Como funciona

Um fluxo deliberadamente simples.

1. Entrada controlada

Na área segura, o texto ou arquivo é encaminhado ao processador interno sem preservar o nome original do arquivo. TXT, PDF textual/escaneado, DOCX, XLSX, PNG e JPEG são tratados de acordo com limites técnicos definidos. Quando necessário, PDF/imagem usa Tesseract na infraestrutura do SANITIZE apenas para extração pré-sanitização; o SANITIZE não analisa o mérito do documento.

2. Pseudonimização determinística

O motor substitui dados detectados por marcadores de namespace. Contextos fortes têm precedência: um valor reconhecido como chave PIX não deve ser reclassificado apenas como e-mail, telefone ou CPF.

3. Scanner residual

Uma segunda varredura, propositalmente mais agressiva, procura padrões que merecem revisão mesmo quando não há confiança suficiente para substituição automática. Candidatos inválidos de CPF/CNPJ também podem aparecer como alerta residual.

4. Arquivos de saída

PDF/DOCX/TXT textuais podem ser gerados a partir do resultado revisado. Em PDF/PNG/JPEG que usa OCR, o mesmo tipo só é liberado quando as tarjas foram gravadas nos pixels e a verificação pós-redação não encontrou original conhecido, candidato estruturado residual ou QR legível. XLSX permanece XLSX com valores sanitizados e sem fórmulas, estilos ou metadados do arquivo original.

5. Revisão humana

O resultado é editável e deve ser lido antes de sair do SANITIZE. Pseudonimização reduz exposição, mas contexto livre pode continuar identificando uma pessoa.

6. Cofre opcional

Quando a reversão é necessária, o navegador pode gerar um cofre sanitize-vault-v2 protegido por PBKDF2-HMAC-SHA256 e AES-256-GCM. A senha do cofre permanece no navegador.

Limites conhecidos

PDFs escaneados e imagens podem usar OCR na infraestrutura do SANITIZE antes da sanitização, com limites de páginas, pixels e tempo. OCR pode introduzir erros de reconhecimento e não elimina a necessidade de revisão humana. O serviço não deve ser usado como garantia de anonimização, decisão jurídica automática ou substituto de revisão profissional.