İçeriğe atla

Türkçe metinler için kişisel veri maskeleme

Yapay zekâya metni gönderin, kişisel veriyi değil.

Siper, Türkçe metindeki isim, kimlik, iletişim ve sağlık gibi hassas alanları modele ulaşmadan önce maskeler.

Kendi metninizle deneyinGörüşme planlayın
yakalama oranı
%84,6
insan doğrulamalı belge
403
kategori, KVKK m.6 dahil
26

Ham istek

girdi

Hasta Mehmet Yıldız, TC 10000000382 ve diyabet tanısıyla izleniyor.

Modele giden metin

maskeli

Hasta <KİŞİ_1>, TC <TCKN_1> ve <SAĞLIK_1> tanısıyla izleniyor.

Siper raporu

  • Kişi, TCKN, sağlık yakalandı
  • Tespit edilen alanlar etikete döndü
  • Kategori izi panelde kaldı

KENDİNİZ DENEYİN

Kendi metninizle deneyin.

Kayıt gerekmez: metninizi yazın ya da hazır bir örnek seçin; Maskele'ye basın, neyin yakalandığını görün.

Örnekler

Girdi

0/2000

Maskeli çıktı

Sonuç burada görünecek

Kendi metninizi yazın ya da yukarıdan bir örnek seçin.

Bu demoyu Claude ya da Cursor gibi araçlara MCP olarak da ekleyebilirsiniz:claude mcp add --transport http siper-mask https://siper.gurubase.ai/api/mcpCursor ve diğer istemciler için kurulum

ÜRÜN NASIL GÖRÜNÜR

Metin aynı kalır; kişisel veriler <KİŞİ_1> gibi etiketlere döner.

Siper kişi, kimlik, iletişim ve sağlık gibi alanları cümle içinde yakalar. Modele giden metinde anlam korunur, yakalanan alanlar etikete döner.

Ham metin

Merhaba, ben Ayşe Karahan<KİŞİ_1>. 12 Mart'ta Kadıköy<ADRES_1> şubenizde yaptığım başvuruya hâlâ dönüş yapılmadı. Bana 0532 000 00 00<TELEFON_1> numaralı hattımdan ya da [email protected]<EPOSTA_1> adresinden ulaşabilirsiniz. TC kimlik numaram 10000000214<TCKN_1>. Sağlık raporumda belirtilen diyabet tedavim<SAĞLIK_1> nedeniyle sürecin hızlandırılmasını rica ediyorum.

Maskeli çıktı

Merhaba, ben Ayşe Karahan<KİŞİ_1>. 12 Mart'ta Kadıköy<ADRES_1> şubenizde yaptığım başvuruya hâlâ dönüş yapılmadı. Bana 0532 000 00 00<TELEFON_1> numaralı hattımdan ya da [email protected]<EPOSTA_1> adresinden ulaşabilirsiniz. TC kimlik numaram 10000000214<TCKN_1>. Sağlık raporumda belirtilen diyabet tedavim<SAĞLIK_1> nedeniyle sürecin hızlandırılmasını rica ediyorum.

Bulunan veriler

MetinKategori
Ayşe KarahanKişi
KadıköyAdres
0532 000 00 00Telefon
[email protected]E-posta
10000000214TCKN
diyabet tedavimSağlık

FARK

Adı bulmak kolay. Asıl mesele, cümlenin içindeki hassas veriyi anlamak.

Birçok araç isim, telefon veya e-posta gibi açık verileri yakalar. Siper ise “epilepsi tanısı” ve “adli sicil kaydı” gibi ifadeleri yalnızca kelime olarak değil, cümlede taşıdıkları anlamla değerlendirir. Böylece KVKK açısından kritik hassas veri kategorilerini Türkçe bağlam içinde tespit eder.

Girdi

aynı cümle

Müvekkilim Nurten Aksay'ın epilepsi tanısı ve adli sicil kaydı, işten çıkarma dosyasına gerekçe olarak yazılmış.

Küresel PII ürünü

1 tespit · m.6 açıkta

Müvekkilim <PERSON_1>'ın epilepsi tanısı ve adli sicil kaydı, işten çıkarma dosyasına gerekçe olarak yazılmış.

