有什么方法可以识别 PDF 是否被编辑/篡改以及使用 Python 编辑/篡改 PDF 的确切位置？答案

【问题标题】：Is there any way that I can identify whether the PDF is edited/tampered and the exact location where the PDF is edited/tampered using Python?有什么方法可以识别 PDF 是否被编辑/篡改以及使用 Python 编辑/篡改 PDF 的确切位置？
【发布时间】：2021-02-09 03:43:56
【问题描述】：

我正在努力识别银行对帐单 PDF 文档中的伪造/篡改。信息元数据和 XMP 元数据并不总是存在于我拥有的 PDF 中，因此我无法创建任何通用规则来识别被篡改的 PDF。我正在使用 Python 库，例如 PyMuPDF、PDFMiner、PyPDF2 等。

我有两个问题：

是否有任何具体的方法来识别 PDF 是否被篡改（使用 Python 或任何其他开源技术）？
如果 PDF 被篡改，那么 PDF 的哪一部分被篡改（使用 Python 或任何其他开源技术）？

附上 2 个 PDF 供参考 -

原创：- “sbi statment_out2.pdf” 链接-https://drive.google.com/file/d/1DoWAKYcCudRO-Cwjbgf7RjiJUsF3DD3s/view?usp=sharing

使用 Sejda 在线编辑器篡改：- “sbi statment_out2_Sejda_edited.pdf 链接-https://drive.google.com/file/d/1J4eRy9tO3jN8AqEWNrKXtn40G6vdH5G3/view?usp=sharing

在回火 PDF 中，我已将“信用”列下的“2,412.00”编辑为“12.00”。

如果有任何开源解决方案，请告诉我，最好是 Python。

谢谢。

【问题讨论】：

community.adobe.com/t5/acrobat-reader/…
您必须详细说明篡改的含义以及未篡改的含义。你所有的银行对账单都是同一个模板吗？来自同一来源？在您的示例中，如果是真实情况，您怎么知道哪个是正确的，哪个不是（篡改）？

标签： python pdf pdfminer pymupdf tampering

【解决方案1】：

确保 PDF 不被篡改的规范方法是只接受由创建者提供数字签名的 PDF 并验证它们，正如 Frank 已经通过指向 Adobe 论坛的链接指出的那样。

它们的变化可能是

PDF 制作者通过不同的安全渠道共享 PDF 的哈希值以供您验证，或者
PDF 的制作者使用只有他们知道的私钥对 PDF 进行了加密，而您使用匹配的（可能是公钥）对其进行解密。

如果正确实施，此类加密方法相当安全。

不幸的是，这些安全方法要求 PDF 的制作者在发布 PDF 时进行相应的合作。

如果制作者不合作并且只是发布没有这种加密保护的 PDF，您仍然可以比较应该类似创建的 PDF 的内部细节。如果这些内部细节差异很大，要么是有人对 PDF 进行了业余篡改，要么是 PDF 制作者更新或切换了 PDF 制作软件。

对于您的示例文件，此类细节存在许多差异，例如

原始声称符合 PDF-1.4，经过处理的副本符合 PDF-1.5。
原始版本使用 PDF 对象的交叉引用表，副本交叉引用流。
与“SAMBox 2.2.12”相比，原始和副本具有不同的Producer 条目，即“iText 2.0.4（by lowagie.com）”。
原件在文档的声明日期有一个 ModDate 条目，副本在其后很久就有一个。
原始 PDF 中的 ID 部分彼此不同，副本中的 ID 部分一致。
副本具有用于独立添加内容的典型页面内容流结构，原始没有。
副本有一个没有文本的文本对象（原始文本对象的其余部分绘制后来删除的数字），原始没有。
表格中的数字原件只使用灰度颜色，副本也使用RGB颜色。
...

您当然可以使用 Python PDF 库来检查此类详细信息并确定差异。

但要小心，这样你只会抓到外行的伪造者。了解自己业务的伪造者几乎不会在其输出中留下任何此类痕迹...

【讨论】：

【解决方案2】：

Adobe 表示，除非经过签名，否则无法检测 pdf 是否已被修改。

https://community.adobe.com/t5/acrobat-reader/how-to-detect-a-modified-pdf-file/td-p/3546278

【讨论】：