Claude Filigranı Nedir, Nasıl Kaldırılır?

11 Ağustos’ta Anthropic bir duyuru yaptı: Claude, yazdığı metne filigran koymaya başlıyor. 14 Ağustos’ta da bunun nasıl çalıştığını tek tek anlattığı bir teknik yazı yayınladı. Yani bu artık dedikodu değil, üreticinin kendi belgelediği bir özellik.

Duyurudan sonra internette dolaşan tavsiyelerin çoğu yanlış. “Not defterine yapıştır”, “PDF’e çevir”, “elle tekrar yaz” gibi öneriler eski nesil işaretler için geçerliydi. Yeni filigran bambaşka bir yerde duruyor.

Bu yazıda üç şey var: filigranın gerçekte ne olduğu, hangi yöntemlerin kesinlikle işe yaramadığı, ve gerçekten işe yarayan temizleme akışının nasıl kurulacağı. Kod bilmene gerek yok, kurulum beş dakika.

Kısa cevap

Claude filigranı metne eklenen gizli bir karakter değil, modelin kelime seçimlerinin içine gömülü istatistiksel bir örüntüdür. Bu yüzden format değiştirmek, kopyala-yapıştır yapmak veya birkaç kelimeye dokunmak onu bozmaz. Onu gerçekten zayıflatan tek şey, metnin kelime tercihlerini toptan değiştiren ağır bir yeniden yazımdır.

Buna karşılık, AI araçlarının metne bıraktığı görünmez Unicode karakterleri ayrı bir konudur ve onlar tek tıkla, ölçülebilir biçimde temizlenir. Aşağıdaki kurulum tam olarak bunu yapar: doğrulanabilir kısmı doğrular, tahmin kısmını da açıkça tahmin diye işaretler.

Claude filigranı nedir?

Claude bir cümle kurarken çoğu noktada birden fazla kelime aynı derecede uygundur. Model bunlar arasından olasılığa göre seçim yapar. Filigran, bu seçimin kaynağındaki rastgeleliği gizli bir anahtarla değiştirir. Yüzlerce kelime boyunca hangi eş değer kelimelerin seçildiğine bakınca, anahtarı elinde tutan bir dedektörün fark edebileceği bir örüntü oluşur.

Metin tamamen normal okunur. Tek tek hiçbir kelime tuhaf durmaz, çünkü sinyal tek kelimede değil, yüzlerce kelimeye yayılmış örüntüde yaşar.

Basit hali: filigran kağıdın üstündeki mühür değil, sayfa boyunca devam eden bir el yazısı karakteri gibi.

Anthropic’in kendi açıklamasında altını çizdiği noktalar şunlar:

• Metne hiçbir şey eklenmiyor, gizli karakter yok
• Ekstra token harcanmıyor, maliyeti artırmıyor
• Filigran hiçbir kimlik bilgisi taşımıyor, kişiye veya sohbete bağlanamıyor
• Okur, filigranlı metinle filigransızı ayırt edemiyor
• Bu Claude’a özel bir şey değil, aynı taahhüdü imzalayan diğer büyük sağlayıcılar da kendi filigranlarını uyguluyor

Teknik temeli Google DeepMind’ın SynthID-Text yaklaşımı. Dosyalar için ise C2PA standardı kullanılıyor.

Neden şimdi oldu?

Sebep AB Yapay Zeka Yasası’nın şeffaflık uygulama kuralları. 2 Ağustos’ta yürürlüğe girdi ve AB pazarına hizmet veren sağlayıcıların ürettikleri içeriği işaretlemesini istiyor.

Anthropic bunu sadece Avrupa’da değil, Claude’un çalıştığı her yerde açıyor. Kapsam da geniş: Claude uygulaması, API, Claude Code, Cowork. 2 Ağustos’tan önce çıkmış modeller için geçiş süresi var, onlara da önümüzdeki aylarda ekleneceği söylendi.

Yani bu, araç değiştirerek kaçabileceğin bir Claude sorunu değil. Sektörün tamamının gittiği yön.

