Mimari
KVKK Uyumlu LLM Mimarisi: Maskele-Sonra-İşle Zinciri
Kişisel veriyi büyük dil modeline göndermeden yapay zekâ kullanmak mümkün. Üretimde çalıştırdığımız maskeleme-önce mimarisini adım adım anlatıyoruz.
Kurumların yapay zekâya en sık sorduğu soru özellik değil, sınır sorusudur: “Verimiz nereye gidiyor?” Bu yazıda, hukuk ürünümüzde üretimde çalışan ve kurumsal projelerimizin şablonu olan cevabı anlatacağız: kişisel veri, herhangi bir dil modeli çağrısından önce Türkiye’de maskelenir.
Problem: LLM’e giden metin, gönderdiğiniz her şeydir
Bir dilekçeyi, hasta notunu ya da müşteri yazışmasını doğrudan bir bulut modeline gönderdiğinizde; isimler, kimlik numaraları ve adresler de gider. Sağlayıcı “eğitimde kullanmıyoruz” dese bile veri yurt dışına çıkmıştır — KVKK açısından bu, başlı başına yönetilmesi gereken bir aktarımdır.
Çoğu kurumun refleksi ikili: ya yapay zekâyı tamamen yasaklamak ya da riski görmezden gelmek. İkisi de gereksiz.
Mimari: maskele → işle → geri aç
Zincir dört adımda çalışır:
- Tespit. Türkçe için ayarlanmış varlık tanıma (NER) katmanı; isim, kimlik no, adres, telefon, IBAN gibi kişisel verileri işaretler. Kalıp tabanlı yakalayıcılar modelin kaçırdıklarını yedekler.
- Maskeleme. İşaretli alanlar tutarlı takma adlarla değiştirilir: “Ahmet Yılmaz” her geçtiği yerde “KİŞİ-1” olur. Eşleme tablosu Türkiye’deki şifreli kasada kalır; modele hiçbir zaman gönderilmez.
- İşleme. LLM yalnız maskeli metni görür. Özet, analiz ya da taslak — hepsi takma adlar üzerinde üretilir.
- Geri açma. Yanıt döndüğünde takma adlar yerelde gerçek değerlerle değiştirilir. Kullanıcı hiç maskeleme olmamış gibi okur.
Kritik nokta sıralamadır: maskeleme çağrıdan önce, geri açma çağrıdan sonra ve yerelde. Sağlayıcı ne isimleri görür ne eşleme tablosunu.
Üretimde öğrendiklerimiz
- Tutarlılık bağlamdır. “KİŞİ-1” ile “KİŞİ-2”nin karışması muhakemeyi bozar; takma adlar belge kümesi boyunca sabitlenmelidir.
- Türkçe ekler tuzaktır. “Yılmaz’ın” → “KİŞİ-1’in” dönüşümünde ek uyumu gözetilmezse çıktı yapaylaşır; ek onarımı zincirin parçası olmalıdır.
- Yüzde yüz yoktur, katman vardır. Hiçbir NER kusursuz değildir; kalıp yedekleri, güven eşiği ve şüpheli durumda “maskele ve işaretle” politikası birlikte çalışır.
- Denetim izi mimariye dahildir. Hangi belge, hangi maskeyle, hangi modele gitti — zaman damgalı kayıt olmadan uyum iddiası doğrulanamaz.
Ne zaman hangi yol?
| Senaryo | Önerimiz |
|---|---|
| Kişisel veri yoğun değil | Maskeleme + bulut modeli |
| Kişisel veri yoğun, model kalitesi kritik | Maskeleme + bulut modeli + sıkı denetim izi |
| Meslek sırrı / gizlilik dereceli iş | Yerinde açık kaynak model — dış çağrı yok |
Bu mimariyi kendi kurumunuzda görmek isterseniz akışın tamamı Güvenlik Merkezi sayfasında; keşif görüşmesi için iletişim.
Sık sorulan sorular
Kısa yanıtlar
Maskeleme modelin kalitesini düşürmez mi?
Maskeleme yerine tamamen yerel model kullanmak daha iyi değil mi?
İlgili yazılar
11 Milyon Mahkeme Kararını Aranabilir Kılmak: AI Law'un Veri Hattı
Kızılelma AI Law'un veri hattı: 11 milyondan fazla yargı kararı nasıl işlendi? Temizlik, tekilleştirme, hibrit arama ve künye doğrulama mimarisi.
Okuyun →Yerinde (On-Prem) LLM Kurulumu: Ne Zaman Gerekir, Neye Mal Olur
On-prem LLM kurulumu rehberi: hangi durumlarda şart, hangi açık kaynak modeller yeterli, GPU maliyeti nasıl hesaplanır ve bulutla nasıl karşılaştırılır?
Okuyun →ChatGPT Varken Neden Kurumsal Yapay Zekâ Projesi?
ChatGPT varken kurumsal yapay zekâ projesi neden gerekli? Veri, kaynak, erişim, süreç ve maliyet üzerinden dürüst karşılaştırma.
Okuyun →Projenizi konuşalım
30 dakikalık ücretsiz keşif görüşmesi — kapsam, süre ve yaklaşımı birlikte netleştirelim.