Eğitim Verisinde Kişisel Veri ve Lisans: İnce Ayar Öncesi Kontrol

Eğitim verisinde kişisel veri neden kalıcı bir risk yaratır?

İnce ayar, eğitim verisini modelin ağırlıklarına işler. Kaynak dosyayı silmek modeli temizlemez. Araştırmalar bu riskin kuramsal olmadığını gösteriyor. Carlini ve arkadaşlarının GPT-2 üzerinde yaptığı çalışmada eğitim verisinden yüzlerce dizi birebir geri çıkarıldı. Bunların arasında ad, telefon numarası ve e-posta adresi vardı ve bazıları eğitim verisinde yalnızca tek bir belgede geçiyordu. Carlini ve arkadaşlarının sonraki çalışması ezberlemenin model büyüdükçe, bir örnek veride tekrarlandıkça ve istemdeki bağlam uzadıkça arttığını ölçtü.

Düzenleyiciler de aynı noktaya bakıyor. Kişisel Verileri Koruma Kurumu'nun Kasım 2025 tarihli Üretken Yapay Zekâ ve Kişisel Verilerin Korunması Rehberi, modelin kişisel veri işlemeyi hedeflememesinin ya da verinin rastlantısal işlenmesinin işleme faaliyetinin varlığını ortadan kaldırmadığını belirtir. Avrupa Veri Koruma Kurulu'nun 28/2024 sayılı görüşü de kişisel veriyle eğitilen yapay zekâ modellerinin her durumda anonim kabul edilemeyeceğini söyler. Görüşe göre bir modelin anonim sayılması için hem modelden doğrudan kişisel veri çıkarma olasılığı hem de sorgularla bu veriye ulaşma olasılığı önemsiz düzeyde olmalıdır.

İnce ayarın güvenlik davranışını nasıl bozabileceğini ince ayar ve hizalama bozulması yazısında ele aldık. Bu yazı verinin hukuki ve gizlilik yönüne odaklanır.

Model geliştirme hangi hukuki sebebe dayanır?

Rehber, bir modelin geliştirilmesi ile o modele dayalı bir uygulamanın geliştirilmesini farklı amaçlar olarak görür. Belirli bir model için toplanan verinin başka bir modelin eğitiminde yeniden kullanılması halinde, bu ikincil kullanımın ilk toplama amacıyla uyumu ayrıca değerlendirilir. Uyumlu değilse yeni bir işleme süreci tanımlanır.

Rehberden çıkan pratik sonuçlar şunlardır:

• Sözleşmenin ifası: Kullanıcı verisinin model geliştirmek için kullanılması, hizmetin sunulması için zorunlu olmadığından kural olarak bu şarta dayanamaz.
• Alenileştirme: Herkesin erişebildiği veri, herkesin işleyebileceği veri değildir. Sosyal medyadan kazınan biyografi ve yorumlarla dil modeli eğitmek bu şarta dayanamaz.
• Meşru menfaat: Torba bir şart değildir. Kurul'un 25.03.2019 tarihli ve 2019/78 sayılı kararındaki ölçütlerle iki aşamalı bir denge testi gerekir. Kişinin sesini, yüzünü ya da yazış tarzını taklit eden model geliştirmek gibi aleyhe sonuç doğurabilecek işlemelerde bu şarta dayanılamaz.
• Özel nitelikli veri: Sağlık, biyometrik ve benzeri veriler için KVKK m.6'da sözleşme ve meşru menfaat şartları yoktur. Bu veriler için Kurul'un belirlediği yeterli önlemler de alınmalıdır.

Destek kayıtları eğitime girebilir mi, ne kadar saklanabilir?

En sık karşılaşılan senaryo, müşteri destek yazışmalarıyla bir yanıt öneri modeli eğitmektir. Rehber tam bu senaryoyu örnek verir. Model eğitilip devreye alındıktan sonra kayıtların "ileride yeni sürümler geliştirilebileceği" gerekçesiyle belirsiz süre saklanması, verilerin amaç için gerekli süre kadar muhafaza edilmesi ilkesine aykırılık oluşturabilir.

Bu yüzden eğitim veri kümesi için de saklama süresi yazın. Sürüm tamamlandığında ham kayıtları silin ya da anonim hale getirin. Yalnızca yeniden eğitim için gerçekten gerekli olan, gerekçesi yazılı bir alt kümeyi tutun. Rehber veri minimizasyonunu da aynı biçimde yorumlar: daha fazla veri her zaman daha iyi model anlamına gelmez ve gelecekte doğabilecek amaçlar için veri toplanmaz.

