--- title: "Türkçe metinde kişisel veri tespiti neden zor?" description: "Türkçede kişisel veri çoğu zaman bir kalıp değil, cümlenin anlamıdır. Ekler ve bağlam tespiti neden zorlaştırır, recall neden manşet metriktir?" pubDate: 2026-07-12 updatedDate: 2026-07-20 author: fatih tags: ["türkçe", "pii", "tespit"] cluster: pii-maskeleme format: veri draft: false faq: - q: "Hazır İngilizce PII araçları Türkçede çalışır mı?" a: "Kısmen. Numara kalıplarını (telefon, kart) yakalayabilirler ama bağlamdan çıkan kişisel veride ve Türkçe eklerde zorlanırlar. Türkçe için ölçülmüş bir araç kullanmak, kaçan verinin ne kadar olduğunu bilmek demektir." - q: "Neden precision değil de recall manşet metrik?" a: "Çünkü kaçan veri, yanlış yakalanandan pahalıya patlar. Yanlış alarm metni gereksiz bozar; ama gerçek bir TCKN'nin kaçması, ham kişisel verinin modele gitmesi demektir. Bu yüzden önce recall'a bakarız, yanlış alarmı da ayrıca raporlarız." sources: - title: "Gurubase Siper benchmark: Türkçe PII maskeleme ölçümü" url: "https://siper.gurubase.ai/benchmark" --- Türkçede kişisel veri çoğu zaman sabit bir kalıp olarak durmaz; cümlenin anlamına gömülüdür. Bir telefon numarasını rakam dizisinden bulmak kolaydır ama "geçen haftaki ameliyatından sonra rapor aldı" cümlesindeki sağlık verisini bulmak, cümleyi anlamayı gerektirir. Türkçenin ek yapısı ve karışık yazım alışkanlıkları bunun üstüne biner. Türkçe için ölçülmüş bir araç, "ne kadarını kaçırıyorum" sorusuna sayı verebilir. ## Kişisel veri çoğu zaman kalıp değil, anlam Kimlik numarası, IBAN ya da kart numarası bir kalıptır; hane sayısına ve biçimine bakarak yakalanır. Ama kişisel verinin büyük kısmı böyle değil. Sağlık durumu, bir kişinin adının başka birinin adıyla ilişkisi, bir adresin serbest cümle içinde geçmesi; bunlar bağlamdan çıkar. "Danışan, kardeşinin sendika temsilcisi olması nedeniyle çekindiğini söyledi" cümlesini düşünün. Burada bir sağlık kaydı yok, bir numara yok; ama bir kişinin başka bir kişiyle ilişkisi ve bir sendika üyeliği ipucu var. Bu tür veriyi yakalamak, kalıp aramaktan tamamen farklı bir iştir. Piyasadaki birçok araç bu işi kalıp temelli çözmeye çalışır: regex desenleri ve checksum doğrulamalarıyla numara biçimlerini yakalar. Bu yaklaşım IBAN ya da kimlik numarası için işe yarar. Ama bir regex deseni cümlenin ne anlattığını bilmez; "diyaliz seansı"nın bir sağlık verisi olduğunu ya da bir akrabalık ilişkisinin kişiyi teşhis ettiğini göremez. Türkçe metinde kişisel verinin büyük kısmı da tam bu görülemeyen yerde, cümlenin anlamında durur. ## Türkçenin ekleri aynı kişiyi dağıtır Türkçe sözcükleri ekle uzatır. Bir isim "Ayşe", "Ayşe'nin", "Ayşe'yle", "Ayşe'ye" biçimlerinde geçebilir; hepsi aynı kişidir ama biçimleri farklıdır. Yer adları, kurum adları ve kimlik ifadeleri de aynı şekilde çekimlenir. Bir tespit sisteminin bu biçimleri tek kişiye bağlaması, İngilizcedeki sabit sözcük sınırlarından daha fazla çaba ister. Buna bir de yazım çeşitliliği ekleniyor: kesme işaretinin kullanılıp kullanılmaması, şapkalı harfler, büyük-küçük harf karışıklığı, "İ/ı" ayrımının yanlış yazılması. İnsan bunları sorunsuz okur; bir sistemin hepsini aynı varlığa toplaması gerekir. ## Kaçırmak, yanlış alarmdan pahalıya patlar Bir tespit sistemi iki tür hata yapar. Var olmayan bir kişisel veriyi "var" sanar (yanlış alarm) ya da gerçek bir kişisel veriyi kaçırır. İkisi eşit değildir. Yanlış alarm can sıkıcıdır: metni gereksiz bozar, modele giden içeriği zayıflatır. Ama gerçek bir TCKN'nin ya da bir tanının kaçması, ham kişisel verinin doğrudan modele gitmesi demektir; asıl korumak istediğiniz şeyin başarısızlığı budur. Manşet metriğimiz bu yüzden recall, yani yakalama oranıdır; yanlış alarmı da ayrıca, açıkça raporlarız. ## Ölçmezseniz bilemezsiniz "Otomatik yakalar" demek yetmez; "ne kadarını yakalar" sorusunun sayısal bir cevabı olmalı. Ölçümü şeffaf tutuyoruz: insan doğrulamalı 403 belgelik Türkçe test setinde %84,6 yakalama oranı (recall); kişisel veri içermeyen ayrı bir sette %5,7 yanlış alarm (Temmuz 2026). Özel nitelikli kategorileri, örneğin sağlık ve sendika (KVKK m.6) alanlarını, tek bir ortalamada eritmeden ayrı raporlarız. Yöntemin tamamını, ölçüm setini ve kategori kırılımlarını [benchmark sayfasında](/benchmark) bulabilirsiniz. Kusursuz yakalama vaat eden bir araç görürseniz, o vaadi sorgulamak için iyi bir sebebiniz var.