İsmi yakaladı. Ama sağlık tanısı ve ceza kaydı için kategorisi bile yok; en hassas iki bilgi modele gitti.

Siper

3 tespit · m.6 maskelendi

Müvekkilim <KİŞİ_1>'ın <SAĞLIK_1> ve <CEZA_1>, işten çıkarma dosyasına gerekçe olarak yazılmış.

İsimle birlikte, cümleye gömülü sağlık ve ceza kaydı ifadeleri de modele ulaşmadan etikete döndü.

KAPSAM

26 kişisel veri kategorisini maskeler.

Siper; kişi, adres, TCKN, telefon, e-posta, IBAN, sağlık, sendika, ceza ve siyasi görüş dahil metindeki kişisel verileri <TCKN_1> gibi etiketlerle değiştirir; cümlenin anlamı bozulmaz.

Maskelenen veri kategorileri

KVKK m.6 rozetli kategoriler özel nitelikli kişisel veri kapsamına girer.

KişiAdresE-postaDoğum tarihiSendika üyeliğiSendika üyeliği: KVKK madde 6: özel nitelikli kişisel veri.Ceza mahkûmiyetiCeza mahkûmiyeti: KVKK madde 6: özel nitelikli kişisel veri.Etnik kökenEtnik köken: KVKK madde 6: özel nitelikli kişisel veri.BiyometrikBiyometrik: KVKK madde 6: özel nitelikli kişisel veri.YKNMERSİSKartPlakaSeri no
TCKNTelefon (mobil)IBANSağlıkSağlık: KVKK madde 6: özel nitelikli kişisel veri.Siyasi görüşSiyasi görüş: KVKK madde 6: özel nitelikli kişisel veri.DinDin: KVKK madde 6: özel nitelikli kişisel veri.Cinsel hayatCinsel hayat: KVKK madde 6: özel nitelikli kişisel veri.GenetikGenetik: KVKK madde 6: özel nitelikli kişisel veri.VKNSGKTelefon (sabit)PasaportIP adresi

KULLANIM YOLU 01: MASK-ONLY API

Metni gönderin, maskeli hâlini alın.

Uygulamanız metni /mask uç noktasına gönderir; Siper maskeli metni ve yakalanan kategorileri aynı yanıtta döner.

curl https://gw-tr.gurubase.io/mask \
  -H "Authorization: Bearer sk-grbs-..." \
  -H "Content-Type: application/json" \
  -d '{"text":"Hasta Mehmet Yıldız, TC 10000000382 ve diyabet tanısıyla izleniyor."}'

# masked_text:
# Hasta <PERSON_1>, <TCKN_1> ve <SAGLIK_1> ile izleniyor.

Yanıt önizlemesi

maskeli metin

Hasta <PERSON_1>, <TCKN_1> ve <SAGLIK_1> ile izleniyor.

API anahtarları şimdilik erken erişimde; denemeniz sırasında birlikte açıyoruz. İletişime geçin

KULLANIM YOLU 02: AI GATEWAY

Mevcut AI çağrınız Siper'den geçsin.

İstemcinizde iki değer değişir: Base URL'i Gurubase AI Gateway'e yöneltirsiniz, sağlayıcı API anahtarınızın yerine Gateway'de oluşturduğunuz sanal API anahtarını kullanırsınız. SDK sürümünüz ve istek yapınız aynı kalır; Siper kişisel veriyi modele ulaşmadan otomatik maskeler.

İki istemci ayarı

from openai import OpenAI

client = OpenAI(
  base_url=(
    "https://gw-tr.gurubase.io/v1"
  ),
  api_key="sk-grbs-v1-**",
)

Base URL'i yöneltin ve Gateway'de oluşturduğunuz sanal API anahtarını kullanın; SDK sürümünüz ve istek yapınızın geri kalanı aynı kalır.

Gurubase AI Gateway

Tespit edilen alanlar etikete döner

OpenAI SDK uyumlu

PANEL

Ne olup bittiğini tek ekrandan izleyin.

Panel ham metni değil, özet kaydı tutar: kaç karakter işlendi, hangi kategoriler yakalandı, hangi istekte ne maskelendi.

