Individuare i dati personali. Oscurarli o pseudonimizzarli.

Il Redact Agent individua i dati personali nei documenti e li rimuove prima della condivisione del documento. Opera su PDF digitali, PDF scansionati e immagini. Ogni esecuzione genera un nuovo file; il documento originale non viene mai modificato.

I prezzi per pagina sono indicati nella tabella dei prezzi in questa pagina. L'app preimposta Ultra; nell'API è richiesto model (basic, premium o ultra): le richieste senza model vengono rifiutate prima che venga addebitato qualsiasi importo.

Input: PDF nell'app; tramite API anche immagini PNG e JPG e file Office o di posta elettronica, che vengono prima convertiti in PDF. Le regole di rilevamento e le liste di sostituzione coprono le 20 lingue dell'interfaccia (de, en, fr, es, it, nl, pt, pl, sv, da, fi, cs, sr, bg, tr, ru, ja, zh, ko, ar). Le altre lingue sono gestite dall'IA e dai pattern.

1. Pagine: ogni pagina viene renderizzata a 300 dpi e scalata a un massimo di 2.000 pixel sul lato più lungo.
2. Testo e posizioni: le pagine digitali forniscono il proprio testo con posizioni esatte. Le pagine scansionate, le pagine con campi modulo o annotazioni, le pagine con poco testo o illeggibile e le pagine le cui immagini incorporate coprono il 5 % o più della pagina vengono lette con AI-OCR, in modo che anche il testo all'interno delle immagini venga catturato. AI-OCR decodifica inoltre codici QR e codici a barre.
3. Pattern: 86 pattern segnalano candidati, ad esempio codici fiscali di oltre 40 paesi, IBAN e BIC, numeri di carta, indirizzi e-mail, numeri di telefono, numeri di identità e passaporto incluse le zone leggibili meccanicamente, indirizzi IP, targhe e date. Essi sono suggerimenti per l'IA, non decisioni definitive; importi, numeri di fattura e anni non vengono segnalati.
4. Rilevamento IA: il modello legge tutte le righe di testo insieme al profilo, alle categorie, alla whitelist, ai termini personalizzati e alle istruzioni. Segnala intere righe o frammenti esatti all'interno di una riga.
5. Regole: un motore di regole deterministico applica il profilo. Le voci della whitelist rimangono visibili, i termini personalizzati vengono sempre oscurati, i dati bancari e di pagamento vengono sempre oscurati e il testo strutturale come etichette, intestazioni di tabella e piè di pagina rimane visibile.
6. Verifiche: ulteriori passaggi dell'IA verificano punti sospetti come mancati rilevamenti dei pattern, varianti dei nomi e dati di pagamento, dividono le righe miste in frammenti, verificano che i frammenti siano completi, rivedono l'eccessivo oscuramento e controllano i residui inspiegabili. Con Ultra ogni riga ancora visibile viene letta una seconda volta.
7. Completamento: i valori oscurati in un punto vengono oscurati ovunque else, ad esempio un cognome nell'intestazione di una pagina, un nome all'interno di un nome file, un indirizzo e-mail o un numero di identificazione. Le righe con termini inequivocabili di categorie speciali, come una diagnosi, vengono oscurate completamente quando il profilo copre tale categoria.
8. Geometria: i frammenti vengono convertiti in rettangoli. Nei PDF digitali seguono le posizioni esatte dei glifi; nelle scansioni vengono calcolati dalla riga OCR. Se un frammento non può essere localizzato, l'intera riga viene oscurata.

Se un controllo AI fallisce due volte, il lavoro si interrompe con REDACT_VALIDATION_FAILED invece di fornire un file parzialmente controllato.

Profili

Categorie

Preimpostazioni per redact_categories: all (dati personali standard), contact, financial, identity (nomi, date, ID), art9 (categorie speciali), gdpr_full (all più art9), ifg_public (gdpr_full più link, IP e codici) e none (termini personalizzati solo). Le categorie speciali, i dati penali e le credenziali non sono mai rilasciate dalle regole di visibilità.

Il motore sceglie uno dei due percorsi per ogni documento.

