Gizlilik ve uyum · 2026-09-25

EVREN’e göndermeden önce hassas veri ayıklama rehberi

EVREN'e gönderilen metin, belge ve görsellerden kişisel ve gizli bilgiyi çıkarmanın yolları: hangi alanların sorun çıkardığı, maskeleme ile takma ad arasındaki fark ve bağlamı koruyarak veriyi küçültme.

Bir belgedeki isim, telefon ve kimlik numarasının yer tutucularla değiştirilip EVREN'e gönderildiğini, yanıt geldikten sonra sunucuda geri konduğunu gösteren akış.

Kısa cevap

EVREN'e gönderdiğiniz içerik olduğu gibi işlenir ve EVREN'in içeriği ne kadar süre, hangi amaçla tuttuğuna dair herkese açık bir metin yok. İstekler de e-Devlet ile doğrulanmış bir hesaba bağlı. Bu iki bilgi birlikte düşünüldüğünde en sağlam önlem, görevin ihtiyaç duymadığı veriyi göndermeden önce çıkarmaktır. Türkiye'de barındırma verinin nerede işlendiğini söyler; ne kadar tutulduğunu ve kimlerin erişebildiğini söylemez.

EVREN'i LLMTR üzerinden kullanmanızı öneririz: kendi EVREN anahtarınızı Ayarlar'dan bir kez tanıtırsınız, sonra aynı kod hem EVREN modellerine hem katalogdaki diğer modellere ulaşır. Anahtar sizin kalır ve EVREN'in kendi kayıt ve saklama politikası da olduğu gibi geçerli olur.

Hassas veri isteğin nerelerinde bulunur

Kullanıcının yazdığı cümle, isteğin yalnızca bir parçasıdır. Aynı isteğe sistem talimatı, önceki mesajlar, bir aracın döndürdüğü sonuç, eklenmiş bir dosyanın metni ve görsel içindeki yazılar da girer. Ayıklama yalnızca son mesaja bakarsa geri kalanı olduğu gibi gider.

En sık karşılaşılan alanlar şunlardır:

  • Kimlik bilgileri: T.C. kimlik numarası, pasaport numarası, doğum tarihi.
  • İletişim bilgileri: telefon, e-posta, açık adres.
  • Finansal bilgiler: IBAN, kart numarası, müşteri ve sözleşme numaraları.
  • Özel nitelikli kişisel veriler: sağlık, din, sendika üyeliği gibi KVKK'nın ayrıca koruduğu bilgiler.
  • Teknik sırlar: API anahtarları, oturum çerezleri, iç sistem adresleri, veritabanı bağlantı metinleri.

Maskeleme ile takma ad arasındaki fark

Maskeleme bir değeri tamamen siler: bir telefon numarası yıldızlara dönüşür ve bir daha geri gelmez. Takma ad ise her değeri tutarlı bir yer tutucuyla değiştirir: aynı kişi metnin her yerinde aynı etiketle geçer. Model kimin kim olduğunu bilmeden ilişkileri izleyebilir, özet çıkarabilir, sınıflandırma yapabilir.

Eşleşme tablosu sizin sunucunuzda kalır ve hiçbir isteğe girmez. Yanıt geldiğinde yer tutucular yeniden gerçek değerlere çevrilir. Aşağıdaki örnek bu düzenin en basit hâlidir; üç kalıp gerçek bir uygulamada yeterli değildir, ama akışı gösterir.

Tutarlı takma adlarla gönderme ve geri koyma

import re

# Kimlige ihtiyac duymayan bir gorev icin: ayni deger her yerde ayni
# yer tutucuyu alir, eslesme tablosu sizin sunucunuzda kalir.
PATTERNS = {
    "TCKN": r"\b[1-9]\d{10}\b",
    "EPOSTA": r"\b[\w.+-]+@[\w-]+\.[\w.-]+\b",
    "TELEFON": r"(?:\+90|0)?\s?5\d{2}\s?\d{3}\s?\d{2}\s?\d{2}",
}

def pseudonymise(text: str) -> tuple[str, dict[str, str]]:
    mapping: dict[str, str] = {}
    for label, pattern in PATTERNS.items():
        for value in dict.fromkeys(re.findall(pattern, text)):
            token = f"[{label}_{len(mapping) + 1}]"
            mapping[token] = value
            text = text.replace(value, token)
    return text, mapping

def restore(text: str, mapping: dict[str, str]) -> str:
    for token, value in mapping.items():
        text = text.replace(token, value)
    return text

masked, mapping = pseudonymise(user_text)
# masked EVREN'e gider; mapping hicbir istekte yer almaz.
answer = restore(call_model(masked), mapping)

