2026`da Dijital Olarak Anonimleştirilmenin Anlamı ve Nasıl Olunur?

"Dijital olarak anonimleştirilmiş" ifadesi şu anda çok önemli bir rol oynuyor. Netflix bu yıl gerçek bir suç belgeselinin açılış kartında bu ifadeyi kullandı. Film, tanık yüzlerini ve seslerini yapay zeka karakterleriyle değiştirdi. (İngiliz yazım şekli olan "digitally anonymised" aynı bağlamda İngiltere'ye yönelik metinlerde de kullanılıyor.) Akademik araştırmacılar 2019'da 1,5 milyon Amerikalıdan oluşan bir veri seti için aynı ifadeyi kullandılar. Daha sonra sadece 15 basit özellikten yola çıkarak bunların %99,98'ini yeniden tanımladılar. Her iki iddia da teknik olarak doğru. Ancak aynı zamanda, nasıl okuduğunuza bağlı olarak, neredeyse zıt şeyler, yani tamamen farklı şeyleri tanımlıyorlar. Dolayısıyla, birisi size bir yüzün, bir kaydın veya tüm bir veri setinin dijital olarak anonimleştirildiğini söylediğinde, bir sonraki en faydalı soru, aslında ne demek istedikleri ve bu anonimleştirmenin kime karşı geçerli olması gerektiğidir.

"Dijital olarak anonimleştirilmiş" ifadesinin gerçekte ne anlama geldiği

Etiketin ardında iki farklı fikir gizlidir. Birincisi, yüzeysel kimliksizleştirme: bulanık bir yüz, sahte bir isim, ses değiştirici, yapay zeka avatarı. Bu, daha fazla araştırma yapmaya çalışmayan bir izleyiciden kişiyi gizler. İkincisi, istatistiksel anonimleştirme: bir kayıt kümesi, kamuya açık yan verilerle yetenekli bir yeniden tanımlayıcının bile bir satırı bir kişiye geri bağlayamayacağı şekilde değiştirilir. Birincisi veri gizliliği jestidir. İkincisi ise gerçek veri gizliliğidir. GDPR'nin 26. maddesi bu farkı açıkça ortaya koymaktadır. Veri, ancak "makul bir şekilde kullanılması muhtemel hiçbir araç" onu yeniden tanımlayamadığında anonimdir. HIPAA, aynı fikri ya 18 tanımlayıcılı Güvenli Liman şeridi ya da yeniden tanımlama riskinin "çok küçük" olduğuna dair bir Uzman Kararı olarak kodlar. Mart 2025'te güncellenen ICO UK kılavuzu, bunu motive edilmiş saldırgan testi olarak adlandırır. "Dijital olarak anonimleştirilmiş" olarak satılan çoğu şey ilk testi geçer, ikincisini geçemez.

Bireyler pratikte dijital olarak nasıl anonimleştiriliyor?

Bireysel dijital anonimlik tek bir düğme değil, bir yığın. Her katman bir tanımlayıcıyı sabitler ve diğerlerini olduğu gibi bırakır. Çoğu okuyucu, "anonimleştirici" etiketli tek bir ürün yerine üç veya dört araç ister.

Ağ katmanı. IP adresiniz sızdırılması en ucuz ve saklanması en kolay tanımlayıcıdır. Tor, Tor Metrics'e göre 2025 ortası itibariyle yaklaşık 2,5 milyon günlük kullanıcı ve yaklaşık 8.000 gönüllü röleden oluşan bir altyapı ile en güçlü ağ seviyesi seçeneği olmaya devam ediyor. Ticari bir VPN daha hafif bir alternatiftir; Security.org'a göre 2025 yılında ABD'li yetişkinlerin yaklaşık %32'si bir VPN kullandı, bu oran bir önceki yıl %46 idi ve küresel VPN uygulamalarının yaklaşık 147 milyon kullanıcısı var. Tor, eyalet düzeyindeki tehdit modellerini ele alıyor. Bir VPN ise internet servis sağlayıcınızı, işvereninizi ve kafe Wi-Fi'nizi ele alıyor. İkisi farklı sorunları çözüyor.

