Claude Metne Görünmez Filigran Ekliyor

Bir görsele filigran koymak kolay. Milyonlarca pikselin değerini gözün fark edemeyeceği kadar az oynatırsınız, iş biter. Peki bir metne nasıl filigran koyarsınız? Elinizde piksel yok, sadece kelimeler var ve bir kelimeyi “azıcık” değiştiremezsiniz. Ya o kelimedir ya değildir.

Anthropic’in 2 Ağustos 2026’da yürürlüğe soktuğu sistem tam olarak bu problemi çözmeye çalışıyor. Claude’un yazdığı her metnin içinde, okurken hissedilmeyen ama istatistiksel olarak ölçülebilen bir iz bırakıyor. Nasıl olduğuna bakalım. 👇🏻

Claude Metin Filigranı Nedir?

Anthropic’in yaptığı iş aslında iki ayrı mekanizma ve bunlar sık sık birbirine karıştırılıyor.

1. Metnin içine gömülen filigran. Claude bir cevap üretirken, kelime seçimlerine gözle görülmeyen bir örüntü yerleştiriyor. Bu iz metnin kendisinde durduğu için kopyala yapıştırla taşınıyor, başka bir belgeye aktarıldığında kayboluyor değil. Model seviyesinde çalışıyor, yani hangi arayüzden kullandığınız fark etmiyor.

2. Dosyalara eklenen imzalı köken bilgisi. Claude bir .svg, .png ya da .jpg üretip verdiğinde, dosyanın üst verisine C2PA (Coalition for Content Provenance and Authenticity) standardına uygun, kriptografik olarak imzalı bir kayıt ekleniyor. Bu kayıt hem Claude’un işin içinde olduğunu söylüyor hem de sonradan oynanırsa bunun anlaşılmasını sağlıyor.

İkisi arasındaki fark önemli: birincisi içeriğin içinde, ikincisi dosyanın etrafında. Üst veriyi silmek çok kolaydır, ekran görüntüsü almak bile yeter. Metne gömülen izi silmek daha zordur. Bu yüzden ikisi birlikte kullanılıyor.

Kapsam ne kadar geniş?

Yani Claude Code ile ürettiğiniz kod da, API’den çektiğiniz cevap da bu kapsamda.

Neden şimdi?

Tarih tesadüf değil. 2 Ağustos 2026, Avrupa Birliği Yapay Zeka Yasası’nın şeffaflık yükümlülüklerinin uygulanmaya başladığı gün. Yasanın 50. maddesi, sentetik içerik üreten sistemlerin çıktılarını makine tarafından okunabilir biçimde işaretlemesini istiyor. Anthropic’in “dünya genelinde” demesinin sebebi de bu: kural Avrupa’dan geliyor ama tek tek bölgeye özel model çalıştırmak yerine herkese aynı davranışı vermek daha basit.

Metne Filigran Fiziksel Olarak Nasıl Konur?

Burası işin ilginç kısmı. Anthropic kendi şemasının ayrıntılarını yayınlamadı, teknik dokümanın geleceğini söylüyor. Ama bu alanda açık literatür geniş ve üretimde çalışan örnekler var. Aşağıdaki yöntemler, “böyle bir şey nasıl mümkün olur” sorusunun bilinen cevapları.

Önce şu yanlış anlamayı düzeltelim

Metin filigranı, metnin arasına görünmez Unicode karakterleri (sıfır genişlikli boşluklar gibi) serpiştirmek değil. O yöntem yıllardır biliniyor ve işe yaramıyor, çünkü metni düz metin olarak bir yere yapıştırdığınızda ya da bir editörden geçirdiğinizde o karakterler uçuyor.

Gerçek yöntem çok daha derinde: modelin kelime seçme anına müdahale ediyor.

Dil modeli aslında ne yapıyor?

Bir dil modeli her adımda tek bir şey yapıyor: sıradaki token için sözlükteki bütün seçeneklere bir olasılık veriyor. “Bugün hava çok” dedikten sonra “güzel” 0,31, “sıcak” 0,22, “kapalı” 0,07 gibi. Sonra bu dağılımdan bir tanesi seçiliyor.

Kritik nokta şu: bu seçimde neredeyse her zaman birden fazla makul aday vardır. “Sıcak” yerine “güzel” demek cümleyi bozmaz. İşte filigran bu boşlukta yaşıyor. Kaliteyi düşürmeden, hangi makul adayın seçileceğine gizli bir kural karıştırıyorsunuz.

