Форматы хранения электронных документов

Варламова Л. Н., доцент РГГУ, Карягина И. А.

• нормативные документы РФ, содержащие рекомендации по форматам хранения электронных документов

• национальные стандарты, описывающие специфику применения форматов хранения электронных документов

• разновидности PDF/A как основного формата хранения электронных документов, рекомендованного нормативно-методической базой РФ

«Рекомендации по комплектованию, учету и организации хранения электронных архивных документов в архивах организаций», разработанные Росархивом/ВНИИДАД2, рекомендуют при подготовке электронных документов к передаче на хранение в архив организации производить их конвертацию в формат PDF/A-1, который далее называют форматом архивного хранения. Согласно рекомендациям контейнер электронного документа должен представлять собой сжатую zip-папку. Туда необходимо включить сам электронный документ в формате архивного хранения (PDF/A-1), а также метаданные документа (в формате XML), включая электронные подписи. При этом проверка наличия и состояния основных и рабочих экземпляров электронных документов проводится при приеме электронных документов в архив организации, потом через год после приема электронных документов на хранение в архив и далее с периодичностью один раз в три года.

Приказом Минкомсвязи РФ от 02.09.2011 № 221 были утверждены «Требованиями к информационным системам электронного документооборота федеральных органов исполнительной власти»3, в которых отмечалась необходимость обработки посредством данных систем не только общей служебной информации, но и информации ограниченного распространения. Согласно Требованиям, система электронного документооборота федерального органа исполнительной власти должна обеспечивать отображение следующих форматов файлов: PDF, RTF, DOC, TIFF.

Приказом Минкомсвязи России N 186 и ФСО России N 258 от 27.05.2015 были утверждены «Требования к организационно-техническому взаимодействию государственных органов и государственных организаций посредством обмена документами в электронном виде»4. Согласно этим требованиям, файл электронного документа, а также файл электронного образа документа с графическими элементами регистрационных данных и отметок об ЭП, внедренными в него, должен иметь формат PDF/A-1, соответствующий международному стандарту ISO 19005-1:2005.

Таким образом, очевидно при отсутствии единой государственной политики по организации хранения электронных документов и специальной нормативной базы, регламентирующей форматы хранения этих документов, при решении вопросов о долгосрочном хранении ЭД предпочтение отдается формату PDF/A-1.

Помимо нормативных документов министерств и ведомств, рекомендации по форматам хранения электронных документов содержатся и в национальных стандартах.

ГОСТ Р 53898-2013 «Системы электронного документооборота. Взаимодействие систем управления документами. Требования к электронному сообщению»5 устанавливает формат, состав и содержание электронного сообщения, обеспечивающего информационное взаимодействие систем управления документами. Согласно стандарту электронное сообщение является XML-документом, а также необходимым дополнительным файлом, который передается из одной системы управления в другую. В стандарте также описывается структура сообщения, порядок его передачи. Согласно стандарту электронное сообщение и его составные части могут быть независимо подписаны электронными подписями и другими аналогами собственноручной подписи или зашифрованы. Однако порядок применения электронной подписи или шифрования не относится к области применения настоящего стандарта, а рассматривается как «внешний» по отношению к нему и регламентируется отдельными документами (например, Федеральным законом от 06.04.2011 № 63-ФЗ «Об электронной подписи»6).

ГОСТ Р 54471-2011 «Системы электронного документооборота. Управление документацией. Информация, сохраняемая в электронном виде. Рекомендации по обеспечению достоверности и надежности»7 содержит описание рекомендуемой практики электронного хранения деловой и иной информации в электронной форме и описывает порядок внедрения и эксплуатации систем управления информацией и документами, которые могут рассматриваться как надежно (заслуживающим доверия образом) хранящие электронную информацию. В стандарте описаны средства, с помощью которых в любое время можно доказать, что содержание конкретного электронного объекта, созданного или существующего в компьютерной системе, не изменился с момента его создания внутри системы или с момента импорта. Стандарт рекомендует создавать отдельный документ, регламентирующий хранение информации в электронном виде, в том числе содержащий сведения о допустимых форматах файла, методах сжатия информации и сроках ее хранения. Стандарт определяет «доверенную систему» как систему, «которая позволяет рассматривать всю сохраняемую в ней в электронном виде информацию как достоверные и точные копии изначальной информации независимо от ее первоначального формата»8. Согласно стандарту электронная информация может храниться в двух формах: в виде графических образов либо в виде объектов данных. Чаще всего графические образы получаются в результате обработки бумажных документов (например, сканирование). Объекты данных используются для хранения информации в «первоначальном» формате, при этом для извлечения содержащейся в них информации может потребоваться оригинальное программное обеспечение. Однако стандарт дает весьма общие рекомендации по выбору формата хранения электронных документов, не называя их.