Siper paneli

Örnek görünüm · Son 30 gün

İşlenen karakter

17.912

Son 30 gün

Maskeleme isteği

68

Son 30 gün

Tespit edilen alan

333

Maskelenen kişisel veri sayısı

İşlenen karakter

günlük

Kategori dağılımı

tespit türü

Kişi
Adres
Cep telefonu
T.C. kimlik no
Sendika
Ceza
Sağlık
IBAN
E-posta

ÖLÇÜMLER

Türkçe metinde ölçülen temel sonuçlar.

Ana sayfada yalnızca karar için gereken metrikleri gösteriyoruz. Tam tablolar, grafikler ve yöntem notları benchmark sayfasında (Temmuz 2026 değerlendirmesi).

Benchmark'ı inceleyin

%84,6

yakalama oranı (recall)

En güçlü bulut LLM'de %72, en yakın küresel PII ürününde %48. Etiketleri insan tarafından doğrulanmış Türkçe test setinde ölçüldü.

0,672

Micro-F1

%95 güven aralığıyla raporlanır. En güçlü alternatife karşı bile toplam fark istatistiksel olarak anlamlı.

m.6

KVKK özel nitelikli veri odağı

Sağlık, sendika, ceza ve siyasi görüş gibi alanlar; küresel araçların çoğunda bu odak yok.

  • Veri yerleşimi: İstanbul, Türkiye
  • İsteğe bağlı on-prem kurulum
  • KVKK m.6 kategorileri kapsanır

KİMİN İÇİN

En çok bu alanlarda gerekiyor.

Finans · Sağlık · Kamu

Regüle kurumlar

Banka, sigorta, sağlık ve kamu akışlarında kişisel veri yapay zekâya gitmeden önce Türkiye'de maskelenir.

AI Gateway · RAG

Kurumsal AI ekipleri

Şirket içi asistanınız ve RAG akışlarınız maskelenmiş bağlam görür.

Hukuk · İK · Çağrı merkezi

Belge ve iletişim akışları

Sözleşmeler, çağrı transkriptleri ve İK yazışmaları otomasyona girmeden önce temizlenir.

FİYATLANDIRMA

Yalnızca gönderdiğiniz karakter için ödeyin.

Tek ölçü var: maskelemeye gönderdiğiniz karakter sayısı. İki kullanım yolunda da aynı ücret uygulanır; sabit ücret yok. Fiyatlar İstanbul'daki yönetilen hizmet içindir; on-prem kurulum ayrıca fiyatlandırılır.

Kendi hacminizi konuşalım

Hacim arttıkça birim fiyat düşer

1 milyon karakter başına

0-50 milyon karakter

$3.00

50 milyon - 1 milyar karakter

$2.00

1 milyar ve üzeri karakter

$1.20

Örnek aylık hesap

10 milyon karakterlik gerçek zamanlı maskeleme yaklaşık $30; 60 milyon karakter yaklaşık $170 olur. LLM sağlayıcısının ücreti bu tutara dahil değildir.

Toplu işler (batch)

Toplu arşiv ve geçmiş veri işleri aynı kademelerde yaklaşık %50 indirimli çalışır; gerçek zamanlı akıştan ayrı planlanır.

SSS

Sıkça sorulan sorular.

Aradığınız cevap burada yoksa kısa bir görüşme planlayın ya da yazın.

Görüşme planlayın[email protected]
Doğruluğu nasıl ölçüyorsunuz?

Temmuz 2026'da, insan doğrulamalı 403 belgelik Türkçe test setinde %84,6 yakalama oranı (recall); kişisel veri içermeyen ayrı bir sette %5,7 yanlış alarm ölçtük. Karşılaştırmalı tam tablo ve yöntem özeti /benchmark sayfasındadır; sonuçlar veri setine ve yapılandırmaya göre değişebilir.

Verilerim yurt dışına çıkıyor mu?

Siper ve AI Gateway servisleri İstanbul'daki sunucularda çalışır; maskeleme Türkiye'de yapılır. Yurt dışındaki bir modele yönlendirme yapıyorsanız modele maskelenmiş metin gider. Veriyi kendi altyapısından çıkaramayan kurumlar için on-prem kurulum da mümkündür.

