Takma adlandırma, anonimleştirme ve karartma: hangisi gerekli?

"Bu belgeyi anonimleştir" cümlesi üç farklı anlama gelebilir ve belge bir yapay zekâ asistanına gidecekse bu fark önemlidir. Karartma bir mahkeme dosyasını korur; anonimleştirme yayımlanan bir veri kümesini korur; takma adlandırma ise hâlâ üzerinde çalışmanız gereken bir belgeyi korur. Bu yazı her birini tanımlar, aynı paragraf üzerinde nasıl göründüklerini gösterir ve büyük dil modellerinin neden üçüncüsüyle en iyi çalıştığını açıklar.

Üç tanım

Karartma (redaction) içeriği kaldırır ve görünür bir boşluk bırakır: siyah bant, "[KARARTILDI]" veya "███". Okuyucu orada bir şey olduğunu bilir, başka hiçbir şey bilmez. Tasarımı gereği geri döndürülemez ve değeri öğrenmemesi gereken dış taraflara açıklama yapılırken standart yöntemdir.

Anonimleştirme veriyi, kişinin artık hiç kimse tarafından, makul olarak kullanılması muhtemel hiçbir araçla belirlenemeyeceği şekilde dönüştürür ve bu dönüşüm geri alınamaz. GDPR'ye göre (26. gerekçe) gerçekten anonim veri tüzüğün kapsamı dışındadır; KVKK'da da anonim hâle getirilmiş veri aynı şekilde ele alınır. Uygulamada genelleştirme ("42" → "40-49"), toplulaştırma, nadir değerlerin bastırılması ve benzeri tekniklerle sağlanır; serbest metinde ulaşılması zordur.

Takma adlandırma (pseudonymization) tanımlayıcı değerleri etiket veya belirteçlerle değiştirir; böylece veri, ayrı tutulan ek bilgi olmadan bir kişiye atfedilemez (GDPR 4(5) maddesi). "Ayşe Yılmaz" "Kişi 1" olur ve bir eşleme tablosu bu bağı saklar. Tabloyu elinde tutan için geri döndürülebilir, diğer herkes için geri döndürülemezdir. Veri hukuken hâlâ kişisel veridir; ancak risk çok daha düşüktür.

Aynı paragraf, üç yol

Orijinal:

3 Mart'ta Acme A.Ş.'den Ayşe Yılmaz, ayse@acme.example adresine e-posta göndererek Bosch'un 4711 numaralı faturayı reddettiğini bildirdi ve Mehmet Kaya'dan kendisini +90 312 123 45 67 numarasından aramasını istedi.

Karartılmış:

███'ta ███'den ███, ███ adresine e-posta göndererek ███'un ███ numaralı faturayı reddettiğini bildirdi ve ███'dan kendisini ███ numarasından aramasını istedi.

Anonimleştirilmiş (genelleştirilmiş):

İlkbahar başında Türkiye'deki bir üreticinin bir çalışanı, bir meslektaşına e-posta göndererek bir müşterinin bir faturayı reddettiğini bildirdi ve bir iş arkadaşından kendisini aramasını istedi.

Takma adlandırılmış:

3 Mart'ta Şirket A'dan Kişi 1, eposta1@example.com adresine e-posta göndererek Şirket B'nin Fatura 1 numaralı faturayı reddettiğini bildirdi ve Kişi 2'den kendisini +90 312 000 00 01 numarasından aramasını istedi.

Bunları, "kim kimi aramalı?" sorusu sorulan bir asistan gibi okuyun. Karartılmış sürüm cevaplanamaz. Anonimleştirilmiş sürüm belirsiz cevap verir. Takma adlandırılmış sürüm kesin cevap verir: Kişi 2, Şirket B'nin reddi hakkında Kişi 1'i aramalıdır.

Her biri ne zaman uygundur

Birkaç pratik kural:

• Alıcı değeri asla öğrenmemeliyse ve belgenin analiz edilebilir kalmasına ihtiyacınız yoksa karartın.
• Veri yayımlıyorsanız ve siz dâhil hiç kimse kişileri sonradan yeniden belirleyememeliyse anonimleştirin ve sonucu doğrulayın.
• Belgeyle çalışmaya devam etmeniz gerekiyorsa (özetlemek, çevirmek, veri çıkarmak, soru sormak) ve adları sonra geri getirmek istiyorsanız takma adlandırın.

Yapay zekâ komutları neredeyse her zaman üçüncü gruba girer.

