PrivScrub 的原理与方法
方法已复核 · 2026-06-10
与其让你「相信我们」，不如把实现摊开给你看。下面逐条讲清每个承诺是怎么落地的：为什么文件根本传不出去、真脱敏如何物理删除文字、PII 检测背后的校验数学。所有逻辑都是你能在浏览器开发者工具里审计的客户端代码。
为什么文件从不上传（以及怎么自己验证）
PrivScrub 是纯静态站点，没有任何处理文件的后端。不存在接收文件的服务器端点，你的文件也就没有任何可被上传的去处——这是架构事实，不是一句可以被悄悄违背的口头承诺。
你可以两种方式自验：关掉网络，确认每个工具照常工作；或打开浏览器开发者工具的网络面板，确认处理文件时没有任何上传请求。
光栅化实现真脱敏
在文字上画黑矩形，底层文字对象仍原封不动地留在 PDF 内容流里，这正是「黑框脱敏」会泄密的原因。PrivScrub 的做法是：对任何含脱敏的页整页光栅化——把页面渲染成位图、把黑块烧进像素、再用这张光栅图替换原页。
原文字对象在该页上不再存在，因此对被遮区域复制、解析、OCR 都拿不回内容。代价是被脱敏的页失去可搜索文字层——对一份正在被脱敏的文件，这是可接受的取舍。
文档元数据（作者、创建程序、时间戳）默认在同一步一并清除，因为脱敏了正文却留着身份元数据，是最常见的隐性泄密。
带校验的 PII 检测
只靠格式（位数）找身份证号、卡号，会产生刺眼的误报，因为订单号、随机 ID 和它们位数相同。PrivScrub 在报警前先用号码自带的校验算法做数学验证。
中国第二代身份证（18 位）用官方 ISO 7064 mod-11-2 算法对前 17 位算校验位比对；银行卡号用 Luhn 算法校验。这样能把格式合法的真号从随机数字串里筛出来，扫描结果才可信、可用于脱敏前把关。
无损去 EXIF / 元数据
对 JPEG，PrivScrub 只删除 EXIF 数据段（GPS、时间戳、设备型号），不重新压缩像素，画质零损失。很多「重新导出顺便丢 EXIF」的做法会悄悄二次压缩 JPEG，我们避开了这一点。
EXIF 查看工具会在你删除前，原样展示一张照片携带了哪些元数据，让你看清「本来会泄露什么」。
诚实的边界
- 模糊打码在极端情况下存在被技术手段部分还原的理论风险；最高安全性请用纯黑块或像素化。
- 自动人脸检测依赖浏览器原生能力，支持有限；不支持时由你手动框选人脸。
- 扫描件（纯图像）需先 OCR 才能自动检测 PII，而 OCR 会引入识别误差。
- PrivScrub 不能替代经认证的、证据级的法律/医疗脱敏——这类需求请咨询专业人士。