Ağustos 2026 itibarıyla Claude’un ürettiği metinler, kelime seçimlerine gömülü görünmez bir istatistiksel filigran taşıyabilir. Bu işaret ekranda görünmez, yazım denetiminde çıkmaz ve metni doğrudan başka bir belgeye kopyaladığınızda da kalır. Anthropic bunu, yapay zekâ üretimi metinlerin modele kadar izlenebilmesi için kullanır.
Kendi metinlerinizdeki görünmez karakterleri, dosya meta verilerini veya menşe verilerini denetlemek ve temizlemek istiyorsanız, açık kaynaklı watermarks-remover projesi bu iş için kullanılan araçlardan biridir. Bu yazıda Claude’un filigran mekanizmasını, aracın kapsamını ve güvenli bir denetim/temizleme akışını ele alıyoruz.
Bu işlemleri yalnızca sahip olduğunuz içeriklerde gizlilik, veri hijyeni ve yayın öncesi meta veri temizliği için kullanın. Akademik kuralları, sözleşmeleri, platform koşullarını veya yapay zekâ kullanımına ilişkin açıklama yükümlülüklerini aşmak için menşe işaretlerini kaldırmak uygun değildir.
Özet
- Claude’un metin işareti gizli bir Unicode karakteri değildir; kelime seçimlerine dağıtılmış istatistiksel bir imzadır.
- Kopyala-yapıştır işlemi bu sinyali kaldırmaz. Yoğun düzenleme, yeniden ifade etme ve çeviri ise sinyali zayıflatabilir.
- Kısa metinlerde ve kaynak kodda işaret zayıf olabilir; biçimlendiriciler ve lint araçları kalan sinyali de azaltabilir.
- watermarks-remover, Python 3.10+ ile çalışan, MIT lisanslı bir araç setidir.
- Katman A; görünmez Unicode karakterlerini, çift yönlü metin kontrollerini ve sıra dışı boşlukları deterministik biçimde temizler.
- Katman B; kelime seçimine dayalı istatistiksel işaretleri hedeflemek için metni yeniden yazmayı gerektirir. Bu işlem garanti vermez ve metnin üslubunu veya kesinliğini etkileyebilir.
- Araç; PNG, JPEG, SVG, PDF, DOCX, ODT, HTML ve Markdown dosyalarındaki C2PA, EXIF, XMP ve belge özelliklerini temizleyebilir.
Claude’un filigranı aslında nedir?
Claude’un metin filigranı, kelimelerin arasına eklenmiş sıfır genişlikli boşluklardan veya görünmez karakterlerden oluşmaz. Bu nedenle yalnızca karakter araması yaparak Claude’un istatistiksel metin işaretini bulup silmek mümkün değildir.
İşaret, modelin bir sonraki belirteci seçme biçiminde oluşur. Claude metin üretirken benzer olasılığa sahip kelime seçenekleri arasından seçim yapar. Filigran mekanizması, bu seçimleri gizli bir anahtara göre hafifçe etkiler. Tek bir cümlede fark edilmeyen bu değişiklikler, yeterince uzun metinde istatistiksel olarak tespit edilebilir bir desen oluşturur.
Bu tasarımın iki pratik sonucu vardır:
- Kopyala-yapıştırdan sağ çıkar. Sinyal dosya meta verisinde değil, kelime seçimindedir.
- Düzenleme altında zayıflar. Yeniden yazma, çeviri, yoğun düzenleme veya insan yazısıyla harmanlama istatistiksel deseni bozabilir.
Anthropic, bu yaklaşımı 2 Ağustos 2026 itibarıyla model düzeyinde kullanıma sunduğunu belirtti. Bu nedenle Claude uygulamaları, API, Claude Code ve AWS, Google Cloud ile Microsoft Foundry üzerinden erişilen model yüzeyleri aynı yaklaşımı kullanabilir. Model erişimlerinin nasıl değiştiğine ilişkin ek bağlam için Fable 5 Herkes İçin Kapandı yazısına bakabilirsiniz.
Bir filigranın tespit edilmesi, metnin Claude’dan geçmiş olabileceğini gösterebilir; tek başına hile veya kötü niyet kanıtı değildir. Düzenleme, çeviri, özetleme ve hayalet yazarlık gibi süreçler de benzer izler bırakabilir.