• Pulito in ogni risultato: campi di modulo, annotazioni, collegamenti, file incorporati, segnalibri, JavaScript, miniature, metadati XMP e informazioni sul documento quali autore e titolo.
• Il file viene scritto ex novo, pertanto non è possibile ripristinare una versione precedente a partire da esso.
• Il risultato viene convertito in PDF/A-1b quando la conversione conserva tutto il testo; in caso contrario, viene fornito un PDF standard.
• Colore della casella: nero per impostazione predefinita; l'app offre anche bianco, rosso, blu e grigio. L'API accetta qualsiasi colore esadecimale in redact_color.

Dove viene memorizzato il risultato

L'originale non viene mai sovrascritto e il risultato non viene salvato come versione di quest'ultimo. I due documenti non sono collegati nell'interfaccia.

La pseudonimizzazione utilizza esattamente lo stesso rilevamento del black-out. Solo alla fine ogni valore rilevato viene sostituito da un valore fittizio dello stesso tipo. Tutto ciò che non può essere sostituito in modo sicuro rimane oscurato.

• Sempre nero, anche durante la pseudonimizzazione: categorie speciali quali dati sulla salute, dati penali, credenziali, quasi-identificatori quali età, cittadinanza e stato civile, firme, qualifiche professionali, codici QR e a barre, nonché qualsiasi residuo che il motore non riesce a spiegare.
• Rispetto al metodo di oscuramento: le righe contenenti solo importi, numeri di riferimento aziendali, date ordinarie o etichette rimangono visibili, poiché non identificano più nessuno una volta che nomi e identificatori sono stati sostituiti. Si consiglia l'oscuramento se gli importi non devono essere visibili.
• Verifica residua: fino a 40 righe rimaste nere vengono inviate nuovamente all'IA in forma mascherata per individuare valori che possono ancora essere sostituiti; il contenuto non spiegato rimane nero.
• Livello di testo: nei PDF digitali i valori fittizi sono testo reale e selezionabile nella posizione originale. Nelle scansioni i valori vengono disegnati nell'immagine e uno strato di testo OCR invisibile con le sostituzioni mantiene la pagina ricercabile.
• Lingue: esistono elenchi per nome, strada, città e azienda per le 20 lingue dell'interfaccia più il cirillico serbo. La lingua viene rilevata dal documento.

I dati pseudonimizzati sono ancora dati personali ai sensi dell'art. 4 n. 5 del GDPR: chi detiene la tabella di mappatura può ri-identificare le persone. Tenere la tabella separata dal documento.

• All'interno di un documento lo stesso originale riceve sempre la stessa sostituzione su ogni pagina, incluse le varianti: “Alexander Falkenberg”, “A. Falkenberg” e “alexander.falkenberg@…” seguono lo stesso pseudonimo.
• Persone diverse ricevono sempre sostituzioni diverse, anche in documenti con più persone rispetto a quelle contenute negli elenchi dei nomi; in tal caso vengono formati nomi doppi.
• I membri della famiglia mantengono un cognome condiviso, poiché il cognome viene sostituito una sola volta per l'intero documento.
• Anteprima e file finale sono identici: il file finale viene costruito dai valori visualizzati nell'anteprima.
• Attraverso esecuzioni e documenti diversi, ogni esecuzione utilizza una nuova chiave casuale, quindi la stessa persona riceve uno pseudonimo diverso ogni volta. Ciò è intenzionale: gli pseudonimi non possono essere collegati tra documenti senza la tabella di mappatura.
• La tabella di mappatura (originale, sostituzione, categoria) appare al termine nell'app e nella finestra di dialogo del link di download (“Copia tabella”), nel risultato dell'API come detected_pii.pseudonym_mapping e sul link di revisione. Non viene mai scritta nel PDF.

Ordine di precedenza: una voce identica a una voce della whitelist, quindi termini personalizzati, quindi le regole del profilo. Le istruzioni affinano la decisione dell'AI ma non possono rilasciare termini personalizzati o dati bancari.

