Privacy Handbuch

PDF Dokumente können Metadaten enthalten, die Informationen über die verwendete Software, den Autor u.a.m. verraten. Das Beispiel zeigt die (sparsamen) Metadaten einer PDF-Präsentation, die mit LaTEX Beamer erstellt wurde:
File Size : 76 kB
File Type : PDF
MIME Type : application/pdf
PDF Version : 1.5
Linearized : No
Page Count : 3
Page Mode : UseOutlines
Author : Max Mustermann
Title : Sinnlose Präsentation für Metadaten Beispiel
Creator : LaTeX with Beamer class
Producer : pdfTeX-1.40.18
Create Date : 2018:05:08 12:38:21+02:00
Modify Date : 2018:05:08 12:38:21+02:00
Trapped : False
PTEX Fullbanner : This is pdfTeX, Version 3.14159265-2.6-1.40.18 (TeX Live 2017/Debian) kpathsea version 6.2.3

Wenn man PDF Dokumente im Internet veröffentlicht, werden die Metadaten von Suchmaschinen gescannt und in den Index aufgenommen. Wenn man eigene PDF Dokumente in einem anonymen Blog veröffentlichet, könnte man anhand der Metainformationen als Autor deanonymisiert werden.

Die online versendeten PDFs oder Berwerbungsunterlagen werden ebenfalls geprüft:

Mein erster Blick bei allen PDF-Bewerbungen und PDF-Dateien von Banken, Versicherungen und Firmen erfolgt stets in die Dateieigenschaften der PDFs. Das ist immer aufschlussreich, oft witzig, manchmal peinlich oder aus Daten- und IT-Sicherheitsblickwinkel bedenklich…

Bei Bewerbungsunterlagen habe ich damit einen wunderbaren Ansatzpunkt für Diskussionen, wenn der Autor eines PDFs z.B. bewerbungsmappe.de oder der Name eines Nicht-Ehepartners oder der bisherige Arbeitgeber ist. Man erkennt sofort…

Neben den Metainformation des PDF Dokumentes können auch eingebundene Bilder u.ä. verräterische Metainformationen enthalten. Die Auswertung ist allerding komplizierter.

LaTEX PDFs mit minimalen Metadaten erstellen

Da oben ein LaTEX Dokument als Beispiel genannt wurde ein kleiner Hinweis: LaTEX erstellt PDF Dokumente mit minimalen Metadaten, wenn man das Paket "pdfprivacy" einbindet:

\documentclass[twoside,a4paper,11pt,openany,hyphens]{report}
\usepackage{pdfprivacy}
...

Warnhinweis

Es gibt einige Tools, die behaupten, Metadaten aus PDFs mit dem ExifTool entfernen zu können.

Dabei werden eingebette Bilder nicht gereinigt. Außerdem sind die Änderungen reversibel (die alten Daten sind weiterhin im PDF enthalten), wenn das Dokument nicht nachträglich linearisiert wird.

PDF Dokumente säubern (Linux)

  1. Um die verräterischen Metainformationen von eingebundenen Bilder und anderen Medien zu entfernen, öffnet man das Dokument am einfachsten in einem PDF Viewer (z.B. Okular) und druckt die Datei in eine neue PDF Datei "datei-print.pdf".

    Dabei werden die Seiten von Ghostscript komplett als neue Bilder gerastert. Als Nebeneffekt werden dabei auch unsichtbare PDF-Wanzen entfernt.

  2. Die restlichen Metainformationen kann man dann mit den Tools "exiftool" und "qpdf" entfernen. Beide Programme kann man mit dem bevorzugten Paketmanager installieren: Debian: > sudo apt install libimage-exiftool-perl qpdf
    Fedora: > sudo dnf install perl-Image-ExifTool qpdf
    Zuerst werden alle Metadaten mit "exiftool" auf leere Werte gesetzt, dann wird das PDF Dokument mit "qpdf" behandelt, damit die reversiblen Rückstände verschwinden: > exiftool -all:all= datei-print.pdf
    Warning: [minor] ExifTool PDF edits are reversible. Deleted tags may be recovered!
       1 image files update

    > qpdf --linearize datei-print.pdf datei-clean.pdf

    > rm datei-print.pdf

    "exiftool" arbeitet in-place und modiziert die Input Datei direkt, "qpdf" liest eine Input Datei und schreibt das Ergebnis in eine neue Output Datei.