Yöntem 1: Yeşil liste, kırmızı liste

2023’te Maryland Üniversitesi’nden Kirchenbauer ve ekibinin önerdiği klasik yaklaşım. Mantığı şöyle:

1. Her adımda, bir önceki token’ı bir hash fonksiyonundan geçirip bir rastgele sayı üreteci tohumlarsınız.
2. Bu tohumla sözlüğü ikiye bölersiniz: bir kısmı yeşil liste (mesela yüzde 25’i), gerisi kırmızı liste.
3. Yeşil listedeki kelimelerin puanına küçük bir artı eklersiniz. Model onları biraz daha sık seçer.
4. Metin bittiğinde, dışarıdan bakan biri aynı hash anahtarını biliyorsa her kelime için o anki yeşil listeyi yeniden hesaplayabilir.

Tespit tamamen sayma işi. Normal bir insan metninde kelimelerin yaklaşık yüzde 25’i tesadüfen yeşil çıkar. Filigranlı metinde bu oran belirgin biçimde yükselir. Aradaki farkı bir z-skoru ile ölçersiniz: 500 kelimelik bir metinde yüzde 25 yerine yüzde 40 yeşil görüyorsanız, bunun tesadüf olma ihtimali astronomik derecede küçüktür.

Bu yöntemin zayıf tarafı, dağılımı bilerek bozması. Yeşil kelimelere verilen artı büyüdükçe tespit kolaylaşır ama metnin kalitesi düşer.

Yöntem 2: Turnuva örneklemesi (SynthID-Text)

Google DeepMind’ın Gemini’de üretimde çalıştırdığı ve Ekim 2024’te Nature’da yayınladığı yöntem. Daha zarif, çünkü modelin olasılık dağılımını bozmadan çalışabiliyor.

Fikir bir eleme turnuvası:

1. Modelin gerçek dağılımından birden fazla aday token çekersiniz. Üç katmanlı bir turnuva için 8 aday.
2. Gizli anahtar ve önceki birkaç kelimeden türetilen bir tohumla, her adaya sözde rastgele bir puan (g değeri) atarsınız.
3. Adayları ikişer ikişer eşleştirirsiniz. Her maçta g değeri yüksek olan kazanır.
4. Turnuva bitince ayakta kalan tek aday çıktı olur.

Adaylar modelin kendi dağılımından geldiği için ortaya çıkan metin doğal kalıyor. Ama tokenler artık sistematik olarak “yüksek g değerli” olanlardan seçiliyor. Tespit ederken metindeki tokenlerin ortalama g değerine bakarsınız: rastgele bir metinde bu ortalama şansa denk düşer, filigranlı metinde belirgin biçimde yüksektir.

DeepMind bunu milyonlarca kullanıcıya hizmet veren bir üründe çalıştırdı, gecikme maliyeti ihmal edilebilir düzeyde.

İkisinin ortak yanı: bu bir istatistik testi

Her iki yöntemde de tespit “var/yok” değil, olasılık üretiyor. Şu üç sonuç doğrudan buradan çıkıyor:

• Kısa metin tespit edilemez. Bir cümlede yeterli token yok, sinyal gürültüden ayrılamaz. Güvenilir tespit için genelde birkaç yüz token gerekir.
• Düşük entropili metin işaretlenemez. “2 + 2 = " dedikten sonra modelin özgürlüğü yok, tek doğru cevap var. Aynısı katı sözdizimi olan kod parçaları, tanımlar ve alıntılar için de geçerli. Modelin seçme özgürlüğü yoksa filigran koyacak yer de yoktur.
• Yeniden yazma sinyali öldürür. Metni başka bir modele verip baştan yazdırmak ya da başka dile çevirmek kelime seçimlerini tamamen değiştirir, filigran gider. Kelime kelime düzenleme ise sinyalin bir kısmını korur, çünkü hesap kısa pencerelerle yapılır.

Bu Filigran Neyi Kanıtlar, Neyi Kanıtlamaz?

Anthropic’in kendi ifadesi dikkatli seçilmiş: filigran bulunması, içeriğin Claude tarafından işlenmiş olabileceğini gösteriyor. Tam köken bilgisi vermiyor.

Buradaki “işlenmiş” kelimesi önemli. Claude’a kendi yazdığınız bir yazıyı verip imla düzelttirirseniz, çıkan metin de filigran taşıyabilir. Yani filigran “bunu yapay zeka yazdı” demiyor, “bu metin bir noktada Claude’dan geçti” diyor. Yazarlık iddiası ile işlenme izi arasındaki bu fark, konuyu haberleştiren birçok yerde kayboluyor.

