Yapay Zeka Anonim Hesapları Nasıl Deşifre Ediyor? İnternette Gizlilik Dönemi Kapandı mı?

Dijital Dünyada Gizliliğin Sonu mu? Yapay Zeka Tabanlı Kimlik Açığa Çıkarma Yöntemleri

İnternetin ilk yıllarından bu yana forumlarda, sosyal ağlarda ve tartışma platformlarında kullanılan takma adlar (pseudonyms), kullanıcılar için en temel mahremiyet kalkanı olmuştur. Aktivistler, whistleblower'lar (bilgi sızdıranlar), kurumsal baskıdan çekinen çalışanlar veya sadece mahremiyetine düşkün bireyler yıllarca bu görünmezliğe güvenerek fikirlerini paylaştı. Ancak ETH Zurich ve bağımsız yapay zeka güvenliği grubu MATS bünyesindeki araştırmacıların Anthropic ekibinden Nicholas Carlini ile ortaklaşa yürüttüğü kapsamlı bir çalışma, bu konforlu dönemin resmen kapanmak üzere olduğunu gözler önüne serdi.

“Large-scale online deanonymization with LLMs” başlıklı araştırma makalesi, modern büyük dil modellerinin (LLM) tıpkı bir insan dedektif gibi çalışarak internetteki anonim metin izlerini gerçek dünya kimlikleriyle birleştirebileceğini kanıtladı. Üstelik bu işlem için herhangi bir siber saldırıya, veri tabanı sızıntısına ya da içeriden bilgi sızdırılmasına gerek yok. Sistem; tamamen açık kaynaklı veriler, arama motorları ve akıllı akıl yürütme modelleri üzerinden işliyor.

Yapay Zeka Destekli Deşifre Süreci Nasıl İşliyor?

Araştırmacılar, yapay zekanın anonim bir hesabı gerçek kişiye dönüştürme sürecini dört temel adımdan oluşan otomatize bir boru hattı (pipeline) olarak tasarladılar: Extract (Çıkarım), Search (Arama), Reason (Akıl Yürütme) ve Calibrate (Kalibrasyon). Bu adımların her biri, yapay zekanın mantıksal kapasitesini maksimize eden mühendislik çözümleriyle örülmüş durumda.

• Extract (Çıkarım): İlk aşamada, hedef kişinin geçmişte yaptığı tüm paylaşımlar, yorumlar ve yazım alışkanlıkları yapay zekaya besleniyor. Model bu verilerden kişinin muhtemel coğrafi konumunu, mesleğini, hobilerini, günlük alışkanlıklarını ve hatta Britanya İngilizcesi kullanmak gibi ince dilsel detayları veya gelişigüzel bahsedilen bir evcil hayvanın adını birleştirerek kapsamlı bir profil özeti çıkarıyor.
• Search (Arama): Elde edilen bu zengin profil özeti, bilgisayarların anında işleyebileceği bir vektör gömmeye (embedding) dönüştürülüyor. Bu süreç sayesinde binlerce aday profil arasından benzer nitelikler taşıyanlar milisaniyeler içinde taranıyor.
• Reason (Akıl Yürütme): Daha güçlü bir mantıksal akıl yürütme modeli, en iyi eşleşen adayları inceleyerek gerçekte hangisinin hedef kişi olduğunu mantıksal süzgeçlerden geçiriyor. İnsan bir müfettişin yapacağı gibi detayları çapraz sorguluyor.
• Calibrate (Kalibrasyon): Son aşamada ise yapay zeka kendi öz güven puanını değerlendiriyor. Yalnızca belirli bir eşiğin üzerinde emin olduğunda tahmin yürütüyor, aksi takdirde yanılma payını düşürmek için sessiz kalmayı tercih ediyor.

Hacker News ve Bilim İnsanları Üzerinde Gerçekleştirilen Testler

Teorik bir model olmanın ötesine geçen bu çalışma, pratik testlerle de doğrulandı. Ekip, çoğunlukla takma adlarla bilinen Hacker News platformundan biyografisinde LinkedIn profiline yer vermiş 338 kullanıcıyı seçti. Bu hesapların kimliği ele veren tüm doğrudan bağlantıları ayıklandıktan sonra, yapay zeka ajanından yalnızca web aramalarını kullanarak bu kişilerin gerçek kimliklerini bulması istendi.

