, reclamo da avaliação do Dr. Simão Fragoso Leal.

Com as etiquetas

Eu, [PESSOA_1], com o NIF [NIF_PT_1], residente na [MORADA_1], reclamo da avaliação do Dr. [PESSOA_2].

Reclamação inventada, com etiquetas de exemplo escritas à mão. Para instalar a app numa equipa, há instruções em Organizações.

Daqui só aceito duas saídas: o excerto já com etiquetas, ou a cópia ocultada que passou na prova da pesquisa. Tapado à mão e nunca pesquisado, não sai. Para o dia a dia, o Nonimo troca os dados do PDF por etiquetas no seu computador e repõe os nomes na resposta.

Fontes

Consultadas em 10/11/2026.

Guias relacionados

Perguntas frequentes

Como ocultar dados num PDF?

Removendo o texto, não pintando por cima. No Acrobat Pro, marque com Ocultar, carregue em Aplicar e guarde. Depois copie a zona tapada e pesquise um apelido: se nada aparecer, o dado saiu.

Um retângulo preto apaga o texto de um PDF?

Não, só o esconde no ecrã. A forma é desenhada por cima e o texto fica por baixo, intacto. No nosso PDF de teste, duas bibliotecas de extração leram os sete dados tapados.

Como saber se um PDF tapado ainda tem o texto?

Copie a zona preta e cole-a num editor simples. Depois procure com Ctrl+F um apelido que tapou. Se a cópia ou a pesquisa o devolverem, o dado continua no ficheiro.

Uma IA consegue ler um PDF digitalizado?

Sim, porque recebe imagens das páginas. A Anthropic e a OpenAI descrevem que enviam ao modelo a imagem de cada página, além do texto que houver. Uma digitalização sem texto continua legível.

Como ocultar texto num PDF sem o Acrobat Pro?

Copie só o excerto de que precisa para um documento novo e tire-lhe os dados. Para o ficheiro inteiro, use a ferramenta lá em cima, que o trata no servidor, e confirme o resultado com a prova de pesquisa.

A ocultação do Acrobat tira os metadados do PDF?

A página da Adobe não o diz. A caixa Aplicar Ocultações traz à parte a opção Limpar e Remover Informações Ocultas. Ligue-a e confirme depois, em Propriedades do Documento, o que ficou.