Hangi yöntem işe yarıyor, hangisi yaramıyor?

Yaptığın şey	Filigrana etkisi
Not defterine yapıştırıp geri kopyalama	Yok. Sinyal karakterlerde değil
Dosya formatını değiştirme (PDF, DOCX)	Yok
Cümleleri elle yeniden yazma yerine yazım hatası düzeltme	Neredeyse yok. Seçimler yerinde duruyor
Başlıkları ve formatı değiştirme	Yok. Sinyal düz metinde
Metni gerçekten kendi kelimelerinle yeniden yazma	Ciddi biçimde bozuluyor
Birkaç cümlelik kısa metin	Zaten güvenilir okunamıyor, örüntü için yeterli kelime yok
Kod	Baştan çok zayıf. Kodda çoğu yerde tek doğru cevap var

Tablodaki tek gerçek çözüm en alttaki değil, ortadaki: metnin kelimelerini toptan değiştirmek. Anthropic bunu kendi teknik yazısında da kabul ediyor - hafif düzeltme filigranı tam kaldırmaz, tam yeniden yazım kaldırır. Ama o noktada metin zaten senin metnin olmuş oluyor, ki bu da bence gayet iyi bir sonuç.

Beş dakikada temizleme akışını kur

Burada dikkat edilecek bir nokta var: bu iş modele “şu karakterleri temizle” demekle olmaz. Karakter sayımı deterministik bir iş, her seferinde modele regex yazdırmak hem yavaş hem güvenilmez. O yüzden paketin içinde gerçek bir Python script’i var; skill sadece onu ne zaman çalıştıracağını biliyor.

Kurulum tamamen sürükle bırak. Terminal yok, komut yok.

1. Paketi indir: metni-temizle.zip. Zip’i açma, olduğu gibi dursun.
2. Claude masaüstü uygulamasını aç
3. Ayarlar → Capabilities → Skills bölümüne gir (bazı sürümlerde Customize → Skills)
4. Upload skill alanına zip dosyasını masaüstünden sürükleyip bırak
5. Aynı ekranda kod yürütmeyi aç

Beşinci adımı atlama. İnsanların “skill çalışmıyor” dediği durumların neredeyse tamamı bu. Kod yürütme kapalıyken skill kurulur ama içindeki script’i çalıştıramaz, sana bozukmuş gibi görünen belirsiz bir ret mesajı döner.

Kurulduğunu anlamak için Claude’a bir dosya sürükle ve “bu dosyada görünmez karakter var mı” de. Nasıl çağrıldığını ve doğru çalıştığını nereden anlayacağını birazdan anlatıyorum.

Claude Code kullanıyorsan zip’i açıp klasörü kopyalaman yeterli:

cp -r metni-temizle ~/.claude/skills/

Script’i skill olmadan, düpedüz komut satırından da çalıştırabilirsin. Python 3.10 yeter, hiçbir bağımlılık kurmuyor:

python3 scripts/temizle.py yazi.md --rapor     # denetle, dokunma
python3 scripts/temizle.py yazi.md --yerinde   # temizle (.bak yedeği alır)
python3 scripts/temizle.py yazi.md --kontrol   # kirliyse exit 1, CI için

Slash komutlarının nasıl çalıştığını Claude Code özel slash komutları yazısında anlatmıştım.

Görsel, PDF ve C2PA temizliği de isteyen tam sürüm için Guillaume Meyer’in açık kaynak watermarks-remover projesine bakabilirsin. Orası Docker ile çalışan ayrı bir servis kurmayı gerektiriyor, kurulumu bu yazının kapsamı dışında.

Script gerçekte neyi yakalıyor?

Sıfır genişlikli karakterler herkesin bildiği kısım. Asıl önemli olan ikisi genelde atlanıyor:

• Tag karakterleri (U+E0000-U+E007F). Metne görünmez veri gizlemenin bugün fiilen kullanılan yolu. Bir cümlenin içine tam bir metin saklayabilirsin ve hiçbir şey görünmez. Script bunları siliyor ama İskoç bayrağı gibi meşru tag dizilerini bozmuyor.