Bağlamı koruyarak küçültmek

Ayıklamanın bedeli, yanlış yapıldığında yanıt kalitesidir. Bir sağlık başvurusundaki yaşı tamamen silmek, modelin değerlendirmesi gereken bir bilgiyi yok edebilir. Çoğu durumda daha iyi yol, aynı bilgiyi daha az tanımlayıcı bir biçimde vermektir: doğum tarihi yerine yaş aralığı, açık adres yerine ilçe, sözleşmenin tamamı yerine ilgili madde.

Kimliğin gerçekten gerektiği görevler de vardır: belirli bir kişiye yazılacak bir mektup ya da bir isim listesinin düzeltilmesi gibi. Bu durumda karar veriyi küçültmek değil, o görevin EVREN'e gönderilip gönderilmeyeceğidir.

Görseller ve belgeler

Katalogdaki yedi EVREN satırından beşi görsel kabul ediyor: Gemma 4 31B, Qwen3.8 Flash Next, Qwen3 VL 30B, MiMo V2.6 Pro ve DeepSeek V4.1 Flash TR. Bir ekran görüntüsü, gönderen kişinin fark etmediği şeyleri taşıyabilir: tarayıcı sekmesindeki bir müşteri adı, köşedeki bir oturum çerezi, arka plandaki bir tablo. Model görseldeki yazıyı okuyabildiği için, görünen her şey metin kadar açıktır.

Arayüzde üstüne bulanık bir katman eklemek pikselleri kaldırmaz; görselin kırpılması ya da alanın kalıcı olarak kapatılması gerekir. Fotoğraflarda konum ve cihaz bilgisi taşıyan dosya üst verisi de göndermeden önce temizlenmelidir.

Ayıklamanın çalıştığını görmek

Düzenli ifadeler en bilinen biçimleri yakalar, ama her şeyi yakalamaz: boşluklu yazılmış bir numara, metnin içine gömülmüş bir isim, farklı bir tarih biçimi kaçabilir. Ayıklamanın işe yaradığını görmenin yolu, içinde bilerek hassas veri bulunan sentetik örnekler hazırlayıp çıktıda neyin kaldığına bakmaktır. Gerçek müşteri verisiyle deneme yapmak bu testin amacına ters düşer.

Yanıt tarafı da aynı dikkati ister. Model yer tutucuları bazen değiştirir ya da birleştirir; geri koyma adımı eşleşmeyen bir etiket bulduğunda bunu sessizce geçmemeli. Geri konmuş yanıtın hata izleme ya da analitik araçlarına kopyalanması, az önce çıkarılan verinin başka bir kapıdan dışarı çıkması demektir.

Sık sorulan sorular

EVREN'i doğrudan mı, LLMTR üzerinden mi kullanmalıyım?

EVREN'i LLMTR üzerinden kullanmanızı öneririz. İstekleriniz yine kendi EVREN anahtarınızla EVREN'e gider ve LLMTR bu istekler için ücret almaz; fark, aynı kodun katalogdaki diğer modellere de ulaşmasıdır. EVREN'in kayıt ve saklama politikası bu tercihten etkilenmez.

Türkiye'de barındırılan bir modele gönderirken de maskeleme gerekir mi?

Evet. Barındırma yeri verinin hangi ülkede işlendiğini söyler; ne kadar süre tutulduğunu, kimlerin erişebildiğini ve hangi amaçla kullanıldığını söylemez. Veri minimizasyonu bu sorulardan bağımsızdır.

Tek bir düzenli ifade tüm kişisel veriyi yakalar mı?

Hayır. Kalıplar bilinen biçimleri yakalar; isimler, serbest metin içindeki adresler ve alışılmadık yazımlar için sözlükler, alan bazlı kontroller ve örnekleme de gerekir.

Takma adla gönderilen metinde yanıt kalitesi düşer mi?

Kimliğe ihtiyaç duymayan görevlerde, yani özet, sınıflandırma ve madde çıkarma gibi işlerde tutarlı takma adlar metnin yapısını korur. Yine de kendi örneklerinizde maskeli ve maskesiz sonucu karşılaştırmak en doğru bilgiyi verir.

İlgili yazılar