更新 PDF 以包含加密、隐藏的唯一标识符？

Question

背景

想法是这样的：

• 此人提供在线购书的联系信息
• 书籍，作为 PDF，标有唯一的哈希
• 个人下载书
• PDF 密码易于绕过或共享

理想的过程是这样的：

1. 根据联系信息生成哈希
2. 在数据库中存储联系信息和哈希
3. 获得书锁
4. 使用哈希文本更新“包含”文件
5. 以 PDF 格式生成图书（使用 pdflatex）
6. 对书应用哈希
7. 释放书锁
8. 发送带有图书下载链接的电子邮件

技术

可以使用以下技术（也可以使用其他编程语言，但库可能仅限于主机提供的那些）：

• C、Java、PHP
• LaTeX 文件
• PDF 文件
• Linux

问题

我应该研究哪些编程技术（或开源软件）：

• 在 PDF 中嵌入唯一的哈希（或其他标记）
• 创建防串通攻击标记
• 开发非易碎（例如，PDF -> EPS -> PDF 仍包含标记）解决方案

研究

我研究了以下可能性：

• 隐写术
• 自然语言处理 (NLP)
• 将 PDF 中的空白页转换为图像；标记这些图像；重新组装 PDF
• LaTeX 水印包
• ImageMagick

问题

我研究过的可能解决方案有以下问题：

• 隐写术。 (a) 需要图像的主副本，将其转换为 EPS，这是 CPU 密集型和耗时的； (b) 水印是否会在PDF -> EPS -> PDF 或其他类型的转换中继续存在； (c) 大多数图片是图纸或屏幕截图，而不是 PNG 格式的照片。
• LaTeX. 创建图像缓存；任何隐写解决方案都必须以某种方式拦截该过程。
• NLP。 引入语法错误；可能会改变技术词汇的含义。
• 空白页。立即怀疑；替换可疑的空白页很容易。
• 水印包。绘制可见标记。
• ImageMagick。 绘制可见标记。

还有哪些其他可能的解决方案？

相关链接

• http://www.tcpdf.org/
• invisible watermarks in images

谢谢！

Answer 1

我已经为 PDFlib 的另一个项目完成了这项工作。我们需要对生成的 PDF 进行追溯，以防文件泄露。基本上：

1. 创建了包含内容的源模板 PDF，设置文档主密码并设置所需的选项（不编辑、不打印、不使用屏幕阅读器等...）
2. 在运行时，我们应用了一些水印（强加的页脚说“此文档已签出给用户 #12345”，使用用户 ID、下载 IP、下载日期/时间设置一些元数据字段，添加了一个“此文件版权...”封面页等...）
3. 可选择附加用户密码以在打开文档时强制提示 PW。

由于最新的 PDF 版本使用 AES-128 进行加密，我们只是设置了一个合适的随机生成的 128 字符高熵密码 - 没有人会手动输入，因此难以输入与我们无关，并且实际上更可取。主密码阻止最终用户对文档进行任何更改。各种不打印/不屏幕阅读选项实际上是由 PDF 阅读器强制执行的，因此可以绕过，但无论如何设置它们也无妨。

这样做的缺点是 PDFlib 的许可相当昂贵。我不知道是否有任何免费的 php PDF 库支持最新的 PDF 加密方案，尤其是主密码的东西，但如果你的预算可以支持它，PDFlib 是实现安全文档制作的方式。