有关 PDF 伪造出奇罕见的说法,出自 Gwern 的文章《PDF 伪造出奇罕见》。他的核心观察并非来自系统调查或已发表的流行率研究,而是基于他所遇到的各类欺诈性和误导性文件作出的评估:包含捏造内容的新 PDF 确实会出现,而对已经发布的文件进行令人信服的改动,似乎要少见得多。这一区别至关重要。这篇文章支持的只是对一种观察模式的假设,并没有确定伪造 PDF 的全球发生率,尤其是那些私下传播或用于定向欺诈的文件。
一种有用的技术解释是,PDF 首先是一种文件格式,旨在跨软件、硬件和操作系统一致地呈现文档。作为支持的 PDF 参考资料将该格式描述为固定版面格式,可以包含文本、字体、矢量图形、栅格图像、批注、表单、图层及其他对象。PDF 可以保留页面的外观,却未必保留文字处理器所保存的逻辑结构、可编辑段落或原始源文本。因此,试图修改一句话的人,面对的可能不是普通文档大纲,而是一组经过定位的对象。
用于标明维基百科这一信息来源;文章借助该来源说明 PDF 是一种固定版面格式。
这有助于解释为什么小幅改动可能看起来很自然,而大幅重写却十分困难。原文将 PDF 比作编译后的程序:它旨在描述页面应当如何呈现,而不一定提供便捷的编辑界面。支持性参考资料同样指出,排版后的文本存储在内容流中,而不是普通的纯文本里。借助专业软件替换日期或个别词语或许可行,但改动整段文字、保持原有排版风格或重建周围布局,都可能暴露不一致之处。这种困难是实践层面的,而非绝对的;拥有合适工具和高超技能的人仍然可以篡改 PDF。
关于罕见程度的说法,还取决于遭到伪造的是哪类文件。Gwern 对比了被改动的学术论文与新制作的欺诈性 PDF。他说,下载到的论文通常会是读者预期的那份文件,同时警告读者,该副本可能是作者的草稿或预印本,而不是最终发表版本。这是读者需要认真对待的问题:两份真实文件可能包含不同结果或措辞,因为它们代表出版流程中的不同阶段。文件采用 PDF 格式这一事实,本身既不能说明它属于哪个版本,也不能证明其内容正确。
真实文件与可信主张之间也存在重要区别。一份 PDF 可以是某篇真实论文未经改动的副本,却仍可能包含方法薄弱、结论错误或后来被撤下的材料。反过来,伪造文件也可能模仿知名出版物的外观。这篇文章讨论的是对现有文件的篡改,而不是未经改动的文件中每一条陈述是否真实。因此,读者应当分别核验文件的来源与版本,以及它的真实性。
所提供的 Calibri 参考资料说明了文档上下文如何揭示潜在不一致。该资料指出,Calibri 于 2007 年开始广泛使用,并在 2007 年至 2023 年间担任 Microsoft Office 的默认字体。资料还描述了这样一些情况:某些据称早于该字体可用时间的文件,因为使用了 Calibri 而受到质疑。这为 Gwern 所举的时代错位字体例子提供了佐证性技术背景,但并不能证明每一份使用特定字体的文件都是伪造的。字体可能被安装、替换、嵌入,也可能在文件生成后添加。因此,排版字体是一项需要结合上下文调查的线索,而不是可以单独定案的证据。
在实际审查文件时,证据支持采用分层方法。第一,在条件允许的情况下,从权威出版商、资料库、组织或已知版本历史中获取文件。第二,将标题、作者、页数、修订状态和可见的出版信息与预期记录进行比较。第三,把元数据、字体、签名和视觉异常视为诊断信号,而不是决定性证据。数字签名如果存在,可以为文件完整性或来源主张提供支持,但所提供的资料并不能证明每份 PDF 都带有签名,也不能证明签名足以证实文件中的陈述真实。
最站得住脚的结论比标题所表达的范围更有限。PDF 在公开传播中遭到篡改的频率可能较低,部分原因在于其固定版面结构使大幅编辑变得麻烦,而新制作的欺诈性文件则提供了更简单的途径。这一解释既符合该格式的技术设计,也符合 Gwern 的观察,但并不能证明伪造 PDF 在任何地方都不常见。现有证据说明的是,为什么具有说服力的编辑可能很困难,以及为什么仍有必要检查版本和来源;它既没有衡量伪造行为的发生频率,也没有保证某份文件真实,更不能判断文件中的主张是否可靠。