Oscurare un documento con anteprima

1. Aprire Document AI → Documenti e un Workspace, quindi selezionare un PDF.
2. Fare clic su “Azioni” → “Agenti e flussi di lavoro” → “Nascosto”, selezionare “Modifica con anteprima” e fare clic su “Avanti”.
3. Nella finestra di dialogo “Anonimizzazione Documento” scegliere un profilo nella scheda “Scenari”. Su “Ottimizzazione” aggiungere la whitelist, la blacklist e le istruzioni AI opzionali. Su “Esecuzione” scegliere la priorità di avvio, il modello AI (Basic, Premium, Ultra o Manuale) e l'output (“Caselle nere (standard)” o “Pseudonimizza (Ultra solo)”). Il colore della casella si trova in alto a destra.
4. Fare clic su “Inizia”. L'analisi viene eseguita; con più PDF selezionati, vengono elaborati uno dopo l'altro.
5. In "Revisione Oscuramento IA" fare clic su una casella per oscurarla o rilasciarla, trascinare su uno spazio vuoto per disegnare una propria casella e passare il mouse sopra una casella per visualizzare categoria, motivo e base legale.
6. Fare clic su “Applica oscuramento”. Il nuovo documento viene salvato; la finestra di completamento offre “Scarica”, “Invia via email” e, in caso di pseudonimizzazione, la tabella “Originale → nel documento” con “Copia tabella”.

Creare un Redact Agent

1. Aprire Document AI → Redact Agent e fare clic su “Crea Agente Redact Agent”.
2. Su “Generale” inserire nome e note, scegliere il modello AI (“Rigorosità dell'oscuramento”), l'output e l'avvio dell'elaborazione.
3. Su “Scenari” scegliere il profilo, su “Ottimizzazione” whitelist, blacklist e istruzioni, su “Emissione” un Workspace esistente o nuovo e il colore della casella.
4. Fare clic su “Salva modifiche”.

Eseguire un agente su molti documenti

1. Selezionare i PDF, fare clic su “Azioni” → “Agenti e flussi di lavoro” → “Nascosto” e scegliere “Automaticamente con Redact Agent”.
2. Selezionare l’agente e fare clic su “AVVIARE IL REDACT AGENT”. Diversi documenti vengono elaborati lato server senza anteprima; un singolo documento apre l’anteprima con le impostazioni dell’agente.
3. Seguire l'avanzamento nel monitor di lavoro "Elaborazione" e aprire il Workspace di destinazione al termine dell'esecuzione.

Condividere con un link di download

1. Selezionare esattamente un documento e fare clic su “Azioni” → “Condividi ed esporta” → “Oscurare e creare un link di download”.
2. Configurare e rivedere come sopra, quindi copiare il link. È valido per 10 minuti e cinque download; l’applicazione informa chi lo ha aperto per primo, ad esempio un assistente AI.

Non esiste alcuna regola Workspace che oscuri automaticamente ogni nuovo caricamento. Avviare invece un agente salvato dal proprio sistema tramite POST /documents/redact-agent-run per ciascun nuovo documento.

Gli agenti di workflow non dispongono attualmente di un nodo di oscuramento dedicato. All'interno di un workflow, chiamare l'API REST da un passaggio API.

• Il PDF risultante contiene metadati neutri (produttore e autore "PaperOffice AI"); il titolo, l'autore e le parole chiave originali vengono rimossi.
• Non esiste un file di report separato per l'oscuramento. Le decisioni per area e la tabella di mappatura costituiscono la registrazione; esportarle dal risultato dell'API se necessario conservarle.

Cosa è garantito

• Il testo sotto una casella nera viene eliminato dai PDF digitali e verificato nuovamente in seguito; se rimane del testo, il documento viene ricostruito dalle immagini. Le scansioni vengono ricostruite esclusivamente dalle immagini redatte.
• I canali laterali come campi di modulo, annotazioni, allegati, collegamenti, JavaScript e metadati vengono rimossi.
• Se un controllo AI fallisce, il lavoro si interrompe con un errore anziché fornire un file con contenuti non verificati.
• La tabella di mappatura non viene mai scritta nel PDF; ogni esecuzione di pseudonimizzazione utilizza una nuova chiave casuale.
• I limiti di pagina sono applicati sul server; i documenti più grandi vengono rifiutati, non elaborati parzialmente.
• L'elaborazione avviene nel nostro data center in UE su hardware GPU proprietario, su disco RAM.

