Anonimizar un PDF es quitarle todo lo que permite saber de quién habla: nombres, DNI, direcciones, teléfonos, cuentas bancarias, datos de salud… y también lo que no se ve en pantalla, como el autor que guarda el fichero o el texto oculto de un escaneo. Si después de anonimizarlo alguien puede recuperar un solo dato, el documento no está anonimizado.
Esta guía va en el orden en que conviene hacerlo.
1. Decide qué datos tienen que desaparecer
Antes de abrir ninguna herramienta, haz la lista. En casi cualquier documento aparecen:
- Identificadores directos: nombre y apellidos, DNI o NIE, número de la Seguridad Social, pasaporte.
- Contacto: teléfono, email, dirección postal.
- Datos económicos: IBAN, número de tarjeta, NIF de una empresa unipersonal.
- Identificadores indirectos: fechas de nacimiento, matrículas, números de expediente o de historia clínica, cargos únicos («el director del centro»).
- Categorías especiales: salud, ideología, origen étnico, vida sexual. El RGPD las protege más.
Los indirectos son los que se olvidan. «La única pediatra del centro de salud de Villanueva» identifica a una persona sin nombrarla. Si tienes dudas, piensa si alguien del entorno de esa persona la reconocería.
2. No tapes: borra
El error más común es dibujar un rectángulo negro encima del texto con un editor de PDF o con la herramienta de comentarios. En pantalla parece tachado, pero el texto sigue debajo: basta con seleccionarlo y copiarlo, o con abrir el fichero con otro programa. Hay casos muy sonados de documentos judiciales y de gobiernos publicados así.
La anonimización correcta elimina el texto del fichero y, si quieres que se note que ahí había algo, deja una barra o una etiqueta en su lugar. Lo explicamos con más detalle en cómo tachar datos en un PDF sin que se puedan recuperar.
3. Elige cómo sustituir cada dato
Tienes tres opciones, y cada una sirve para algo distinto:
| Estilo | Ejemplo | Cuándo usarlo |
|---|---|---|
| Tachado | ████████ | Publicar o enviar fuera. Es lo más seguro. |
| Etiqueta numerada | [PERSONA_1], [DNI_1] | Cuando hay que seguir el texto: quién dijo qué, quién firmó. |
| Datos ficticios | «Laura Gómez» por «Ana Pérez» | Formación, pruebas de software o documentos que se tienen que leer con naturalidad. |
Con etiquetas, la clave es la coherencia: «Ana Pérez Gil», «la Sra. Pérez» y «Ana» tienen que ser la misma [PERSONA_1] en todo el documento. Si no, el texto deja de entenderse.
4. Cuidado con los PDF escaneados
Un PDF escaneado es una foto de cada página. Muchas veces lleva además una capa de texto invisible (el OCR) para que se pueda buscar. Eso tiene dos consecuencias:
- Si tachas solo la imagen, el dato sigue en la capa de texto.
- Si tachas solo el texto, el dato sigue visible en la imagen.
Lo seguro es transcribir el escaneo, anonimizar el texto y generar un documento nuevo, o tachar a la vez la imagen y el texto y eliminar después la capa de OCR antigua.
5. Limpia lo que no se ve
Un PDF guarda más cosas que lo que se imprime:
- Metadatos: autor, empresa, título, programa con el que se creó.
- Comentarios y anotaciones, a veces con nombres.
- Marcadores y nombres de enlaces que repiten datos del cuerpo.
- Adjuntos incrustados y formularios con valores rellenos.
Si el PDF viene de un Word, revisa también el Word: control de cambios, comentarios y propiedades suelen pasar al PDF al exportarlo.
6. Comprueba el resultado
Antes de enviarlo, cinco minutos:
- Abre el PDF, selecciona todo (Ctrl + A), copia y pega en un bloc de notas. Busca los nombres y números que debían desaparecer.
- Usa la búsqueda del lector de PDF con un apellido o con las últimas cifras de un DNI.
- Mira las propiedades del documento (Ctrl + D en la mayoría de lectores).
- Lee el documento entero buscando identificadores indirectos.
Anonimizar un PDF con AnonimData
AnonimData hace estos pasos por ti: extrae el texto (también de escaneos), encuentra los datos con reglas que validan la letra del DNI o el control del IBAN y con diccionarios de nombres, apellidos y municipios que detectan personas, direcciones o datos de salud, sin que el texto salga del servidor, y te los enseña marcados por colores para que los revises. Al descargar, el dato ya no está en el fichero: queda la barra, una etiqueta o un dato ficticio, y el documento sale sin metadatos de autor.
Ninguna detección automática es perfecta. Revisa siempre el resultado antes de publicarlo: es tu responsabilidad y la de cualquier herramienta que uses.