Ters yönü daha da kritik:

Yapay zeka dedektörlerinden farkı ne?

GPTZero gibi araçlar tahmin yapıyor. Metnin ne kadar “beklenebilir” olduğuna bakıp bir skor üretiyorlar. Anahtar yok, matematiksel garanti yok, yanlış pozitif oranı yüksek. Ana dili İngilizce olmayanların yazdığı metinleri yapay zeka sanmalarıyla ünlüler.

Filigran tespiti bambaşka bir şey. Elinizde gizli anahtar var ve yaptığınız iş bir hipotez testi: “bu kelime dizisi, bu anahtarla üretilmiş olmasaydı böyle görünme ihtimali neydi?” Yanlış pozitif oranını istediğiniz seviyeye ayarlayabilirsiniz. Karşılığında tespit yapabilmek için anahtarı bilmeniz gerekir, yani tespit gücü model sağlayıcısının elindedir.

Peki bugün kim tespit edebiliyor?

Şu an için kimse. Anthropic tespit mekanizmalarını paylaşacağını ve teknik doküman yayınlayacağını söylüyor, ama bu yazının yazıldığı tarihte doküman yok, herkese açık bir doğrulama aracı da yok.

Pratik sonucu şu: “Claude filigranı tespit eder” diye pazarlanan bir araç görürseniz şüpheyle yaklaşın. Anahtar yayınlanmadan yapılabilecek tek şey, eski usul tahmin yürüten dedektörlük.

Geliştirici İçin Ne Değişiyor?

Claude API üzerine ürün kuruyorsanız birkaç şeyi bilmekte fayda var.

Çıktınız filigranlı. Kullanıcılarınıza gösterdiğiniz metin, sizin ürününüzün adıyla çıksa bile modelin izini taşıyor. Bu bir hata değil, tasarım. Kapatma seçeneği duyurulmadı.

Kod da kapsamda. Anthropic yüzeyler arasında kodu ayrıca sayıyor. Pratikte kodun entropisi düşüktür, yani bir fonksiyon isminin ya da bir döngü yapısının çok fazla makul alternatifi yoktur. Kısa kod parçalarında tespit edilebilir sinyal kalması beklenmez.

C2PA üst verisi kırılgandır. Claude’dan aldığınız görseli bir görsel işleme hattından geçirir, yeniden kodlar ya da çoğu sosyal platforma yüklerseniz üst veri gider. Köken bilgisini korumak istiyorsanız dosyayı olduğu gibi saklamanız gerekir.

Uyum süreçlerini “filigran çıkmadı” bulgusuna dayandırmayın. Bir metnin insan tarafından yazıldığını doğrulamak için filigran yokluğunu delil saymak, yukarıda anlatılan sebeplerle geçersizdir.

Filigran silinebilir mi?

Teknik cevap: evet, zor değil. Metni başka bir modele yeniden yazdırmak ya da başka dile çevirip geri getirmek sinyali büyük ölçüde yok eder. Akademik literatürde bu saldırılar “scrubbing” başlığı altında ayrıntısıyla çalışılıyor, tersi olan sahte filigran üretme (spoofing) saldırıları da var.

Bunu bilmek önemli, çünkü sistemin ne olduğunu doğru konumlandırıyor: filigran bir kilit değil, bir etiket. Kazara ve iyi niyetli kullanımda köken bilgisini taşımak için tasarlanmış. Silmeye kararlı birini durdurmuyor ve zaten öyle bir iddiası da yok.

Sıkça Sorulan Sorular

Soru: Claude yazdığı metinlere filigran ekliyor mu? Cevap: Evet. Anthropic, 2 Ağustos 2026 ve sonrasında çıkan Claude modellerinin ürettiği metne gözle görülmeyen bir filigran gömdüğünü açıkladı. Daha eski modeller de geriye dönük olarak kapsama alınıyor. Filigran metnin kelime seçimlerinin içinde durduğu için kopyala yapıştırla birlikte taşınıyor.

Soru: Claude filigranı gözle görülür mü? Cevap: Hayır. Metinde ekstra bir karakter, sembol ya da not yok. Filigran, kelime seçimlerinin istatistiksel örüntüsünde saklı ve okurken fark edilmiyor.