  Burada ince bir tuzak var ve ilk sürümde ben de düştüm: bayrakları korumak için “tag karakterlerine dokunma” demek yetmiyor. Çünkü bayrağın arkasına yük ekleyen herkes temizliği atlatıyor. Script diziyi tam doğruluyor - 1F3F4 + en fazla 6 içerik tag’i + terminatör. Terminatörden sonra gelen her şey, terminatörsüz diziler ve aşırı uzun etiketler siliniyor.

• Variation selector’lar (U+FE00-U+FE0F). Emoji dışı bağlamda bayt taşımak için kullanılıyor. Emoji tabanından sonra gelirse korunuyor, tek başına duruyorsa siliniyor.

Bunların yanında yön işaretleri, Hangul dolgu karakterleri, combining grapheme joiner, yumuşak tire ve boşluk varyantları da kapsam içinde.

Asıl zor kısım neyi silmeyeceğine karar vermek. Bu tür araçların çoğu emoji bozar, çünkü emojiler tam da bu görünmez karakterlerden yapılıyor. Script’te korunanlar: aile emojisi (👨‍👩‍👧), ten tonlu emojiler (👩🏽‍💻), variation selector’lı olanlar (❤️), bayraklar (🇹🇷, 🏴󠁧󠁢󠁳󠁣󠁴󠁿) ve keycap rakamlar (1️⃣2️⃣3️⃣). Sonuncusu özellikle önemli: LinkedIn ve YouTube açıklamalarında madde numarası olarak standart, ve saf bir temizleyici onu sessizce bozar.

Satır sonları da korunuyor. CRLF’li bir dosyayı LF’ye çevirmek git deposunda bütün satırları diff’e sokar - script buna dokunmuyor. Rapordaki satır numaraları girdi dosyasını indeksliyor, yani kendi editöründe o satıra gidip bulabiliyorsun.

CI’da kullanacaksan üç ayrı exit kodu döndürüyor: 0 temiz, 1 kirli, 2 dosya okunamadı. Bu ayrım önemli - “okuyamadım”ı “temiz” sanmak, denetimden geçmiş gibi görünen bir dosya bırakır. Girdi UTF-8 olmalı; eski Word ve Excel export’ları Windows-1254 çıkabiliyor, script bunu fark edip dönüştürme komutunu öneriyor.

Paketin içinde 39 regresyon testi var, kendin çalıştırabilirsin:

python3 scripts/test_temizle.py

Bu testlerin bir kısmı doğrudan yukarıdaki tuzağı kolluyor. Böyle bir açık bir kez kapatılıp test edilmezse sessizce geri gelir.

Nasıl kullanılır?

Skill’in adı metni-temizle, yani slash menüsünden /metni-temizle yazarak çağırabilirsin. Ama slash ile çağırma her sürümde aynı çalışmıyor; skill’lerin asıl tetiklenme yolu tarif etmek. Model açıklamayı okuyup kendisi devreye sokar. Şunlardan herhangi biri açar:

• “bu dosyada görünmez karakter var mı”
• “görünmez karakterleri temizle”
• “bu metni denetle”
• “CMS’e yapıştırınca format bozuluyor”

En sağlam kullanım: dosyayı sürükle, altına “görünmez karakter var mı, denetle” yaz. Önce bir inceleme yapıyor ve hiçbir şeyi değiştirmeden ne bulduğunu söylüyor.

Çalıştığını nereden anlarsın: cevap kod noktası, adet ve satır numarası içeren bir rapor olmalı. “Metin temiz görünüyor” gibi genel bir cümle geldiyse skill devreye girmemiş, model kendi kafasından konuşuyordur.

İnceleme raporunu geçip gitme. Kaç tane görünmez karakter bulduğunu, hangi kod noktası olduğunu ve kaçıncı satırda geçtiğini orada söylüyor. O sayılar tahmin değil, script’in gerçek çıktısı.

