🔒 Turkish PII Detector

Türkçe metinlerde Kişisel Tanımlanabilir Bilgileri (PII) tespit eden BERT tabanlı NER modeli. KVKK / GDPR uyumu ve veri anonimleştirme için tasarlanmıştır.

Model Özeti

Bu model, Türkçe metinlerde kişi adları, e-posta, telefon, T.C. kimlik numarası, IBAN, kredi kartı ve adres gibi gizli bilgileri otomatik tespit eder. Veri anonimleştirme, log sanitize etme ve hassas içerik yönetimi senaryolarında kullanılabilir.

Desteklenen PII Türleri

Etiket	Açıklama
`PERSON`	Kişi adı
`EMAIL`	E-posta adresi
`PHONE`	Telefon numarası
`TC_KIMLIK`	T.C. Kimlik No
`IBAN`	Banka hesap (IBAN)
`CREDIT_CARD`	Kredi kartı numarası
`ADDRESS`	Adres

🚀 Demo

🛡️ KVKK Anonimleştirici — doğrulamalı tespit (TC checksum · IBAN mod-97 · kredi kartı Luhn) + gerçek NER + 3 maskeleme modu (etiket / redaksiyon / sahte veri)
turkish-pii-demo — basit regex tabanlı demo

Kullanım

from transformers import pipeline

detector = pipeline(
    "token-classification",
    model="tugrulkaya/turkish-pii-detector",
    aggregation_strategy="simple",
)

text = "Ahmet Yılmaz, ahmet@mail.com adresinden ulaşılabilir. Telefon: 0532 123 45 67"
for ent in detector(text):
    print(f"{ent['entity_group']:12s} {ent['word']:30s} {ent['score']:.3f}")

Anonimleştirme Örneği

def anonymize(text):
    results = detector(text)
    # Sondan başa doğru değiştir ki offset'ler bozulmasın
    for ent in sorted(results, key=lambda x: -x['start']):
        text = text[:ent['start']] + f"[{ent['entity_group']}]" + text[ent['end']:]
    return text

print(anonymize("Ahmet Yılmaz'ı 0532 123 45 67 numarasından arayın."))
# "[PERSON]'ı [PHONE] numarasından arayın."

İlgili Kaynaklar

Veri kümesi: tugrulkaya/turkish-pii-dataset
Demo Space: tugrulkaya/kvkk-anonimlestirici (önerilen) · tugrulkaya/turkish-pii-demo

Etik ve Sorumluluk

✅ Uygun Kullanım	⛔ Uygun Olmayan Kullanım
Veri anonimleştirme	Kitlesel gözetim
KVKK / GDPR uyum denetimi	Profilleme, izleme
Log / içerik sanitize etme	Yasadışı veri toplama
Eğitim verisi temizleme	Rıza dışı veri işleme

Önemli: Model %100 güvenilir değildir. Üretim ortamında insan denetimi ve ikincil doğrulama zorunludur.

Sınırlamalar

Yalnızca Türkçe ve listelenen 7 PII türü için eğitilmiştir.
Bağlamdan bağımsız (context-free) tanımlı PII'ler (IBAN, TC no) regex tabanlı post-processing ile birleştirilirse daha iyi sonuç verir.
Argo, kısaltma veya standart dışı yazımlarda performans düşebilir.

Lisans

OpenRAIL — Sorumlu AI kullanımı için kısıtlamalar içerir.

Downloads last month: 19

tugrulkaya
/

turkish-pii-detector