Anonimleştirme ne zaman yeterli sayılır?

KVKK anonim hale getirmeyi, kişisel verinin başka verilerle eşleştirilerek dahi hiçbir surette kimliği belirli ya da belirlenebilir bir kişiyle ilişkilendirilemeyecek hale getirilmesi olarak tanımlar. Rehber, anonim olduğu ileri sürülen verinin gerçekten anonim olup olmadığının teknik yöntemler ve nesnel ölçütlerle ortaya konmasını ister. Veri anonim hale gelene kadar kişisel veridir ve o aşamadaki işleme de Kanun'a uygun yürütülür.

Kurum'un Kişisel Verilerin Silinmesi, Yok Edilmesi veya Anonim Hale Getirilmesi Rehberi, anonimlik güvencesi için üç koşul sayar:

1. Veri kümesi başka bir veri kümesiyle birleştirildiğinde anonimlik bozulmamalıdır.
2. Bir ya da birkaç değer, bir kaydı tekil hale getirecek anlamlı bir bütün oluşturmamalıdır.
3. Değerler birleşerek bir varsayım ya da sonuç üretebilir hale gelmemelidir.

Serbest metinde bu koşullar zor sağlanır. "Geçen ay şubede doğum yapan müşteri" gibi dolaylı ifadeler örüntü tabanlı taramadan kaçar. Ad ve numarayı silmek yetmez. Model tabanlı tarama ve örneklem üzerinde elle inceleme ekleyin. Maskeleme yöntemleri için KVKK uyumlu PII maskeleme yazısına bakabilirsiniz.

Lisans uyumu nasıl denetlenir?

Lisans sorunu çoğu zaman toplu veri kümelerinde saklıdır. Tek bir lisansla yayımlanmış görünen bir küme, farklı koşullara bağlı alt kaynaklar içerebilir. Ticari olmayan kullanımla sınırlı lisanslar, ürün olarak sunulacak bir modelin eğitimiyle çatışabilir. Bazı model sağlayıcılarının kullanım koşulları, çıktılarının rakip model geliştirmek için kullanılmasını yasaklar. Sentetik veri üretiyorsanız bu koşulları da okuyun.

Her kaynak için şu bilgileri kayda geçirin:

• Lisans metni, sürümü ve alındığı tarih
• Ticari kullanım, türev çalışma ve yeniden dağıtım izni
• Atıf zorunluluğu ve model belgesinde nasıl karşılanacağı
• Kaynağın sahibi ve kurum içindeki sorumlu kişi

Lisansı belirsiz kaynakları ayrı bir listede tutun ve açık izin alınana kadar eğitime almayın. Hangi model sürümünün hangi veri sürümüyle eğitildiğini AI-BOM benzeri bir envanterle izlemek, bir lisans itirazı geldiğinde etkilenen modelleri hızla bulmanızı sağlar.

Ezberleme testi nasıl kurulur?

Ezberleme testi, modelin eğitim örneğini birebir ya da çok yakın biçimde üretip üretmediğini ölçer. Üç yöntem birlikte kullanılabilir:

1. Tamamlama testi: Eğitim verisinden ayrılmış örneklerin ilk bölümü verilir, modelin devamı birebir üretip üretmediği ölçülür.
2. Hedefli sorgu: Bilinen kişi adları ya da kimlik numarası, IBAN gibi örüntülerle sorgu yapılır.
3. Üyelik çıkarımı: Bir kaydın eğitimde olup olmadığı model davranışından tahmin edilmeye çalışılır. Bu saldırı sınıfını model çıkarma, tersine çevirme ve üyelik çıkarımı yazısında anlattık.

Testi ince ayardan önce ve sonra aynı kümeyle çalıştırın. Tekrar ezberlemeyi artırdığı için yinelenen kayıtları eğitim öncesinde temizleyin. Çıktı filtresi ek bir katmandır ama ezberlemenin yerine geçmez.

Silme talebi geldiğinde eğitilmiş modele ne olur?

KVKK m.11, ilgili kişiye verilerinin silinmesini isteme hakkı verir. Silme yönetmeliğine göre işleme şartlarının tamamı ortadan kalkmışsa veri sorumlusu talebi en geç 30 gün içinde sonuçlandırır. Rehber, ilgili kişi haklarının eğitim verilerini, ince ayar verilerini ve model çıktılarını da kapsayacak biçimde ele alınmasını ister. İzlenebilirlik için veri eşleştirme ve veri etiketleme gibi yöntemleri önerir.