ГОСТ Р 54989-2012/ISO/TR 18492:2005 «Обеспечение долговременной сохранности электронных документов»9 сосредотачивается на обеспечении сохранности ЭД. Согласно стандарту, долговременная сохранность это «период времени, в течение которого электронные документы поддерживаются в качестве доступного и аутентичного свидетельства (доказательства)»10. Нечитаемость документа может наступить вследствие порчи носителя или его морального устаревания. Чтобы документ не стал нечитаемым, нужно осуществлять периодический перенос информации с одних носителей на другие, более новые, а также правильно выбирать форматы хранения. Стратегия долговременной сохранности должна поддерживать те же характеристики документов, что и в стандарте ГОСТ Р ИСО 15489-1-2007, а кроме того, документ должен быть правильно интерпретируемым и идентифицируемым, причем обеспечение аутентичности считается ключевой задачей. Организации, стремящиеся обеспечить долговременный доступ к аутентичным документам, должны обратить внимание на следующие три ключевые аспекта своей стратегии: передача/прием на хранение и ответственное хранение; среда хранения; управление доступом и защита информации. Пока электронные документы находятся в среде их создания, их трудно защитить от изменений, поэтому нужно предусмотреть механизмы ограничения доступа к электронным документам и защиты их от порчи, случайного или умышленного искажения. При передаче на хранение может потребоваться переформатирование — миграция. При переформатировании стандарт рекомендует использовать механизм циклического избыточного кода CRC11 (контрольных сумм CRC) — распространенного метода обеспечения надежности электронной передачи данных или хэш-дайджестов12.

Стратегия долговременной сохранности должна решать проблему зависимости от конкретного программного обеспечения. Если конкретные электронные документы могут быть использованы только при помощи определенного программного приложения, то обеспечение долговременного доступа к этим документам может оказаться проблематичным. В стандарте обращено внимание на то, что после передачи электронных документов на хранение, следует думать об их миграции из широкого набора форматов, используемых создателями и получателями документов, в меньшее число «стандартизованных» форматов. Стандарт не рекомендует выбирать коммерческие (проприетарные) форматы. К числу заслуживающих внимания технологически нейтральных форматов, рекомендованных стандартом, относятся PDF/A-1, XML, TIFF и JPEG.

Выбор оптимального формата хранения определяется видом информации, характеристиками технических средств хранения, особенностями доступа к данным и используемым программным средствам. Вышеназванные форматы делятся на текстовые и графические форматы и могут использоваться для хранения электронных документов. Особняком стоит формат PDF/A, который был создан специально для долгосрочного хранения электронных документов. В соответствии с международным стандартом ISO 19005-1:2005/Cor.1:2007 «Управление документацией. Формат файлов электронных документов для долгосрочного хранения»13 различают специальную разновидность формата PDF — PDF-А (archives). Именно ему мы и уделим особое внимание.

В действительности PDF/A является подмножеством формата PDF, из которого исключены некоторые особенности, не подходящие для долговременного хранения электронных документов. Ключевой элемент воспроизводимости этого формата состоит в требовании, чтобы документы в формате PDF/A были на 100 % самодостаточными. Вся информация, которая необходима для того, чтобы документ каждый раз отображался в неизменном виде, должна быть внедрена в файл. Сюда входит (не ограничиваясь только этим) всё содержимое документа (текст, растровые изображения и векторная графика), шрифты и информация о цвете. Важно отметить, что документы форматов семейства PDF/A не могут использовать информацию из внешних источников (как то шрифтовые программы или гиперссылки), в них запрещено внедрение кода на javaScript14 и команд на запуск исполняемых файлов, также не разрешено шифрование15. Так как документ формата PDF/A должен включать все шрифты, которые он использует, файл PDF/A часто будет большего размера, чем его PDF-эквивалент, не содержащий внедрённых шрифтов. Это может быть нежелательно при хранении большого числа небольших документов, содержащих одни и те же шрифты, так как один и тот же шрифт будет внедрен в каждый из файлов. Однако при хранении большого числа небольших документов в одном архиве, из-за свойств алгоритмов сжатия, разница между использованием PDF с внедренными шрифтами и без них — незначительна.