Tarayıcı katmanı. Varsayılan ayarları ağın düşmanca olduğunu varsayan bir tarayıcı seçin: En güçlü senaryo için Brave, LibreWolf, Mullvad Browser veya Tor Browser. Parmak izi direnci ve reklam engelleme, dizüstü bilgisayarınızı paylaşan birinden yalnızca yerel geçmişi gizleyen özel bir pencereden daha önemlidir.

Kimlik katmanı. E-posta, bir izleyicinin toplayabileceği en kullanışlı tanımlayıcıdır, çünkü veri aracı kurumlarının profillerini hizmetler arasında birleştirir. Çözüm, SimpleLogin (Nisan 2022'de 100.000'den fazla kullanıcısı ve 2 milyon takma adı ile Proton tarafından satın alındı) veya addy.io aracılığıyla hizmet başına takma ad kullanmaktır. SMS doğrulamaları için hizmet başına bir kullanıcı adı ve sanal bir telefon numarası ekleyin ve en kolay siteler arası birleştirme yöntemi ortadan kalksın.

Ödeme katmanı. Bitcoin artık bir gizlilik aracı değil. Chainalysis, işlem katmanının neredeyse tamamını izleyebildiğini iddia ediyor; zincir içi hacmin suçlu payı, araştırmacıların zincirleri rutin olarak anonimlikten çıkarması nedeniyle yaklaşık %70'ten yaklaşık %20'ye düştü. Chainalysis'in büyük ölçekte izleyemediğini kamuoyuna açıkladığı tek büyük kripto para birimi Monero'dur. Teknik neden, CLSAG halka imzalarının (16 üyeli halkalar: bir gerçek imzalayan, 15 sahte imzalayan), gizli adreslerin ve RingCT miktarının gizlenmesinin yığınıdır. Fiyat, likiditedir. Binance, Eylül 2024'te XMR'yi küresel olarak listeden çıkardı ve Kraken, 31 Aralık 2024'e kadar Avrupa Ekonomik Alanı'ndan çekti; bu da 2024'te 60 borsanın ve 2025 ortalarına kadar yaklaşık 73 borsanın listeden çıkarılması dalgasını tamamladı. Sıkıntılara rağmen, Monero 2025 sonlarında yaklaşık 7,6 milyar dolarlık piyasa değerine ve günlük 28.000 civarında işlem sayısına ulaştı ve fiyatı Mayıs 2026'da 411 dolara yaklaştı. Alıcıları KYC (Müşterinizi Tanıyın) sürecinden geçirmeden kripto para kabul etmek isteyen satıcılar, gözetimsiz ödeme ağ geçitlerini kullanabilirler. Örneğin Plisio, kart ödeme sistemlerinde tipik olan %2-3'lük satıcı indirim oranına karşılık, %0,5'lik bir ücretle 50'den fazla kripto parayı destekliyor.

Cihaz ve hesap hijyeni. Gizlilik oturumunda oturum açılmış hesap bulunmamalıdır. Farklı kimlikler için ayrı profiller kullanılmalıdır. Bu ayar, tümünde aynı Gmail hesabına giriş yaparak geri almadığınız sürece çalışır.

"Anonimleştirilmiş" veri kümeleri neden sürekli yeniden tanımlanıyor?

Akademik sicil hiç de parlak değil. İsimleri listeden çıkarmak neredeyse hiçbir zaman yeterli olmuyor.

Aynı durum tekrarlanıyor. Bir yayıncı bariz kimlik bilgilerini kaldırıyor, veri setinin anonimleştirildiğini iddia ediyor ve kamuya açık yardımcı bir kaynağa (seçmen kayıtları, IMDB, paparazi fotoğrafları, işveren rehberleri) sahip bir araştırmacı ikisini tekrar bir araya getiriyor ve gerçek kimlikler birkaç hafta içinde ortaya çıkıyor.