    Mit folgendem Kommando kann man dann abschließend die Metadaten prüfen: > exiftool -all:all datei-clean.pdf
    ....
    MIME Type : application/pdf
    PDF Version : 1.5
    Linearized : Yes
    Page Mode : UseOutlines
    Page Count : 4
  3. Man könnte sich auch ein kleines Script schreiben, um den Aufruf von exiftool und qpdf zu vereinfachen. Das folgende Mini-Script pdf-meta-clean.sh (mit ein bisschen Fehlerbehandlung) wird mit den Namen der zu reinigenden PDF-Dateien aufgerufen. Es macht seine Arbeit und danach sind die Metadaten weg. (Es wird kein Backup der originalen Dateien behalten!) #!/bin/bash

    if [ -z `which exiftool` ]; then
       echo "FEHLER: Das Programm exiftool ist nicht installiert!"
       exit 1
    fi

    if [ -z `which qpdf` ]; then
       echo "FEHLER: Das Programm qpdf ist nicht installiert!"
       exit 1
    fi

    if [ -z "$1" ]; then
       echo "Usage: `basename $0` <Dateiname>"
       exit 1
    fi

    until [ -z "$1" ]; do

       if [ ! -f "$1" ]; then
          echo "FEHLER Die Datei $1 ist nicht vorhanden!"
          shift
          continue
       fi

       FILETYPE=`mimetype -b "$1"`
       if [ $FILETYPE != "application/pdf" ]; then
          echo "FEHLER: Datei $1 ist keine PDF Datei!"
          shift
          continue
       fi

       if [ ! -w "$1" ]; then
          echo "FEHLER Die PDF Datei $1 kann nicht modifiziert werden!"
          shift
          continue
       fi

       exiftool -all:all= "$1" > /dev/null >> /dev/null
       TFILE=`mktemp`
       cp "$1" "$TFILE"
       qpdf --linearize "$TFILE" "$1" > /dev/null
       rm "$TFILE"
       echo "OK: Metadaten von Datei "${1}" entfernt."
       shift

    done
    exit 0
    Nach dem Download wird das Script nach /usr/local/bin kopiert und als ausführbar markiert: > sudo cp Download/pdf-meta-clean.sh /usr/local/bin/pdf-meta-clean
    > sudo chmod +x /usr/local/bin/pdf-meta-clean
    Dann kann man folgendes Kommado aufrufen, um mehrere PDF-Dateien zu reinigen:  > pdf-meta-clean *.pdf

PDF-Dokumente säubern mit MAT2 (Linux)

MAT2 (Metadata Anonymisation Toolkit 2) ist ein Kommandozeilentool für Linux, das Metadaten von vielen Bild-, Audio-, Video- und Officeformaten sowie PDFs entfernen kann. Für PDFs werden die oben genannten Einzelschritte in einem Kommando zusammengefasst ausführt. Ein PDF Dokument wird mit der Cairo Bibliothek virtuell "gedruckt" und dann werden alle Metadaten entfernt.

Pakete gibt es für Debian basierte Distributionen, OpenMandrive und Void Linux (wobei Debian stable eine veraltete Version enthält, die man durch eine aktuellere Version aus den Backports ersetzen kann). In der Tor Live-DVD TAILS ist MAT2 enthalten. Ubuntus können es wie folgt nutzen:

> sudo apt install mat2
> mat2 --inplace <Datei> (ohne Backup der org. Datei bereinigen)

Mit dem Metadaten Cleaner gibt es ein MAT2 GUI als Flatpack für Mäuschenschubser für alle Linux Distributionen, das neben MAT2 auch alle benötigten Bibliotheken und Tools mitbringt.

PDF-Dokumente säubern (QubesOS)

QubesOS hat einen eingebauten Konverter für PDF-Dateien, den man im Dateimanager mit einem Rechtsklick auf ein PDF Dokument aufrufen kann: "Convert to trusted PDF" Es wird qubes-app-linux-pdf-converter gestartet, das Rendering des (möglicherweise bösartigen) PDF Dokumentes erfolgt in einer Disposable VM, die danach gelöscht wird, und die gerenderten Bitmaps werden zu einem neuen, ganz harmlosen PDF zusammengesetzt. Wie bei QubesOS üblich, dauert der Vorgang insbesondere bei großen PDF Dokumenten einige Zeit.

Dangerzone (Windows, MacOS, Linux)

Dangerzone ist vom QubesOS PDF Konverter inspiriert und eine Umsetzung dieses Konzeptes für Windows, MacOS und verschiedene Linux Distributionen.

Ein (möglicherweise bösartiges) PDF- oder Office-Dokument wird in einer virtuellen Wegwerf-Umgebung (Docker) virtuell gedruckt und das Ergebnis neu zusammengesetzt. Dabei werden neben allen Bösartigkeiten auch die ursprünglichen Metadaten aus dem Dokument entfernt.

PDF-Dokumente säubern (Windows)

Auch als Windows Nutzer kann man ein PDF Dokument zuerst in eine neues PDF Dokument drucken, um die Metainformationen von eingebetteten Bildern und Medien zu entfernen. Dafür braucht man einen PDF-Drucker. Dieser Drucker wird z.B. vom PDF Creator von PDF24.org bereitgestellt. Nach der Installation steht der PDF-Drucker zur Verfügung.

Um die restlichen Metadaten zu entfernen gibt es z.B. den Hexonic PDF Metadaten Editor.