Qu'est-ce que PDF Inspector ?
PDF Inspector (outil d'inspection et de révision PDF) est un logiciel d'analyse technique qui examine la structure interne des documents PDF, la hiérarchie des objets (Object Tree), les polices intégrées, les espaces colorimétriques, les métadonnées et les risques de sécurité potentiels au niveau du code et des octets.
1. Architecture interne d'un fichier PDF
Un inspecteur qui plonge dans un document PDF analyse 4 composantes principales du dossier :
- En-tête : indique la version PDF avec laquelle le document est compatible (par exemple %PDF-1.7, %PDF-2.0).
- Corps : blocs de données de base (dictionnaires, tableaux, flux) contenant des pages, des textes, des dessins vectoriels et des images.
- Table Xref (table de références croisées) : il s'agit d'un index qui conserve l'octet où chaque objet (objet indirect) du fichier commence depuis le début du fichier. Un accès aléatoire rapide se produit grâce à cette table.
- Bande-annonce : pointe vers le répertoire racine (Catalogue/Root) et les paramètres de chiffrement du document.
2. Que vérifie l'inspecteur PDF ?
Un outil PDF Inspector ne se contente pas de lire du texte ; Il examine la santé technique du document dans les dimensions suivantes :
A. Vérification de la police et de la typographie
- Polices intégrées (Font Embedding) : Détermine si les polices du document (TrueType, OpenType, Type 1) sont entièrement intégrées ou uniquement avec les lettres utilisées (Sous-ensemble). Les polices non intégrées entraînent une distorsion de la conception sur différents appareils.
- ToUnicode CMap : vérifie si les glyphes des lettres sur la page sont mappés aux caractères Unicode corrects. Si ce mappage est rompu, le texte se transforme en symboles dénués de sens lorsqu'il est copié ou recherché, même s'il apparaît correct à l'écran.
B. Normes d'impression et de couleur (prépresse)
- Espaces colorimétriques : contrôle les séparations de couleurs RVB, CMJN et Spot (Pantone).
- Zones d'impression : BleedBox, zone de recadrage (TrimBox) et bordures visuelles (MediaBox) sont contrôlées avec une précision millimétrique.
C. Conformité aux normes (PDF/A et PDF/UA)
- Conformité d'archivage (PDF/A) : contrôle les règles qui interdisent les liens externes, le cryptage et les polices non intégrées afin que le document puisse être visualisé de la même manière même des années plus tard (ISO 19005).
- Accessibilité (PDF/UA) : examine la disponibilité de la hiérarchie de balisage (Tagged PDF) et des descriptions d'images alternatives (Alt Text) pour les utilisateurs malvoyants et les lecteurs d'écran.
D. Analyse de la sécurité et des logiciels malveillants
- Injection de code malveillant : détecte les scripts JavaScript suspects (/JS, /JavaScript), les commandes d'exécution de programmes externes (/Launch) ou les flux malveillants qui déclenchent des dépassements de tampon d'exploitation cachés dans le PDF.
- Métadonnées cachées : révèle les informations sur l'auteur, l'historique des révisions, les emplacements GPS et les couches cachées qui auraient été supprimées.
3. Inspecteur PDF vs Analyseur PDF vs Visionneuse PDF
| Fonctionnalité | Visionneuse PDF | Analyseur PDF | Inspecteur PDF |
|---|---|---|---|
| But | Dessiner le document à l'écran | Capturer du texte et des tableaux | Inspecter l’intégrité structurelle et la sécurité |
| Groupe cible | utilisateurs finaux | Analystes de données, développeurs LLM/RAG | Chercheurs, éditeurs, ingénieurs en sécurité |
| Sortir | Pixels / Sortie visuelle | JSON, CSV, texte brut | Arbre d'objets, rapport de bug, score de sécurité |
| Véhicules typiques | Adobe Acrobat Reader, Chrome | PyPDF, pdfplombier, Tika | veraPDF, qpdf, analyseur pdf |
4. Outils populaires pour les développeurs et les administrateurs système
- qpdf : un puissant outil C++ capable de décrypter le cryptage de PDF, d'aplatir les structures d'objets et de réparer les fichiers défectueux à partir de la ligne de commande.
- veraPDF : Il s'agit d'un vérificateur de référence open source soutenu par la Commission européenne et la PDF Association, qui certifie la conformité aux normes d'archivage PDF/A.
- pdf-parser.py (Didier Stevens) : L'outil d'analyse standard utilisé par les experts en cybersécurité pour déchiffrer les fichiers PDF malveillants et suspects.
- pdfcpu : Il s'agit d'une bibliothèque moderne écrite en langage Go qui effectue l'optimisation PDF et la vérification structurelle.
Questions et réponses
Qu’est-ce que PDF Inspector et pourquoi est-il nécessaire ?
PDF Inspector est un outil qui analyse les codes d'objet, les tables de polices et les métadonnées derrière les fichiers PDF. Il est utilisé pour détecter la corruption de fichiers, les erreurs d’impression et les menaces de cybersécurité intégrées.
Pourquoi le texte copié à partir d'un document PDF devient-il des caractères dénués de sens ?
Cela est dû au fait que la table de mappage « ToUnicode CMap » pour la police du PDF est manquante ou corrompue. Même si la forme de la lettre (glyphe) est dessinée correctement, l'équivalent textuel de la lettre est inconnu. PDF Inspector peut détecter de telles déficiences.
Pourquoi faut-il vérifier la compatibilité PDF/A ?
Les institutions officielles et les archives veulent que les documents aient exactement le même aspect après 20 à 30 ans. La norme PDF/A interdit l'audio/vidéo, le cryptage et les liaisons de polices externes. Les outils d’inspection vérifient ces critères.
Un fichier PDF peut-il être un outil de cyberattaque ?
Oui; Le format PDF peut exécuter des codes JavaScript, des liens externes et des binaires intégrés. Grâce à ces fonctionnalités, les cyberattaquants peuvent télécharger des logiciels malveillants sans que l'utilisateur ne s'en aperçoive.
PDF Parser et PDF Inspector sont-ils la même chose ?
Non; Pendant que l'analyseur se concentre sur l'extraction du texte et des données contenues dans le document, l'inspecteur vérifie la conformité du document aux normes techniques, aux règles de police et aux politiques de sécurité.
Termes liés
Outils liés
Cette explication a été rédigée en langage clair pour TreScout avec l’IA puis traduite automatiquement depuis l’original turc · la version turque fait foi. Si quelque chose vous semble erroné ou manquant, écrivez à hello@trescout.com. Lire en turc →