Hangi kategorileri maskeliyorsunuz?

26 kategori: kişi, adres, TCKN, YKN, VKN, MERSİS, SGK, pasaport, telefon, e-posta, IBAN, kart, plaka, seri no, doğum tarihi ve IP gibi kimlik, iletişim ve finans alanları ile KVKK m.6 kapsamındaki sağlık, din, etnik köken, siyasi görüş, sendika, ceza, cinsel hayat, biyometrik ve genetik veriler. Tam liste ana sayfadaki Kapsam bölümündedir.

KVKK m.6 özel nitelikli veriler için ne sağlıyorsunuz?

Özel nitelikli kategorileri kalıp eşlemeyle değil Türkçe cümle bağlamından tespit ederiz: 'diyabet tedavim' ya da 'Örnek-İş Sendikası üyesidir' gibi ifadeler serbest metnin içinde yakalanır ve modele ulaşmadan maskelenir. Panelde hangi istekte neyin maskelendiğini gösteren denetim kaydı tutulur. Siper teknik bir kontrol katmanıdır; veri sorumlusu rolü ve nihai uyumluluk değerlendirmesi sizde kalır.

Nasıl kurulur? Kendi verimle POC yapabilir miyim?

Kurulum gerekmez: Siper, bizim yönettiğimiz İstanbul sunucularında hazır çalışır. Erken erişimde API anahtarınızı birlikte açıyor, kendi dosyalarınızdan kısa bir örnek setle neyin yakalandığını ve maliyeti birlikte çıkarıyoruz. Veriyi kendi altyapısından çıkaramayan kurumlar için on-prem kurulum seçeneği de vardır; ayrıca fiyatlandırılır.

Modeli kendi verime göre özelleştirebilir miyim?

Evet. Tespit modeline veri tiplerinize, sektör terminolojinize ve kullanım senaryonuza göre ince ayar (fine-tuning) yapıyoruz. Klinik not, hukuki belge ya da çağrı merkezi dökümü işliyorsanız tespiti, hassas bilgi sizin metinlerinizde nasıl geçiyorsa ona göre uyarlıyoruz.

İstekleri yavaşlatır mı?

Maskeleme isteğe milisaniyeler ekler: CPU testlerinde 90 karakterlik metin yaklaşık 10 ms, 2.000 karakterlik metin yaklaşık 267 ms sürer. Gateway akışında bu süre, model yanıt süresinin yanında küçük kalır.

OpenAI SDK'mla çalışır mı?

Evet. base_url'i Gurubase AI Gateway'e yöneltmeniz ve mevcut sağlayıcı API anahtarınızın yerine Gateway'de oluşturduğunuz sanal API anahtarını kullanmanız gerekir. SDK sürümünüz ve istek yapınızın geri kalanı aynı kalır. Responses API ve chat/completions uç noktaları desteklenir; Siper maskelemeyi gateway içinde, istek modele iletilmeden önce otomatik uygular.

MCP destekliyor musunuz?

Evet. Maskeleme demosu aynı zamanda bir MCP (Model Context Protocol) sunucusudur: Claude ya da Cursor gibi araçlara https://siper.gurubase.ai/api/mcp adresini ekleyip mask_turkish_pii aracıyla metni modele göndermeden maskeleyebilirsiniz. Anahtar gerekmez; demo rate limitlidir. Üretim trafiği için OpenAI SDK uyumlu AI Gateway'i öneririz.

Modelin yanıtındaki maskeli etiketler ne olur?

Varsayılan olarak yanıt, etiketler nasıl gittiyse öyle döner; uygulamanız <KİŞİ_1> gibi etiketleri görür. İsterseniz vault özelliğini açarsınız: etiket ile orijinal değer eşlemeleri güvenli bir kasada saklanır ve yanıttaki etiketler size dönmeden orijinal değerlerine geri çevrilir. Model bu sırada da etiketleri görmeye devam eder.

SONRAKİ ADIM

Kişisel veri modele gitmesin.

Kendi akışınızdan kısa bir örnek seçin; neyin yakalandığını, maliyeti ve en uygun kurulumu birlikte çıkaralım.

Kendi verinizle deneyelim