Pratikte şu soruların yanıtı önceden hazır olmalıdır:

• Talep sahibinin verisi hangi veri kümesi sürümünde, hangi modelde kullanıldı?
• Kaynak veri nasıl silinecek ve bir sonraki eğitimden nasıl dışlanacak?
• Mevcut modelde ezberleme testi bu kişiye ait veriyi gösteriyor mu?
• Gösteriyorsa çıktı filtresi, yeniden eğitim ya da modelin geri çekilmesi seçeneklerinden hangisi uygulanacak?

Bu seçeneklerin hukuki yeterliliği somut olaya göre değişir. Kararı hukuk danışmanınızla birlikte verin ve gerekçesini kaydedin.

Sık Sorulan Sorular

İnce ayar verisinde kişisel veri varsa ne olur?

Model bu kayıtları ezberleyip belirli istemlerle geri üretebilir. KVKK'nın Kasım 2025 tarihli rehberi, modelin kişisel veri işlemeyi hedeflememesinin işleme faaliyetinin varlığını ortadan kaldırmadığını belirtir. Bu durumda model geliştirme için ayrı bir hukuki sebep, aydınlatma ve güvenlik tedbiri gerekir. Eğitimden sonra fark edilen sorun çoğu zaman yeniden eğitim gerektirir.

Anonimleştirilmiş veriyle eğitilen model KVKK kapsamı dışında mı?

Gerçekten anonim veriler Kanun kapsamı dışındadır. Ancak Kurum, verinin gerçekten anonim olduğunun teknik yöntemler ve nesnel ölçütlerle ortaya konmasını ister. Avrupa Veri Koruma Kurulu da kişisel veriyle eğitilen modellerin her durumda anonim sayılamayacağını belirtti. Anonimlik iddiasını belgelendiremiyorsanız veriyi kişisel veri gibi yönetin.

İnternette herkese açık metinleri eğitimde kullanabilir miyiz?

Herkese açık olmak, serbestçe işlenebilir olmak anlamına gelmez. KVKK'nın rehberi, kamuya açık sosyal medya içeriğini kazıyarak dil modeli eğitmenin alenileştirme şartına dayanamayacağını belirtir. Meşru menfaat ancak iki aşamalı denge testiyle değerlendirilebilir. Ayrıca sitelerin kullanım koşulları ve telif durumu ayrıca incelenmelidir.

Ezberleme testi nasıl yapılır?

Eğitim verisinden ayrılan örneklerin başlangıcı modele verilir ve devamını birebir üretip üretmediği ölçülür. Ayrıca bilinen kişisel veri örüntüleriyle hedefli sorgular yapılır. Testi ince ayardan önce ve sonra aynı kümeyle çalıştırın. Ezberlenen kayıtların kaynağını bulun, tekrarlarını temizleyin ve sonuçları eğitim kaydına işleyin.

Kaynaklar

• KVKK: Üretken Yapay Zekâ ve Kişisel Verilerin Korunması Rehberi, Kasım 2025
• KVKK: Kişisel Verilerin Silinmesi, Yok Edilmesi veya Anonim Hale Getirilmesi Rehberi
• Mevzuat Bilgi Sistemi: 6698 sayılı Kişisel Verilerin Korunması Kanunu
• EDPB: Opinion 28/2024 on certain data protection aspects related to the processing of personal data in the context of AI models
• arXiv: Carlini ve diğerleri, Extracting Training Data from Large Language Models
• arXiv: Carlini ve diğerleri, Quantifying Memorization Across Neural Language Models

İlgili Yazılar

• Fine-Tuning Hizalamayı Bozar mı? Kurumsal İnce Ayarda 5 Kapılı Guardrail Koruma Rehberi
• Model Extraction, Model Inversion ve Membership Inference Üç model hırsızlığı saldırısı, tek tabloda ayrıştırıldı
• KVKK Uyumlu PII Maskeleme LLM Trafiğinde Veri Koruma
• AI-BOM Nedir? Yapay Zeka Malzeme Listesi İçin Türkçe Uygulama Rehberi CycloneDX ML-BOM'dan KVKK ve 7545 kolonlarına kadar model envanteri