---
title: "100 Metni SynthID ile Filigranladım ve Yerel LLM'lerden Temizlemesini İstedim: Dedektör Hâlâ İzleri Yakaladı"
url: https://blog.edumints.com/100-metni-synthid-ile-filigranladim-ve-yerel-llm-lerden-temizlemesini
category: "LLM"
date: 2026-10-13T07:24:16.590Z
publisher: Edumints Blog
lang: tr-TR
source_name: "dev.to"
source_url: https://dev.to/vadim_albarov/i-watermarked-100-texts-with-synthid-and-asked-local-llms-to-wash-it-out-the-detector-still-saw-500i
---

# 100 Metni SynthID ile Filigranladım ve Yerel LLM'lerden Temizlemesini İstedim: Dedektör Hâlâ İzleri Yakaladı

## Yerel Modeller AI Filigranını Silebilir mi?

Bir yapay zeka metnini yerel bir açık kaynak modelden geçirip "bunu kendi kelimelerinle yeniden yaz" dediğimizde Google'ın **SynthID-Text** filigranı tamamen kaybolur mu? Önceki testlerde iyi bir 12–14B modelin anlamı koruyarak kelime dizilimlerini bozabileceği görülmüştü; ancak bu deneyde hem gerçek bir filigran hem de gerçek bir dedektör kullanıldı.

Kısa yanıt: Çoğunlukla evet, ancak tamamen değil. Standart dedektör, kullanılan modele bağlı olarak yeniden yazımların **%3 ila %15'ini** tespit etti. Daha basit ve hassas bir testte ise bu oran **%23 ila %41** aralığına yükseldi. Anlamı en sadık şekilde koruyan modelin yeniden yazdığı uzun metinlerde tespit oranı **%89**'a ulaştı. Anlamı en iyi koruyan model aynı zamanda filigranı da en çok muhafaza etti; üstelik metni ikinci kez yeniden yazdırmak hiçbir katkı sağlamadı.

## SynthID-Text Nasıl Çalışır?

Google DeepMind tarafından geliştirilen ve Hugging Face `transformers` kütüphanesine eklenen SynthID-Text, model ağırlıklarını değiştirmez. Üretim anında bir logits işlemcisi son 4 tokene bakar; gizli bir anahtar kullanarak kelime dağarcığını "tercih edilen" ve "edilmeyen" olarak ikiye böler ve örneklemeyi tercih edilenlere yönlendirir. Metin doğal akışında okunur. Dedektör modelin kendisine ihtiyaç duymaz; yalnızca anahtar ve tokenizer yeterlidir. İnsan metinlerinde ortalama 0,500 olan bu tercih skoru (**g-değeri**), filigranlı metinlerde daha yüksek çıkar.

### g-Değerlerini Karara Dönüştürmenin İki Yolu
- **Bayesyen Dedektör:** Hugging Face örneğinde yer alan ~900 parametreli mini modeldir. Filigranlı ve temiz metinlerle eğitilerek metnin filigran taşıma olasılığını üretir.
- **Ortalama Testi (Mean Test):** Ortalama g-değerinin şans faktörünün üzerinde olup olmadığını z-skoru ile inceler. Filigransız metinlerde z yaklaşık 0 iken, 2.3 veya üzeri bir z-skoru temiz metinlerde yalnızca %1 oranında ortaya çıkar.

## Deney Kurulumu
Tüm süreç 16 GB VRAM'e sahip tek bir dizüstü bilgisayar GPU'sunda çalıştırıldı:
1. **Filigranlı Yazar:** `Qwen/Qwen3-4B-Instruct-2507` modeli bf16 formatında ve Hugging Face örneğindeki konfigürasyonla (30 anahtar, n-gram: 5, temperature: 1.0, top-k: 40) `SynthIDTextWatermarkingConfig` üzerinden çalıştırıldı.
2. **Dedektör:** ELI5 veri kümesinden 1.200 filigranlı cevap, 3.000 Wikipedia makalesi ve 480 temiz ELI5 cevabı ile TensorFlow kullanılmadan 6 dakikada (100 epoch, %70/%30 bölme) eğitildi. %1 yanlış pozitiflikte %99,7, %0,1'de ise %98,1 başarı gösterdi.
3. **Test Metinleri:** 10 farklı türde (haber, teknik anlatım, bilim, kurgu vb.) 190-900 kelimelik 100 konu belirlendi; model bunların hem filigranlı hem temiz versiyonlarını üretti.

## Geliştiriciler İçin Pratik Çıkarımlar
Yazılım geliştiriciler ve yapay zeka mühendisleri için bu bulgular kritik bir ilkeyi ortaya koyuyor: **Semantik sadakat ile filigran kalıcılığı doğrudan bağlantılıdır.** Prompt tabanlı basit yeniden yazma işlemleri, anlamı korumaya çalışan güçlü modellerde n-gram istatistiksel izlerini tamamen yok edemez. Üretim ortamlarında içerik doğrulama ve filigran denetimi kurgularken tekil yeniden yazımlara aldanılmamalı, hassasiyeti ayarlanabilir çoklu dedektör katmanları kullanılmalıdır.

---

**Kaynak:** dev.to (https://dev.to/vadim_albarov/i-watermarked-100-texts-with-synthid-and-asked-local-llms-to-wash-it-out-the-detector-still-saw-500i)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/100-metni-synthid-ile-filigranladim-ve-yerel-llm-lerden-temizlemesini