Karartma model bağlamını neden bozar

Dil modelleri varlıkların birbirinden ayırt edilebilmesine dayanır. Her ad aynı siyah banda dönüştüğünde model şunları kaybeder:

• Gönderim ilişkisi. Birinci paragraftaki kişinin yedinci paragraftaki kişiyle aynı olduğunu anlayamaz.
• Roller. Alıcı ve satıcı, davacı ve davalı, yönetici ve çalışan hepsi "███" olur.
• Sayılar. "Üç taraf" bilinmeyen sayıda boşluğa dönüşür.
• Biçim ipuçları. Karartılmış bir e-posta veya tarih artık e-posta veya tarih olarak tanınmaz; çıkarma ve doğrulama görevleri başarısız olur.

Sonuç, kaçamak ifadelerle dolu bir özettir ("biri başka biriyle bir belge hakkında iletişime geçti") ya da daha kötüsü, iki kişiyi sessizce tek kişide birleştiren kendinden emin bir cevaptır.

Tutarlı etiketler dört sorunu da çözer. Birinci paragraftaki "Kişi 1", yedinci paragrafta da "Kişi 1"dir. "Şirket A" ve "Şirket B" iki ayrı şirket olarak kalır. eposta1@example.com hâlâ bir e-postaya benzer. Modelin Kişi 1'in ne yaptığı hakkında akıl yürütmek için Kişi 1'in kim olduğunu bilmesi gerekmez.

Bütün mesele tutarlılık

Takma adlandırma yalnızca tutarlı olduğunda işe yarar:

• Aynı girdi, aynı etiket; belgenin tamamında ve aynı toplu işlemdeki her dosyada. "Ayşe Yılmaz", "A. Yılmaz" ve "Yılmaz" üç etiket alırsa model üç kişi görür.
• Farklı girdi, farklı etiket. İki kişi asla "Kişi 1" etiketini paylaşmamalıdır.
• Önemli yerlerde biçim korunur. IBAN'ı IBAN biçimli bir yer tutucuyla, tarihi tarihle değiştirin; tablolar ve betikler çalışmaya devam etsin.
• Sizde kalan, sağlayıcının hiç görmediği bir eşleme tablosu. Bu tablo, hukuki tanımdaki "ek bilgi"dir. Belgeyle birlikte yolculuk ederse hiçbir şey yapmamış olursunuz.

Araçlar burada yardımcı olur; çünkü bir etiketi asla unutmazlar. Unformation içinde tespit edilen her değer kategorisine göre sabit bir etiket alır (Kişi 1, Şirket A, eposta1@example.com), aynı eşleme aynı anda 10 dosyaya kadar uygulanır ve tablo CSV veya JSON olarak dışa aktarılabilir. Geri çevirici bu tabloyu asistanın cevabına ters yönde uygular.

Anonimleştirmenin hâlâ kazandığı yerler

Takma adlandırma her şeyin cevabı değildir:

• Yayımlama. Bir belge veya veri kümesi kamuya açık olacaksa etiketler yetmez; kalan niteliklerin nadir bileşimleri kişileri yine tanımlayabilir. Gerçek anonimleştirme teknikleri kullanın ve test edin.
• Amaçsız uzun süreli saklama. Yeniden tanımlamaya hiç ihtiyacınız olmayacaksa anahtarı saklamayın.
• Özel nitelikli veriler. Sağlık verisi veya ceza kaydı bir etiketten fazlasını gerektirir; genel amaçlı bir asistan için en güvenli seçim çoğu zaman o içeriği tamamen dışarıda bırakmaktır.

Karartmanın hâlâ kazandığı yerler

• Karşı tarafın değerin biçimini bile çıkarmaması gereken hukuki açıklamalar.
• Tutarlı metin değişiminin pratik olmadığı ekran görüntüleri ve görseller.
• Bir günlük satırındaki parola gibi tek bir değerin gizlenmesi.

Özet

Karartma gizler, anonimleştirme siler, takma adlandırma yeniden etiketler. Bir dil modeline vermeyi planladığınız her şey için tutarlı yer tutucularla yeniden etiketleme, belgeyi kullanışlı tutar ve eşleme tablosu sizde kaldığı sürece komuttaki riskin büyük kısmını ortadan kaldırır.

Gerçek bir dosyada deneyin: belgenizi tarayıcınızda anonimleştirin, sonra cevaptaki adları geri çevirici ile geri getirin. Hiçbir veri cihazınızdan çıkmaz; bunu nasıl doğrulayacağınız için güvenlik sayfasına bakın.