Ağustos 2006'daki AOL vakası, geniş çapta haber yapılan ilk gerçek dünya kimlik tespiti vakasıydı ve arama geçmişlerinin kendi başlarına birer kimlik belirleyici olduğu ortaya çıktı. Thelma Arnold'ın "uyuşmuş parmaklar", "60 bekar erkek" ve memleketi Lilburn, Georgia hakkındaki sorguları, iki New York Times muhabirinin onu verandada bulması için yeterli oldu. CTO da dahil olmak üzere üç AOL çalışanı birkaç hafta içinde işsiz kaldı.

Ekim 2006'da başlatılan Netflix Ödülü, 17.770 filmde 480.189 abonenin yaklaşık 100 milyon değerlendirmesini yayınladı. Narayanan ve Shmatikov, anonimleştirmeyi kaldırma makalelerini IEEE S&P 2008'de yayınladılar. Sadece iki değerlendirme ve üç günlük bir zaman aralığıyla, abonelerin %68'ini benzersiz bir şekilde tanımlayabildiler. Sekiz değerlendirme ve on dört günlük bir zaman aralığıyla bu oran %99'a yükseldi. Netflix, Doe v. Netflix davası ve FTC soruşturmasının ardından 2010 yılında planlanan devam filmini iptal etti.

Şubat 2026'da Netflix belgeseli olarak yayınlanan Lucy Letby belgeseli, aynı dersin tüketiciye yönelik versiyonudur. Açılış başlığında şöyle yazıyor: "Bazı katılımcılar anonim kalmak için dijital olarak gizlenmiştir. İsimleri, görünümleri ve sesleri değiştirilmiştir." Buradaki anonimleştirme tekniği, kısmen kamuoyundaki görünürlüklerini sınırlayan mahkeme kararlarına uymak zorunda olan tanıkların motivasyonuyla, bulanıklık veya silüet yerine üretken yapay zekadır. İzleyici tepkisi, yapay zeka kullanımına ilişkin tuhaf vadi şikayeti ile yapay zeka avatarının insan duygularını kara kutudan daha iyi koruduğu savunması arasında bölündü. Her ikisi de daha derin noktayı kaçırıyor. Görsel anonimleştirme için yapay zeka kullanımı, tanıklığın kendisindeki davranışsal parmak izlerini (ifade biçimi, tarihler, adlandırılmış iş rolleri) değiştirmiyor. Anonimleştirilmiş veriler ve kısa bir aday listesi verilen motive olmuş bir davetsiz misafir, hala üzerinde çalışacak çok şeye sahip. Yapay zeka çıktının görünümünü değiştirdi. Yeniden kimliklendirme matematiğini değiştirmedi.

Diferansiyel gizlilik ve tek dürüst anonimleştirme

De Montjoye saldırı sınıfına karşı dayanıklı olan çerçeve, diferansiyel gizliliktir. Dwork, McSherry, Nissim ve Smith bunu 2006 yılında "Özel Veri Analizinde Hassasiyete Göre Gürültüyü Kalibre Etme" adlı makalelerinde tanımlamışlardır. Buradaki fikir, tanımlayıcıları kaldırmak değil, sorgu sonuçlarına dikkatlice ayarlanmış gürültü ekleyerek, herhangi bir kişinin verilerdeki varlığının veya yokluğunun istatistiksel olarak reddedilebilir olmasını sağlamaktır.

