Instrucciones incrustadas en documentos y su detección

Un extractor de texto no mira la página: recorre los objetos de texto del archivo y los devuelve en orden. Le da igual el color, el tamaño o si quedaron fuera del borde, y muchos devuelven además las propiedades del archivo, como el título o el autor. Una persona que abre el PDF ve la página dibujada. La distancia entre esas dos lecturas es el sitio donde se esconde una instrucción incrustada, y también el sitio donde se detecta.

La detección más sólida es justo esa comparación: dibujar la página, leerla como la vería una persona y contrastar ese texto con el que entrega el extractor. Lo que solo aparece en la capa de texto es sospechoso por definición, diga lo que diga. Buscar frases peligrosas, en cambio, depende de adivinar cómo estará redactada la próxima.

El texto del mismo color que el fondo es la forma más simple de que la página y la capa de texto digan cosas distintas: la persona ve un espacio en blanco y el extractor entrega un párrafo. Que el inspector lo encuentre es la mitad del trabajo; la otra mitad es comprobar qué pasó después con ese documento, y para eso hay que saber cuál es.

Revisa el informe del inspector del 1 de octubre y localiza el documento con ese hallazgo.

No todo lo que lee el extractor está en una página. Las propiedades del archivo —título, autor, asunto y otros campos de descripción— no se ven al abrir el documento, pero algunos extractores las entregan junto al texto. Un campo de propiedades con cientos de caracteres no tiene ninguna razón de negocio en el presupuesto de un taller.

Busca en el informe el documento cuyo hallazgo está en las propiedades y anota en qué campo venía el texto.

Un inspector en modo de solo marcar protege únicamente si la marca llega a quien decide. En Pilpilén la marca es una etiqueta que se añade al texto que recibe Cachaña y que el ajustador ve en el resumen. Si la integración está apagada para un canal, el inspector detecta, el informe lo registra y el resumen sale limpio, como si nada hubiera pasado. Compara los resúmenes de los documentos con hallazgo: unos llevan la etiqueta y proponen revisar; otros proponen pagar o cerrar.

Cuenta en el informe los documentos con hallazgo cuya marca no llegó a Cachaña.

Borrar la frase encontrada y dejar pasar el resto parece limpio, pero solo quita lo que el inspector supo ver. Pedirle al modelo en sus instrucciones que ignore las órdenes de los documentos ayuda poco: es la misma confusión entre dato e instrucción que se quiere evitar. Lo que funciona combina tres cosas: que un documento de terceros con hallazgo salga del flujo normal, que una persona lo revise con la página y el hallazgo delante, y que ninguna acción con efecto dependa solo de lo que diga el documento.