# Документы и ИИ: как не отправить паспорт или счёт иностранной модели

> Безопасная обработка PDF и сканов: проверка формата, локальное извлечение и распознавание текста, маскирование ПДн, временное хранение и запрет скрытого внешнего переключения.

- Category: privacy-ai
- Published: 2026-10-10T09:04:24.579184
- Canonical: https://gitsell.ru/blog/dokumenty-i-ii-kak-ne-otpravit-pasport-ili-schet-inostrannoi

## Article

Файл опаснее короткого текстового запроса своей непрозрачностью. Пользователь прикладывает «счёт.pdf», а внутри могут оказаться ФИО подписанта, телефон, банковские реквизиты, адрес и скан паспорта на соседней странице. Если такой документ сразу отправить модели для анализа изображений, контролировать объём передачи уже поздно.

Безопасный конвейер сначала обрабатывает документ в контролируемом российском контуре и только потом решает, что можно делать с результатом.

## Шаг 1. Проверить фактический формат

Расширение `.pdf` не гарантирует PDF. Сервер должен определить фактический формат по содержимому, ограничить размер и отклонить неподдерживаемый файл. Архив, исполняемый файл или неизвестный тип вложения не нужно «на всякий случай» пересылать внешней модели.

## Шаг 2. Разделить извлечение и распознавание текста

PDF с текстовым слоем разбирается локально без распознавания изображения. Сканированный PDF, PNG, JPEG, TIFF и WebP требуют оптического распознавания текста (OCR). В обоих случаях результатом становится нормализованный документ: страницы, текстовые блоки, координаты и уверенность распознавания.

На `gitsell.ru` для этого действует `POST /v1/documents/recognize` с правилом `FILE_LOCAL_ONLY`, то есть «только локальная обработка файла». PDF разбирается PyMuPDF, изображения — локальным PaddleOCR. Сырой файл, изображения страниц и производный текст не уходят иностранному поставщику модели.

## Шаг 3. Найти ПДн после распознавания

Детектор работает по извлечённому тексту: правила и контрольные суммы находят структурированные значения, локальная модель распознавания именованных сущностей — ФИО. Клиент получает очищенный текст и категории срабатываний без исходных значений в аудите.

Ошибки распознавания возможны. Низкая уверенность должна быть видна потребителю результата, а критичные поля — перепроверяться в 1С до записи. Распознавание документа и создание хозяйственной операции не следует объединять в один автоматический шаг.

## Шаг 4. Удалить временный файл

Временное хранилище должно быть закрыто от публичного доступа и очищаться после завершения задания. Нужна отдельная аварийная очистка зависших или прерванных задач. В журнале достаточно размера, формата, версии обработчика, статуса и признаков передачи; сырой документ там не нужен.

## Почему нельзя включать скрытое внешнее переключение

Если локальное распознавание недоступно, отправка файла в зарубежный сервис анализа изображений меняет маршрут именно в момент отказа защиты. Принцип безопасного отказа означает техническую ошибку и повтор позже, а не скрытый переход к другому обработчику.

[Подробные форматы и ограничения](https://gitsell.ru/ai-proxy/personal-data) опубликованы отдельно. Этот конвейер помогает выполнить техническую часть защиты, но организация всё равно определяет цель, правовое основание, сроки хранения и круг сотрудников, которым разрешена работа с документом по [152-ФЗ](https://www.consultant.ru/document/cons_doc_LAW_61801/).


## Статьи по теме

- [Российская или иностранная нейросеть: как направлять запросы с ПДн](/blog/rossiiskaya-ili-inostrannaya-neiroset-kak-napravlyat-zaprosy): Как направлять ИИ-запросы с персональными данными: российский контур, иностранный поставщик модели, локализация, трансграничная передача и безопасный отказ.
- [ИИ-агенты и персональные данные в России: карта рисков перед запуском](/blog/ii-agenty-i-personalnye-dannye-v-rossii-karta-riskov-pered-z): Практическая карта рисков при запуске ИИ-агента в российской компании: цели обработки, контекст 1С, внешние модели, документы, журналы и контроль действий.
- [Маскирование ПДн перед нейросетью: почему запрета в запросе недостаточно](/blog/maskirovanie-pdn-pered-neirosetyu-pochemu-zapreta-v-zaprose): Как находить и заменять ПДн до вызова иностранной нейросети, зачем нужна повторная проверка и почему инструкция модели не является границей безопасности.