Bir şeyi baştan bilmekte fayda var: asıl değer dosya üzerinde çalışırken ortaya çıkıyor. Metni sohbete yapıştırdığında arayüz bu karakterlerin bir kısmını zaten düşürüyor. Yani gerçek denetim için dosyayı ekle ya da script’i doğrudan çalıştır.

Yeniden yazım aşaması

Düz metin verdiğinde sana yeniden yazımı da teklif ediyor. Burada bir karar vermen gerekiyor.

Hafif geçiş yazını olduğu gibi bırakır ama örüntünün çoğunu da yerinde bırakır. Ağır geçiş örüntüyü gerçekten bozar, ama metin geri geldiğinde senin sesin değil, yeniden yazan modelin sesi olur. İkisini aynı anda alamıyorsun.

Yeniden yazımdan sonra görünmez karakter temizliğini tekrar çalıştır. Yeniden yazan model de bir AI, çıkışta metne yeni bir set tuhaf karakter bırakması gayet mümkün.

Bir de şu var: Claude metnini Claude’a yeniden yazdırma. Bir modelin işaretini aynı modelin işaretiyle değiştirmiş olursun. Farklı bir model kullan.

Bu araç aslında neyi temizliyor?

Üç katman var ve güvenilirlikleri eşit değil:

• Katman A, görünmez karakterler. Zero width space, dar boşluk, yön işaretleri ve AI araçlarının metne sızdırdığı diğer tuhaf Unicode karakterler. Doğrulanabilir - ne çıkardığını sayıyor ve gösteriyor.
• Katman B, istatistiksel filigran. Kelime seçimi örüntüsü. İkinci bir modele metni yeniden yazdırarak saldırılıyor. En iyi çaba. Üreticiler dışında kimse şu an işe yarayıp yaramadığını doğrulayamaz.
• Katman C, dosyalar. PNG, JPEG, SVG, PDF, DOCX, HTML ve MD içindeki C2PA içerik kimlik bilgileri, EXIF ve XMP meta verisi. Doğrulanabilir - temizlediği her alanı raporluyor.

Yeni filigran görünmez karakterlerden yapılmıyor olsa da, AI araçları o karakterleri metne hala bırakıyor ve tek başlarına güçlü bir ipucu. Üstelik pratik zarar da veriyorlar: birini bir CMS’e ya da kod editörüne yapıştır, bir saatini kovalayacağın formatlama hataları çıkar karşına.

Nerede gerçekten işe yarıyor?

Ben bu temizliği kendi iş akışımda şu dört yerde kullanıyorum, ve dürüst olmak gerekirse filigranla ilgisi olmayan sebeplerle:

• CMS’e veya kod editörüne yapıştırırken. Formatlama hatalarına yol açan görünmez karakterleri siliyor. Blog yazılarını yayına alırken en çok bunun için çalıştırıyorum.
• Görsel ve PDF yayınlarken. EXIF, XMP ve içerik kimlik bilgilerini temizliyor. Bu düpedüz temel gizlilik hijyeni - konum verisi, cihaz bilgisi, düzenleme geçmişi.
• Kendi siteni denetlerken. Bir klasörün ya da site haritasının tamamını tarayıp araçlarının dosyalarına sessizce ne bıraktığını raporluyor.
• Kendi taslaklarını temizlerken. Senin adınla dışarı çıkacak metindeki küçük formatlama izlerini kaldırıyor.

Denemek için yayına aldığın eski bir içeriğin üstünde çalıştır, göndermek üzere olduğun metinde değil. Baskı olmadan ne bulduğunu görürsün, ve muhtemelen o dosyanın yanında ne kadar meta veri taşındığına şaşırırsın.