Считается, что документ, который хранится в формате PDF/A, из-за того, что в нём не содержатся такие непостоянные вещи, как гиперссылки и мультимедийный контент, можно будет открыть в любой операционной системе через достаточно длительное время с помощью любого приложения, поддерживающего соответствующий формат. При этом «целостность и неизменность неподписанного документа в формате PDF/A не может быть гарантирована» и не заявляется как особенность формата16. Другими словами, несмотря на то, что данный формат позиционируется как обеспечивающий долгосрочное хранение электронных документов, изменение содержимого документа возможно и не является отклонением от нормы, если оно не зашифровано. Однако есть ещё один нюанс: для каждого конкретного документа, формат которого заявлен как PDF/A, невозможно заведомо утверждать, что это действительно так. Необходима верификация на соответствие требованиям формата для каждого конкретного документа, и, если на этапе размещения в архиве или после очередного изменения она не будет проведена, можно считать миссию обеспечения долгосрочного хранения потенциально проваленной (правда с некоторыми оговорками).

Следует отметить, что в широком профессиональном сообществе часто не делают различий между форматами PDF/A-1, PDF/A-2 и PDF/A-3. Как правило, в различных методических рекомендациях указывается только PDF/A как рекомендуемый формат для осуществления долговременного хранения, но если обратить внимание на ссылки на стандарты, то можно отметить, что разработчики методических документов ссылаются на первый стандарт формата PDF/A-1. Рассмотрим все три формата подробнее.

Первая версия формата PDF/A-1 стандартизирована ISO 19005-1:2005, «Document management — Electronic document file format for long-term preservation — Part 1: Use of PDF 1.4 (PDF/A-1)»17 и актуализирована в 2015 году.

Стандарт PDF/A — 1 определяет два уровня соответствия для PDF-файлов:

• PDF/A-1a — соответствие Уровню A,

• PDF/A-1b — соответствие Уровню B.

РPDF/A-1b ставит целью обеспечение надёжного воспроизведения внешнего вида документа. PDF/A-1a включает все требования стандарта PDF/A-1b, а также дополнительно требует, чтобы структура документа была включена в файл, ставя при этом целью обеспечение возможности поиска и преобразования содержимого документа.

Таким образом, стандарт PDF/A-1 определяет два уровня соответствия: уровень соответствия «а» удовлетворяет всем требованиям спецификации; уровень «b» является более низким уровнем соответствия, «охватывающим требования этой части ISO 19005 относительно визуального появления электронных документов, но не их структурных или семантических свойств»18.

Формат PDF/A-2 был стандартизирован ISO 19005-2:2011 «Document management ― Electronic document file format for long-term preservation — Part 2: Use of ISO 32000-1 (PDF/A-2)»19 и актуализирован в 2016 году. Особенностью формата является его ориентация на PDF 1.7, используемого для длительного хранения информации, представленной визуально в виде страниц.

Стандарт PDF/A-2 определяет три уровня соответствия: уровень соответствия «a» удовлетворяет всем требованиям спецификации; уровень «b» является более низким уровнем соответствия, «охватывающим требования этой части ISO 19005 относительно визуального появления электронных документов, но не их структурных или семантических свойств»20. Для PDF/A-2 был введен промежуточный уровень соответствия — уровень «u», который представляет соответствие уровня «b» с дополнительным требованием, заключающимся в том, чтобы весь текст в документе имел эквиваленты Unicode21.

Основное различие между PDF/A-1 и PDF/A-2 заключалось в использовании более поздней версии PDF. Добавленные возможности соответствуют требованиям ISO 32000-122 и включают:

- улучшения базового формата PDF (повышение его доступности),

- сжатый объект и потоки XRef23, (для меньших размеров файлов),

- поддержку встраивания вложенных файлов в формате PDF/A, переносимых коллекций и пакетов PDF,

- поддержку прозрачности изображений,

- поддержку сжатия JPEG 2000 для изображений24.

Формат PDF/A-3 стандартизирован ISO 19005-3:2012 «Document management — Electronic document file format for long-term preservation — Part 3: Use of ISO 32000-1 with support for embedded files»25 и актуализирован в 2018 году.