Sonuçlar son derece çarpıcıydı: Sistem, denenen hesapların 226'sını (%67) doğru bir şekilde isimlendirmeyi başardı ve yaptığı tahminlerde yaklaşık her 10 vakadan sadece 1'inde hata yaptı. Benzer şekilde, Anthropic'in kendi bilim insanlarıyla yaptığı mülakat transkriptleri üzerinde yürütülen ayrı bir testte ise yapay zeka, yalnızca çalışanların işlerini tarif etme biçimlerine bakarak en az 9 bilim insanının gerçek kimliğini nokta atışı tespit etti.

Maliyet Düşüklüğü ve Güvenlik Açığı Paradoksu

Bu araştırmanın en korkutucu boyutu kuşkusuz operasyonun maliyeti. Araştırma bulgularına göre, tek bir hedefi bu yöntemle deşifre etmenin maliyeti yapay zeka abonelik ücretleri baz alındığında sadece 1 ile 4 dolar arasında değişiyor. Herhangi bir sızdırma veya hackleme faaliyeti içermemesi, standart chatbot'ların günlük olarak gerçekleştirdiği arama ve özetleme yeteneklerini kullanması, bu tehdidin engellenmesini son derece zorlaştırıyor.

Çünkü ortada kapatılabilecek tek bir "deşifre etme düğmesi" bulunmuyor; aksine birbirinden bağımsız ve zararsız gibi görünen rutin görevlerin zincirleme birleşimi söz konusu. 2008 yılında Netflix'in anonimleştirilmiş film derecelendirme veri setinin IMDb incelemeleriyle eşleştirilerek kırılması olayına benzeyen bu durum, aradaki tek farkın yapay zekanın artık yapılandırılmamış, dağınık ve esprili metinleri insan müdahalesine gerek kalmadan kendi kendine işleyebilmesi olduğunu gösteriyor.

Metodolojik Sınırlar ve Gerçekçi Beklentiler

Her ne kadar sonuçlar endişe verici olsa da, araştırmacılar bu konuda panik yapılmaması gerektiğinin altını çiziyor. Deneylerde kullanılan yüksek başarı oranları, araştırmacıların gerçek kimlikleri önceden bildiği kontrollü ve en iyi senaryo koşullarında elde edildi. Geniş kitleler karşısında bu başarı oranı dramatik biçirde düşebiliyor.

Örneğin, olası aday havuzu 89.000 kişiye çıkarıldığında, en güçlü yapay zeka yöntemi bile doğru eşleşmelerin yalnızca yaklaşık yarısını %90 hassasiyetle yakalayabildi. Ayrıca çalışmayı yürüten ekip, kullandıkları araçları, komut istemlerini (prompts) ve deşifre ettikleri gerçek isimleri kasıtlı olarak kamuoyuyla paylaşmadı. ETH Zurich etik kurulundan onay alarak yayımlanan bu makale, insanlara bir "stalker/doxxing kiti" sunmak değil, mevcut yapay zeka modellerinin halihazırda sahip olduğu yetenekleri belgelendirmek amacıyla hazırlandı.

Dijital Çağda Anonimliği Korumanın Yeni Yolları

Kripto para ekosisteminde faaliyet gösterenler, 2025 yılındaki Coinbase veri sızıntısı ve benzeri olaylar sonrasında sızdırılan kimliklerin gerçeğe dönüşme hızını zaten yakından tecrübe etmişti. Yapay zeka destekli deşifre yöntemleri ise veri sızıntısı gereksinimi bile ortadan kaldırarak halihazırda internete açık olan paylaşımlar üzerinden aynı tehdidi yaratıyor.

Aktif olarak aktivizm yürüten, mahremiyetine önem veren, iş yeri baskısından çekinen veya herhangi bir hassasiyeti nedeniyle takma ad kullanan bireyler için geçmişteki en ufak detaylar dahi birer dijital parmak izine dönüşebilir. Bu aşamada çözüm panik yapmak değil, dijital alışkanlıkları değiştirmektir. Tek bir takma ad altında çok fazla spesifik ve birleştirilebilir detay paylaşmamak ve hassas paylaşımlar için veri saklamayan güvenli mecraları tercih etmek, yapay zekanın bu mahremiyet ihlaline karşı atılabilecek en rasyonel adımlar arasında yer alıyor.