Dürüst kısım

Bu araç işe yaradığını kanıtlayamaz. Bunu geliştiricisi kendi belgelerinde açıkça yazıyor. Üreticiler genel kullanıma açık dedektörler ve anahtarlar yayınlayana kadar hiçbir araç dürüstçe “bu metin resmi kontrolden geçer” diyemez. Anthropic bir tespit API’si duyurdu ama nasıl puanladığını, yanlış pozitif oranını, kaç kelimeye ihtiyaç duyduğunu yayınlamadı. Görünmez karakter temizliği ölçülebilir, istatistiksel katman ölçülemez, ve aksini söyleyen tahmin yürütüyor.

Yeniden yazımın da gerçek bir bedeli var. İkinci bir modele kelimelerini değiştirtmek tonu ve sesi düzleştirir; her ağır geçişte yazın biraz daha jenerikleşir. Deponun kendi uyarısı çok yerinde: eğer metni zaten daha ucuz bir modele yeniden yazdıracaksan, en baştan o modelle üretmek daha basit ve daha ucuzdu.

Bir de sık karıştırılan iki şey var: filigran ve dedektör aynı problem değil. Piyasadaki AI dedektörlerinin çoğu gizli bir sinyale değil yazım tarzına bakıyor. Yani metnin filigrandan tamamen temizlenip yine de işaretlenmesi mümkün.

Kapsam dışında kalanlar: görsellerdeki piksel filigranları, ses ve video işaretleri, ve meta veriyi silsen bile uzaktaki bir kayda yeniden bağlanan C2PA soft binding.

Türkiye’de bu ne anlama geliyor?

AB düzenlemesi Türkiye’yi doğrudan bağlamıyor, ama Anthropic filigranı dünya genelinde açtığı için buradan Claude kullanan herkes zaten kapsam içinde. Yani “bize gelmez” diye bekleyecek bir şey yok, geldi bile.

Asıl fark şurada: Türkiye’de AI kullanımını gizlemeye çalışan çok, açıkça sahiplenip üstüne sistem kuran az. Ben 16 ajanlık bir ekiple çalışıyorum ve müşterilerime de topluluğa da bunu açıkça söylüyorum. Filigranın olması işimin hiçbir yerini bozmuyor, çünkü satılan şey metnin kimin yazdığı değil, kurulan sistemin ne yaptığı.

Son bir düşünce, çünkü geliştirici de kendi dokümantasyonuna aynısını koymuş. Eğer AI kullandığının anlaşılması gerçekten problem olacağı bir yerde yazıyorsan, bu sana çözülecek teknik bir problem değil, o durumla ilgili bir şey söylüyordur. Kendi işinde, kendi sebeplerinle kullan; gerçek faydayı orada alırsın.

Nereden başlamalı?

Skill dosyasını indir, Customize altından Skills’e yükle, kod yürütmeyi aç ve yayına aldığın eski bir yazının üstünde çalıştır. Kendi eski işinin içinde ne bulduğunu görmek, bu şeyin ne yaptığını anlamanın en hızlı yolu.

Claude Code’u hiç kurmadıysan önce Claude Code rehberine bak, oradan devam etmek daha kolay olur. Ajanlarla neler yapılabildiğini merak ediyorsan Claude ajanlarının 5 gizli kullanım alanı yazısı iyi bir başlangıç.

---

Filigranı temizlemek küçük bir hijyen işi. Asıl kazanç, yapay zekayı işine ve gelirine çevirdiğinde başlıyor.

İş Güç Yapay Zeka’da insanlar yapay zekayı sadece öğrenmiyor, onunla sonuç alıyor: işinde AI ile vazgeçilmez olup pozisyon ve gelir atlıyor, ilk danışmanlık ya da otomasyon müşterisini bulup aylık sabit gelire bağlıyor, kendi işini ajanlarla kurup büyütüyor. Girişimci olmana da kod bilmene de gerek yok - ne istediğini anlatırsın, ajanların yapar.

İçeride seni bekleyen: her hafta canlı yayın ve soru-cevap, hazır ajanlar ve şablonlar, ilk müşterine giden net bir sistem ve aynı hedefe yürüyen kaliteli bir çevre.

İş Güç Yapay Zeka’ya katıl