PDF/A-3 добавляет единственную и очень важную функцию к предшественнику PDF/A-2. Если PDF/A-2 допускал вложение других файлов, пока вложенные файлы были действительными файлами PDF/A, то PDF/A-3 позволяет встраивать файлы любого формата (включая XML, CSV, CAD, изображения, бинарные исполняемые файлы и т. д.) в единый файл PDF/A. Эта новая функция предназначена для расширения функциональности PDF/A от формата зафиксированного «бумажного документа» (пусть и подходящего для использования в долгосрочной перспективе) до полноценного архивного формата, ориентированного на хранение электронного документа в неизменном виде, который может иметь и поддерживать связанные с ним файлы и электронную подпись.

Как и в PDF/A-2, стандарт PDF/A-3 определяет три уровня соответствия: уровень соответствия «a» удовлетворяет всем требованиям стандарта; уровень «b» является более низким уровнем соответствия, удовлетворяющим требованиям, которые должны быть минимально необходимы для обеспечения того, чтобы визуальный внешний вид соответствующего файла сохранялся в течение длительного времени. При этом в стандарте отмечается, что файлы, соответствующие стандартам уровня «b», могут не иметь «достаточно богатой внутренней информации, чтобы обеспечить сохранение логической структуры документа и текстового контента в естественном порядке чтения»26, что обеспечивается соответствием более высокому уровню «a». Промежуточный уровень соответствия, уровень «u» способен соответствовать всем дополнительным требованиям.

PDF/A-3 позволяет встраивать файлы любого типа, но накладывает требования, отличные от обычных, определенных в ISO 32000-127 для PDF 1.7. Согласно положениям стандарта файлы, соответствующие этим требованиям, называются «связанными» файлами. Для их создания и поддержания должна быть сделана явная связь между каждым встроенным файлом, содержащим PDF-документ, объектом или его структурой (например, изображение, страница или логический раздел) в PDF-файле. Для связанных файлов должны быть предусмотрены типы MIME28. Однако PDF/A-3 требует использования специальных приложений, если тип MIME неизвестен.

Существует мнение специалистов, что версия формата PDF/A-3 не направлена на расширение формата PDF/A-2 с целью поддержки встраивания файлов любого типа. В этом контексте интересны материалы вебинара от вендора Luratech, который занимается созданием программных продуктов и решений для преобразования документов с оптическим распознаванием символов, а также программного обеспечения для поставщиков услуг сканирования и долгосрочного архивирования в формате PDF/A-329. По мнению ведущего вебинара, в файле PDF/A-3 встроенные файлы не должны считаться «архивируемыми». Другими словами, источник или дополнительный материал рассматриваются только как краткосрочные или временные. То, что в долгосрочной перспективе должно рассматриваться как «архивированное», является только основным контентом PDF с его видимым отображением страницы. Отсюда вытекает утверждение, что PDF/A-3 обеспечивает «гибридное архивирование», т. е. каждая ревизия документа сопровождается хранением файла PDF/A-3 с встроенным исходным файлом обработки текста, а сам документ должен быть готов к архивированию при каждом прекращении редактирования, т. е. архивироваться перманентно.

Члены рабочей группы NDSA (National Digital Stewardship Alliance) в статье «New NDSA Report: The Benefits and Risks of the PDF/A-3 File Format for Archival Institutions» пришли к выводу, что формат PDF/A-3 служит «важным бизнес-потребностям, не связанным с сохранением документов в долгосрочной перспективе»30. Согласно статье юридическое лицо, такое как корпорация, обязано «архивировать определенные категории документов на определенный период для исполнения правительственных распоряжений»31. Эти документы начинают жизнь в редактируемой форме и на определенном этапе считаются окончательными, если промежуточные черновики сохраняются как PDF/A-3 с внедренной встраиваемой формой. При этом документ архивируется на любом этапе, упрощая управление документами. Эти бизнес-потребности стимулируют разработку инструментов для создания файлов PDF/A-3. Некоторые из них, безусловно, будут использованы в архивах. Согласно мнению авторов статьи: «сложность формата PDF свидетельствует о том, что PDF/A-3 может быть наиболее подходящим для использования в контролируемых рабочих процессах, но не может быть подходящим выбором в качестве формата долгосрочного хранения общего назначения»32. Тем не менее, предлагаемое PDF Association33 создание бесплатного инструмента для проверки PDF с открытым исходным кодом может снизить риски долгосрочного сохранения, связанные со сложностью формата PDF/A в качестве формата связывания.