Limiti

• Il rilevamento AI può non individuare o marcare eccessivamente elementi. Per documenti sensibili, esaminare l'anteprima e utilizzare Ultra.
• Foto, volti, loghi, timbri e firme scritte a mano non vengono rilevati come immagini. Il testo all'interno delle immagini viene letto con AI-OCR, ma una foto ritratto in una domanda resta visibile finché non si disegna un rettangolo sopra di essa nell'anteprima.
• Il testo nelle immagini incorporate molto piccole, inferiori al 5% dell'area della pagina, non viene letto. Si prega di disegnare un rettangolo su tale immagine nell'anteprima se contiene dati personali.
• La scrittura a mano viene riconosciuta solo con la stessa precisione con cui l'OCR la legge.
• I codici QR e i codici a barre vengono oscurati quando contengono dati di pagamento o quando le categorie qr_code o barcode sono selezionate; vengono riconosciuti solo i codici che l'OCR può decodificare.
• Un documento con una sola pagina scansionata viene elaborato completamente sul percorso delle immagini; in modalità oscuramento il risultato non avrà quindi uno strato di testo.
• I documenti pseudonimizzati rimangono dati personali e non sono anonimi.
• I risultati e i link di download dell'API scadono: i file dopo 60 minuti, i dati del lavoro dopo 7 giorni.

URL di base https://api.paperoffice.ai/latest, autenticazione con Authorization: Bearer e la propria chiave API. I lavori vengono eseguiti in modo asincrono: avviare con POST /job/add/workflow, quindi interrogare GET /job/get/{job_id} finché job_status non è completed.

curl -X POST "https://api.paperoffice.ai/latest/job/add/workflow" \
  -H "Authorization: Bearer po_ut_YOUR_API_KEY" \
  -F "file=@./paperoffice-redact-test-credit-application-en.pdf" \
  -F "template=document_anonymize_preview" \
  -F "scenario=gdpr_disclosure" \
  -F "model=ultra" \
  -F "redact_mode=pseudonymize" \
  -F "whitelist=Harbourgate Finance" \
  -F "custom_redact=HK-2026-12929"

{
  "status": "success",
  "job_id": "poai-job_150_1791666543.5077_22ff42e9…",
  "job_type": "workflow",
  "operation": "document_anonymize_preview",
  "client_wait": false,
  "eta": { "estimated_seconds": 60, "queue_position": 1 }
}

curl "https://api.paperoffice.ai/latest/job/get/poai-job_150_1791666543.5077_22ff42e9…" \
  -H "Authorization: Bearer po_ut_YOUR_API_KEY"
# repeat until "job_status": "completed"

{
  "job_status": "completed",
  "operation": "document_anonymize_preview",
  "result": {
    "original_images": { "00001": "https://api.paperoffice.ai/latest/job/download/…", "00002": "…" },
    "ocr_pages": { "00001": { "bounding_boxes": [ { "extracted_text": "Mobile: +44 7700 900482 | E-mail: [email protected]", "bounding_box": { "x": 8.3, "y": 17.8, "width": 52.1, "height": 1.1 } } ] } },
    "simplified_boxes": [ { "id": 8, "page": "00001", "text": "Mobile: +44 7700 900482 | E-mail: [email protected]" } ],
    "detected_pii": {
      "redact_box_ids": [ 6, 7 ],
      "partial_redactions": [ { "box_id": 8, "redact_fragments": [ "+44 7700 900482", "[email protected]" ] } ],
      "partial_regions": { "00001": [ { "box_id": 8, "regions": [ { "x": 17.2, "y": 17.8, "w": 12.4, "h": 1.1, "_op": "replace", "_replacement": "+44 1429 332079" } ] } ] },
      "audit_trail": [ { "box_id": 6, "category": "names", "reason": "Applicant name", "legal_basis": "GDPR Art. 6" } ],
      "redact_mode": "pseudonymize",
      "redact_depth": { "tier": "ultra", "model": "large", "full_reads": 2, "precision": "word", "checks": [ "patterns", "verification", "fragment_completeness", "scope_rules", "known_values" ], "pseudonymized": true, "degraded": false },
      "pseudonym_meta": { "mode": "pseudonymize", "key_source": "job", "language": "en", "counts": { "spans_replaced": 35, "spans_black": 0 } },
      "pseudonym_mapping": [
        { "original": "Oliver James Whitcombe", "replacement": "Olivia Chloe Collins", "category": "names" },
        { "original": "[email protected]", "replacement": "[email protected]", "category": "email" },
        { "original": "19/04/1984", "replacement": "07/12/1984", "category": "dates" }
      ]
    }
  }
}