Soru: Claude filigranı nasıl tespit edilir? Cevap: Şu an herkese açık bir yol yok. Anthropic tespit mekanizmalarını paylaşacağını ve teknik doküman yayınlayacağını duyurdu, ancak bu yazının yayın tarihinde ne doküman ne de kamuya açık bir doğrulama aracı yayınlandı.

Soru: Filigran yoksa metin kesinlikle insan tarafından mı yazılmıştır? Cevap: Hayır. Metin çok kısaysa, ağır düzenlemeden geçtiyse, format dönüşümü yaşadıysa ya da başka bir yapay zeka modeliyle üretildiyse filigran bulunmaz. Filigranın yokluğu hiçbir şey kanıtlamaz.

Soru: Filigran bulunması metni yapay zekanın yazdığını kanıtlar mı? Cevap: Tam olarak değil. Anthropic’in ifadesiyle filigran, içeriğin Claude tarafından işlenmiş olabileceğini gösterir. Kendi yazdığınız bir metni Claude’a düzelttirdiğinizde de filigran oluşabilir, dolayısıyla bulgu “yazarı yapay zeka” demek değil, “bu metin Claude’dan geçti” demektir.

Soru: Metin filigranı teknik olarak nasıl çalışıyor? Cevap: Model her adımda sıradaki kelime için bir olasılık dağılımı üretir ve genelde birden fazla makul aday olur. Filigran şemaları gizli bir anahtarla bu seçime müdahale eder: klasik yöntemde sözlük yeşil ve kırmızı listeye bölünüp yeşil kelimeler biraz kayırılır, SynthID-Text’te ise adaylar arasında sözde rastgele puanlarla bir eleme turnuvası yapılır. Tespit, metindeki bu istatistiksel eğilimin şansla açıklanamayacak kadar güçlü olup olmadığını ölçer.

Soru: Claude filigranı görünmez Unicode karakterleri mi kullanıyor? Cevap: Hayır. Sıfır genişlikli boşluk gibi karakterler düz metne dönüşümde kolayca kayboldukları için ciddi bir yöntem değil. Gerçek şemalar kelime seçiminin kendisine müdahale ediyor.

Soru: Claude API çıktısı da filigranlı mı? Cevap: Evet. Anthropic API, Claude uygulamaları, Claude Code, Cowork ve Claude Tag’i ayrı ayrı sayıyor. AWS, Google Cloud ve Microsoft Foundry üzerinden erişim de kapsamda. Filigranı kapatan bir ayar duyurulmadı.

Soru: Claude’un ürettiği kodda da filigran var mı? Cevap: Kod kapsam içinde sayılıyor, ama pratikte kodun ifade özgürlüğü düşüktür. Katı sözdizimi yüzünden çoğu yerde tek makul seçenek vardır, dolayısıyla kısa kod parçalarında tespit edilebilir sinyal kalması beklenmez.

Soru: Claude filigranı silinebilir mi? Cevap: Teknik olarak evet. Metni başka bir modelle baştan yazdırmak ya da çeviriden geçirmek kelime seçimlerini değiştirdiği için sinyali büyük ölçüde yok eder. Filigran kararlı bir saldırganı durdurmak için değil, normal kullanımda köken bilgisini taşımak için tasarlandı.

Soru: C2PA nedir, filigrandan farkı ne? Cevap: C2PA, dosyalara imzalı köken bilgisi ekleyen açık bir standart. Claude bunu .svg, .png ve .jpg dosyalarına uyguluyor. Fark şu: C2PA verisi dosyanın üst verisinde durur ve ekran görüntüsü, yeniden kodlama veya çoğu platforma yükleme sırasında kaybolur. Metin filigranı ise içeriğin kendisindedir.

Soru: Bu neden 2 Ağustos 2026’da başladı? Cevap: Aynı tarih, Avrupa Birliği Yapay Zeka Yasası’nın şeffaflık yükümlülüklerinin uygulanmaya başladığı gün. Yasanın 50. maddesi sentetik içeriğin makine tarafından okunabilir şekilde işaretlenmesini istiyor. Anthropic uygulamayı tek bir bölgeyle sınırlamak yerine dünya geneline yaydı.

Soru: Öğretmenler bu filigranla ödevleri kontrol edebilir mi? Cevap: Bugün hayır, doğrulama aracı yayınlanmadı. Yayınlansa bile sınırları var: filigran sadece Claude çıktısını yakalar, kısa metinlerde çalışmaz ve yokluğu metnin insan tarafından yazıldığını göstermez. Tek başına bir suçlama dayanağı olamaz.

Sağlıcakla kalın… 🙂