İki filigran türü, iki farklı işlem
watermarks-remover, farklı mekanizmaları tek bir işlem gibi ele almak yerine iki katmana ayırır.
Katman A: Deterministik karakter temizleme
Bu katman şunları hedefler:
- Sıfır genişlikli karakterler
- Sıra dışı Unicode boşlukları
- Çift yönlü metin kontrolleri
- Unicode etiket karakterleri
Bu işlem saf Python ile yapılır; model çağrısı gerektirmez. Bu nedenle deterministik, test edilebilir ve metnin görünür içeriğini koruyan bir temizleme yaklaşımıdır.
Katman B: İstatistiksel metin yeniden yazma
Claude’un kelime seçimine dayalı işaretini değiştirmek için kelimelerin de değişmesi gerekir. Araç bu amaçla cümle bazlı yeniden ifade etme akışı sunar.
Bu yaklaşımın sınırları vardır:
- Üslup değişebilir.
- Teknik ifadelerin anlamı kayabilir.
- Sonuç garanti edilemez.
- Kaliteli sonuç için ek bir model veya insan incelemesi gerekebilir.
Dosya meta verisi temizleme
Araç ayrıca dosyalardaki şu veri türlerini temizleyebilir:
- C2PA manifestoları
- EXIF meta verileri
- XMP meta verileri
- Gömülü belge özellikleri
C2PA, dosyayla birlikte taşınan imzalı bir içerik kökeni manifestosudur. Kelime seçimine dayalı istatistiksel işaretlerden farklı olarak, dosya dönüştürme veya yeniden kaydetme işlemleri C2PA verisini çoğu durumda düşürebilir.
Araç Claude, Gemini/SynthID-Text, OpenAI ve Kirchenbauer tarzı açık kaynaklı işaretleme yaklaşımlarını aynı mimaride ele alır. Piksel alanına gömülü SynthID görüntü filigranları temizleme kapsamı dışındadır; proje bunları yalnızca isteğe bağlı harici bir ters-SynthID denetimiyle puanlayabilir.
Hangi durumlarda temizleme gerekmeyebilir?
İşleme başlamadan önce metnin veya dosyanın risk profilini değerlendirin.
- Kısa metinler: Birkaç cümle, istatistiksel tespit için yeterli belirteç seçeneği sunmayabilir.
- Kaynak kodu: Kodda kelime ve belirteç seçimi daha kısıtlıdır. Formatter, linter ve refactoring araçları da kalan yapısal sinyali değiştirebilir.
- Yoğun düzenlenmiş içerik: Metnin önemli kısmını yeniden yazdıysanız istatistiksel desen zaten zayıflamış olabilir.
- C2PA içeren dosyalar: Yeniden kaydetme veya format dönüşümü çoğu zaman manifestoyu kaldırabilir.
Pratikte, temizleme ihtiyacı çoğunlukla iki grupta toplanır:
- Büyük ölçüde değişmeden kalan uzun düz yazı metinleri
- Yayınlanmadan önce meta verisi denetlenmesi gereken dosyalar
watermarks-remover kurulumu
Proje, bağımsız Python betikleri ve ajan becerisi olarak kullanılabilir. Python 3.10+ gerekir. Temel metin ve meta veri işlemleri standart kütüphane ile çalıştığından, çekirdek kullanım için ek pip install adımı gerekmez.
git clone https://github.com/guillaumemeyer/watermarks-remover.git
cd watermarks-remover
Ajan becerisi olarak kullanmak isterseniz, örneklerdeki Grok tarzı beceri dizinine sembolik bağlantı oluşturun:
mkdir -p ~/.grok/skills
ln -sfn "$(pwd)/skills/remove-ai-marks" ~/.grok/skills/remove-ai-marks
Betiği doğrudan çalıştırmak için dizin yolunu değişkene alın:
export SCRIPTS="$(pwd)/skills/remove-ai-marks/scripts"
İsteğe bağlı araçlar:
-
c2patool: C2PA manifestolarını ayrıntılı incelemek için -
exiftool: Görsellerde kalmış ek meta verileri temizlemek için
Bu iki araç temel iş akışı için zorunlu değildir.
