Programmet

Ett personnummer går inte att byta.

Ett lösenord byter ni på en kvart. Ett personnummer följer personen genom vården, arbetslivet och varje avtal. En läcka tar därför inte slut när servern stängs: den fortsätter i åratal.

Det finns ingen databas att komma åt, för DocMasker samlar inte in något. Filen läses, numren tas bort och filen skrivs tillbaka – på samma dator.

Sex skäl, ett program.

Mätt, inte lovat.

Siffrorna nedan kommer från en körning, inte från en uppskattning. Proven består av dokument i de layouter och format som möter i praktiken – tabeller, formulärfält, adressetiketter, delade celler och en inskannad sida – med påhittade uppgifter och påhittade nummer, så att ingens uppgifter har använts för att visa det.

197 av 197

personnummer maskade i 18 provdokument: tabeller, formulärfält, adressetiketter, en inskannad sida, en CSV-export – och en lista där samma nummer står skrivet med komma, semikolon, understreck, omvänt snedstreck, plus och tankstreck. 18 dokument

0 falska träffar

av 37 lockbeten – telefonnummer, datum, organisationsnummer, postnummer och läsår – stod kvar orörda i standardinställningen. Kontrollsiffran gör arbetet för de tiosiffriga numren: ett nummer som inte är ett personnummer lämnas i fred. samma körning

91 av 97

i filer skapade av riktiga program: Word med sidhuvud och textruta, Excel-export i UTF-16, cp1252-CSV från ett äldre system, PDF-formulär med värden i fälten och en inskannad sida som bara finns som bild. De sex som återstod satt i handskrift, med bokstäver mellan siffrorna eller delade över en sidbrytning; de får en varning i rapporten i stället för att passera tyst. 11 dokument

0 träffar

i utfilernas råa bytes. Sökningen gjordes vid sidan av programmets egen verifiering, i filen som helhet – inte bara i den text en läsare ser. oberoende kontroll

1 200 per sekund

En fil på 100 sidor med 2 200 personnummer maskerades på 1,8 sekund, alltså 18 ms per sida. En inskannad sida tar längre tid, eftersom bilden först måste läsas med OCR. 100 sidor

919 tester

Motor, filformat och gränssnitt prövas av 919 automatiska tester, och alla går igenom. Mätningen ovan är den del av dem som räknar nummer i dokument med verkliga layouter – den går att köra om på vilken dator som helst. hela sviten

Det svåraste är det som står i en bild. Programmet läser inskannade sidor med OCR, och en sida där OCR:en inte får ut någon text alls ger en varning i rapporten i stället för att passera tyst. Handskrift är fortfarande handskrift – den ska granskas av en människa.

Utan DocMasker: rutan som inte tar bort något.

Den vanligaste genvägen är att dra en svart ruta över numret i ett vanligt PDF-program. På skärmen ser det färdigt ut. Vi gjorde samma sak med provdokumenten – rutor över varje nummer, ingenting borttaget – och läste sedan filen igen: 172 av 172 nummer gick fortfarande att markera, kopiera och söka i.

• Rutan är ett lager

  Texten ligger kvar under den. Markera raden bredvid, kopiera, klistra in i ett mejl – numret följer med. Söker någon i filen lyser träffen under rutan.

• Det som inte syns på sidan

  Nummer i filens titel, i en kommentar eller i ett formulärfält syns inte ens i utskriften. Där finns ingen ruta att dra.

• Skriva ut till en ny PDF

  Då blir sidan en bild. Numret försvinner ur textlagret men ligger kvar som pixlar, och dokumentet blir osökbart och otydligt redan vid nästa kopiering.

• Molntjänsten

  Där tas numret bort på riktigt – men filen har då redan lämnat datorn, och det finns en kopia hos någon annan. Det som inte finns kan inte läcka.

• Klippa för hand

  Ett nummer i taget, sent en fredag. Ingen kan i efterhand visa vilka rader som behandlades, och den som hoppar över en rad märker det inte.

DocMasker tar bort tecknen ur sidan, tömmer metadata, kommentarer, formulärfält och bilagor, och skriver om filen. Sedan läses filen om: 197 av 197 nummer borta, 0 av 37 lockbeten rörda. Kontrollen gäller filen – inte rapporten om filen.

Antingen lämnar uppgifterna datorn, eller så gör de inte det.