tugrulkaya/turkish-pii-detector

🔒 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

Canlı Gradio demo: tugrulkaya/turkish-pii-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/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.