На наш взгляд, отсутствие таких надежных инструментов проверки, конвертация PDF-файлов в PDF/A-3 в рабочих процессах оперативного документооборота оправдано, но является довольно ненадежным методом долгосрочного хранения документов. Для того чтобы детально разобраться в этом вопросе, необходимо провести специальное исследование, не менее значимое, чем проведенное экспертами РГГУ в 2013 году. Научный доклад РГГУ «Сравнительный анализ форматов файлов электронных документов постоянного (долговременного) хранения» установил, что PDF/A-1 (ISO 19005-1) и PDF/A-2 (ISO19005-2:2011) обладают высокой степенью надежности и обеспечивают долгосрочность хранения информации34.

Исходя из проведенных сравнений между форматами PDF и его производным PDF/A, можно утверждать, что первый больше пригоден для оперативного обмена и краткосрочного хранения электронных документов, в свою очередь как PDF/A (с учетом потенциально большего размера единичного документа) гарантирует, что даже через продолжительное время, вне зависимости от окружения и операционной системы, любой пользователь сможет открыть документ в данном формате, располагая ПО-просмотрщиком, что в целом соответствует концепции архива электронных документов.

В нижерасположенной таблице приведено сравнение форматов семейства PDF/A.

Сравнительная таблица форматов семейства PDF/A

Название	PDF/A-1	PDF/A-2	PDF/A-3
Расширение	.pdf	.pdf	.pdf
Стандартизирован	ISO 19005-1:2005	ISO 19005-2:2011	ISO 19005-3:2012
Дата создания	2005	2011	2012
Дата последних обновлений	2015	2016	2018
Открытость	Да	Да	Да
Назначение формата	Формат для долговременного хранения документов	Формат для долговременного хранения документов	Архивный формат, ориентированный на хранение документа в неизменном виде
Наличие бесплатного программного обеспечения	Да	Да	Да
Самодостаточность документа (сам документ содержит все необходимое для его корректного отображения)	Да, но мало возможностей	Да	Да, но на практике это может не работать
Возможность полнотекстового поиска	Да, но при наличии текстового слоя	Да, но при наличии текстового слоя	Да, но при наличии текстового слоя
Устойчивость при множественных репликациях	Да	Да	Нет
Возможность конвертации из других форматов	Да	Да	Да

Различия между PDF/A-1 и PDF/A-2 связаны в первую очередь с тем, что они основаны на разных поколениях базовой спецификации PDF. Файл PDF/A-3 может содержать любой другой тип файла, встроенный в него, и единственным дополнительным требованием, устанавливаемым стандартом в отношении цели долгосрочного хранения электронных документов, является то, что совместимый читатель PDF/A-3 не должен отображать встроенные файлы, а должен просто поддерживать их. В стандарте не говорится о том, может ли встроенный контент считаться существенным для полного понимания или использования первичного документа, внешний вид которого нужно сохранить. Поэтому поспешное принятие PDF/A-3 как основного формата долговременного хранения может привести к тому, что «архивное учреждение приобретет встроенный контент в формате, который оно не ожидало, и чья связь с основным документом может быть не понятна».35

Вместе с тем форматы семейства PDF/A по-прежнему остаются лучшими форматами для осуществления долговременного хранения электронных документов. Стандарты PDF/A пытаются максимизировать независимость устройства, автономность и самодокументирование. В соответствии с «Правилами организации хранения, комплектования, учета и использования документов Архивного фонда Российской Федерации и других архивных документов в органах государственной власти, органах местного самоуправления и организациях»36 передача текстовых электронных документов для хранения в архив организации, являющейся источником комплектования государственного и муниципального архива, осуществляется в формате PDF/A-1. Этот же формат рекомендует и ГОСТ Р 54989-2012/ISO/TR 18492:2005 «Обеспечение долговременной сохранности электронных документов»37.

Несмотря на то, что в 2011 году был опубликован стандарт ISO 19005-2:2012, вводящий формат нового поколения PDF/A — PDF/A-2, который существенно расширил возможности формата, т. к. стало доступным вложение других файлов, что позволило считать PDF/A-2 архивным форматом, ориентированным на хранение документа в неизменном виде, который может быть связан с файлами других форматов, и использовать электронную подпись, в нормативно-методических документах РФ это, к сожалению, не нашло свое отражение. Новый формат семейства PDF/A — PDF/A-3, разработанный в 2012 году, также не включен ни в один нормативно-методический документ, регламентирующий вопросы хранения электронных документов.

В связи с тем, что формат PDF/A-1 уже морально и технологически устарел, а формат PDF/A-3 на данный момент недостаточно проработан и проверен, на наш взгляд, наиболее подходящим для долговременного хранения электронного документа целесообразно считать формат PDF/A-2.