curl -X POST "https://api.paperoffice.ai/latest/job/add/workflow" \
  -H "Authorization: Bearer po_ut_YOUR_API_KEY" \
  -F "template=document_anonymize_finalize" \
  -F "model=ultra" \
  -F "redact_mode=pseudonymize" \
  -F 'preview_images={"00001":"…","00002":"…","00003":"…"}' \
  -F 'preview_bounding_boxes={…ocr_pages from the preview…}' \
  -F 'redact_boxes=[6,7]' \
  -F 'partial_regions={…partial_regions from the preview, after your review…}'

curl -X POST "https://api.paperoffice.ai/latest/job/add/workflow" \
  -H "Authorization: Bearer po_ut_YOUR_API_KEY" \
  -F "file=@./paperoffice-redact-test-credit-application-de.pdf" \
  -F "template=document_anonymize" \
  -F "scenario=gdpr_auskunft" \
  -F "model=premium" \
  -F "redact_mode=blackout" \
  -F "redact_color=#000000"

{
  "job_status": "completed",
  "operation": "document_anonymize",
  "model": "premium",
  "result": {
    "anonymized_pdf": [ "https://api.paperoffice.ai/latest/job/download/…" ],
    "detected_pii": {
      "redact_box_ids": [ 6, 9, 14, 15 ],
      "partial_redactions": [ { "box_id": 8, "redact_fragments": [ "+49 151 00004782", "[email protected]" ] } ],
      "redact_mode": "blackout",
      "degraded_passes": []
    }
  }
}

curl -X POST "https://api.paperoffice.ai/latest/documents/redact-agent-run" \
  -H "Authorization: Bearer po_ut_YOUR_API_KEY" \
  -F "redact_agent_id=YOUR_AGENT_ID" \
  -F "file=@./personnel_file.pdf" \
  -F "client_wait=true" \
  -F "wait_timeout_sec=300"
# answer: redact_agent_status, redact_target_workspace_id and _name;
# the redacted copy is filed in the agent's target workspace

curl -X POST "https://api.paperoffice.ai/latest/document_delivery/create_redact_preview_link" \
  -H "Authorization: Bearer po_ut_YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"preview_job_id":"poai-job_150_…","ttl_sec":86400,"language":"en",
       "callback_url":"https://your-system.example/redact-callback","callback_secret":"YOUR_SECRET"}'
# answer: {"success":true,"url":"https://api.paperoffice.ai/latest/document_delivery/redact_preview?token=…",
#          "expires_at":1791670170,"allow_finalize":true,"max_finalize":3}

Errori

Gli strumenti accettano gli stessi parametri dell'API, inclusi scenario, model, redact_mode, whitelist e custom_redact. Si prega di interrogare i risultati con po_jobs_get_job_status_result.

I documenti di test sono applicazioni di credito fittizie composte da tre pagine: due persone, indirizzi, date di nascita, numeri di telefono, indirizzi e-mail, numeri di identificazione fiscale e documenti d'identità, un IBAN, una tabella del bilancio familiare, un commento sulla salute, una nota di revisione in forma discorsiva, nomi nei nomi dei file e un codice QR per i pagamenti. Ogni lingua è disponibile sia come PDF digitale che come scansione senza livello di testo.

• Documento di test tedesco, digitale (PDF)
• Documento di test tedesco, scansione (PDF)
• Documento di test inglese, digitale (PDF)
• Documento di test inglese, scansione (PDF)

I risultati dell'IA possono variare leggermente tra le esecuzioni. Verificare le categorie che devono essere rimosse e quelle che devono rimanere, non il numero esatto delle caselle.