Nicel bir gizlilik bütçesi olan epsilon (ε) ile birlikte gelir. Daha düşük epsilon, daha fazla gürültü ve daha güçlü gizlilik anlamına gelir. Diferansiyel gizliliğe giden yol, bir dizi daha zayıf çerçeveden oluşuyordu. Sweeney tarafından 2002'de önerilen k-anonimlik, her kaydın yarı tanımlayıcılar üzerinde en az k-1 diğer kayıtla aynı görünmesini gerektirir. l-çeşitlilik (Machanavajjhala vd. 2007), hassas öznitelik çeşitliliğine bir kısıtlama ekledi. t-yakınlık (Li vd. 2007) dağılımı sıkılaştırdı. Üçü de sezgiseldir. Sadece diferansiyel gizlilik, keyfi yardımcı verilere karşı en kötü durum matematiksel garantisini verir.

Uygulama kayıtları karışık. Apple, WWDC 2016'da yerel diferansiyel gizliliği duyurdu, ancak tersine mühendislik denetimleri, epsilon ayarlarının yaklaşık 2 ile 8 arasında değiştiğini ve gizlilik araştırmacılarının bunu zayıf bulduğunu ortaya koydu. ABD Nüfus Sayım Bürosu, 2020 verilerine TopDown algoritması aracılığıyla diferansiyel gizlilik uyguladı ve küresel ε değeri yaklaşık 19,61 oldu. Bu rakam da çok gevşek olduğu için eleştirilere maruz kaldı, ancak 2020 Nüfus Sayımı, herhangi bir resmi gizlilik garantisiyle gelen ilk ulusal veriydi. Eğer bir "dijital olarak anonimleştirilmiş" iddiası epsilon değerini veya en azından ak veya at değerini belirtmiyorsa, neredeyse kesinlikle eski 18 tanımlayıcı şerit türündendir, resmi türden değildir.

Lucy Letby, yapay zeka avatarları ve dijital anonimleştirme

Lucy Letby belgeseli, 2026 yılının başlarında "dijital olarak anonimleştirilmiş yüz"ün en çok tartışılan örneği olmasının bir nedeni var. Belgesel, yedi cinayetten hüküm giyen İngiliz yenidoğan hemşiresini konu alıyor ve olası bir adalet hatasıyla ilgili sorular giderek artıyor. Netflix'in tanıkların yüzlerini ve seslerini yapay zeka tarafından oluşturulan avatarlarla değiştirme tercihi, davanın ötesinde de önem taşıyor. İzleyici tepkisi ikiye ayrıldı. Bir kesim avatarları dikkat dağıtıcı, "çizgi film benzeri" ve ürkütücü buldu. Diğer kesim ise bu tekniği, silüet veya sadece ses içeren bir yöntemin düzleştireceği insan duygularını koruduğu gerekçesiyle savundu.

Tartışmanın büyük ölçüde gözden kaçırdığı nokta tehdit modelidir. Yapay zekâ destekli bir yüz, kullanıcı deneyimine yönelik bir katmanlamadır. Zaten aday listesine (aynı hastanede, aynı tarihlerde aynı birimde çalışan diğer personel) ve tarihleri, mesleki rolleri ve ifadeleri içeren bir transkripte sahip yetenekli ve motive olmuş bir saldırgana karşı kaynağı korumaz. Kamuoyuna açık bir kurum ve kamuoyuna açık bir zaman çizelgesiyle Lucy Letby vakasında her ikisi de mevcuttur. Kaynak havuzu ne kadar dar olursa, yapay zekâ destekli katmanlamanın sağladığı fayda o kadar az olur. Bu, tekniğe karşı bir argüman değil, neyi anonimleştirdiğini ve neyi anonimleştirmediğini açıkça belirtmenin gerekliliğine dair bir argümandır.

Kanun, "dijital olarak anonimleştirilmiş" iddialardan ne bekliyor?

Çoğu piyasada üç düzenleyici kurum taban standartları belirler. Bunlar AB'nin GDPR'ı, ABD'nin sağlık verileri için HIPAA kuralları ve İngiltere ICO'nun 2025 kılavuzudur. GDPR'ın 26. maddesi "makul olasılıkla" testini belirler. HIPAA, 18 belirli tanımlayıcıdan oluşan bir Güvenli Liman şeridi veya kalan yeniden tanımlama riskinin "çok küçük" olduğuna dair bir Uzman Kararı görüşü sunar. İngiltere ICO, Mart 2025'te "motivasyonlu izinsiz giriş" testini yeniden teyit etmiştir.

Geçtiğimiz yıldaki en büyük hukuki değişim, Avrupa Birliği Adalet Divanı'ndan geldi. 4 Eylül 2025'te karara bağlanan C-413/23 sayılı EDPS v SRB davasında, Avrupa Adalet Divanı kişisel veriler konusunda göreceli bir teori benimsedi. Aynı kayıt, her iki tarafın da makul olarak bilebileceği bilgilere dayanarak, bir tarafın elinde takma isimli, diğerinin elinde ise anonim olabilir. Bu, anlamlı bir dönüşümdür. De Montjoye ve diğerleri tarafından savunulan 2025 öncesi varsayılan görüş, zengin verilerin her zaman kişisel veri olduğu yönündeydi çünkü yeniden tanımlama kapasitesinin gerçek bir sınırı yoktu. 2025 kararı ise bu görüşün bağlamsal olduğunu söylüyor. Her iki görüş de bir arada var olabilir; pratik etkisi, alt kademedeki tarafların, orijinal yayıncının kopyası anonim olmasa bile, bir veri kümesinin kendi kopyalarının anonim olduğunu savunmaları için daha fazla alan sağlamaktır.

Kontrol listesi: Veriler gerçekten dijital olarak anonimleştirilmiş mi?

Etiketi ciddiye almadan önce kendinize sormanız gereken beş soru:

1. Hangi tanımlayıcılar kaldırıldı? Sadece isimler yeterli değil. Demografik bilgiler, zaman damgaları ve nadir özellikler her Güvenli Liman şeridinde korunur ve tanımlanabilir bilgiler olarak kalır.

2. Hangi yardımcı veriler makul ölçüde elde edilebilir? Seçmen kayıtları, IMDB, paparazi fotoğrafları, işveren rehberleri. Eklenebilecek her şey geçerlidir.

3. Resmi bir garanti var mı? Bir k-anonimlik parametresi, bir t-yakınlık sayısı veya bir diferansiyel gizlilik epsilonu. Sayı yoksa garanti de yok.

4. İddiayı kim doğruladı? Belirli bir motivasyonlu saldırgan tehdit modeline göre dahili bir ekip mi yoksa harici bir denetçi mi?

5. Kimliklerin yeniden tespit edilmesi durumunda ne yapılabilir? Dijital olarak anonimleştirilmiş bir veri setinin aslında anonim olmadığı ortaya çıkarsa bu bir veri ihlalidir, basın açıklaması değil.

2026'da "dijital olarak anonimleştirilmiş" ifadesinin dürüst yorumu, aynı anda iki ilgisiz şeyi kapsadığıdır. Bir kullanıcı deneyimi vaadi olarak (yüzünüzü göstermeyeceğiz) iyidir, bazen zarif, bazen de kötü uygulanmıştır. İstatistiksel bir iddia olarak (bu veri seti anonimdir) ise, resmi bir garanti olmadan neredeyse her zaman yetersizdir. Etiketin ima ettiği işin sadece yarısını yaptığını varsayarak bireysel yığını oluşturun. Etiket başkasının verilerinde olduğunda matematiksel hesaplamayı talep edin.

Simon Chartan

A journalist with a strong technical background and a passion for decentralized finance. With degrees in MBA and Master of Engineering in Data Science, the author combines analytical expertise with a clear, engaging writing style. At Plisio, they cover topics such as cryptocurrency, blockchain, DeFi, and digital finance—helping readers make sense of a rapidly evolving fintech landscape.