Dosyayı değiştirmeden önce inceleyin
Dosyayı doğrudan temizlemek yerine önce denetleyin:
python3 "$SCRIPTS/inspect_file.py" draft.md
Bu komut dosyayı değiştirmeden şunları raporlar:
- Görünmez karakterler
- Meta veri blokları
- Menşe manifestoları
- Diğer tespit edilen işaretler
Bu adımı rutin hâle getirin. Denetim sonucu dosyanın temiz olduğunu gösteriyorsa ek işlem yapmanız gerekmez. Beklenmedik veri bulursanız, kaynak dosyayı değiştirmeden önce ne yapacağınıza karar verebilirsiniz.
Metindeki görünmez işaretleri temizleme
Deterministik Katman A temizliği için clean_text.py kullanın:
python3 "$SCRIPTS/clean_text.py" draft.md -o draft.cleaned.md --stats
Bu komut:
- Görünmez Unicode karakterlerini
- Sıra dışı boşlukları
- Çift yönlü metin kontrollerini
- Unicode etiket karakterlerini
temizler.
--stats parametresi, bulunan ve kaldırılan öğelerin özetini yazdırır. -o parametresi ise kaynağın üzerine yazmak yerine temizlenmiş çıktıyı yeni bir dosyaya kaydeder.
Önce yeni dosya üretin, ardından fark kontrolü yapın:
diff -u draft.md draft.cleaned.md
Bu yaklaşım, görünür metnin beklenmedik biçimde değişmediğini doğrulamak için kullanışlıdır.
Görsel ve belge meta verilerini temizleme
Görüntü veya belge dosyalarında C2PA, EXIF, XMP ve gömülü özellikleri temizlemek için clean_file.py çalıştırın:
python3 "$SCRIPTS/clean_file.py" photo.png -o photo.cleaned.png
Araç şu formatları işler:
- PNG
- JPEG
- SVG
- DOCX
- ODT
- HTML
- Markdown
Görsel meta verilerini daha ayrıntılı temizlemek isterseniz, exiftool ile ikinci bir geçiş uygulayabilirsiniz:
exiftool -all= photo.cleaned.png
C2PA için bu işlem genellikle öngörülebilir bir dosya hijyeni adımıdır. Yalnızca görüntüdeki menşe manifestosu ile ilgileniyorsanız, format dönüştürme çoğu durumda benzer sonuç üretse de bu araç temizleme sürecini açık ve tekrarlanabilir hâle getirir.
Katman B: İstatistiksel işaretlerde yeniden yazma
İstatistiksel metin işaretleri için tek seçenek metni değiştirmektir. Araç, yeniden ifade etme istemi hazırlamak için rewrite_text.py sağlar:
python3 "$SCRIPTS/rewrite_text.py" draft.md --backend print-prompt --strength paraphrase
--backend print-prompt, doğrudan bir modele istek göndermek yerine yeniden yazma istemini ekrana yazdırır. Böylece hangi modelin veya insan editörün metni yeniden düzenleyeceğini siz seçersiniz.
--strength parametresi yeniden ifade etmenin agresifliğini belirler.
Ancak bu adımı uygulamadan önce kalite maliyetini değerlendirin:
- Metnin sesi ve üslubu değişebilir.
- Teknik terimler veya koşullar yanlış yorumlanabilir.
- Anlam kayması oluşabilir.
- Sonucu bağımsız olarak doğrulamak zor olabilir.
Bu nedenle Katman B’yi varsayılan işlem olarak değil, belirli ve meşru bir gereksinim olduğunda kullanın. Çoğu iş akışında Katman A ve dosya meta verisi temizliği yeterlidir.
Sonucu doğrulama
Temizlenmiş metni tekrar inceleyin:
python3 "$SCRIPTS/inspect_file.py" draft.cleaned.md
C2PA manifestosu kontrolü için c2patool kullanın:
c2patool photo.cleaned.png
Katman A ve dosya meta verisi temizleme sonuçları denetleyici araçlarla doğrulanabilir. Buna karşılık, istatistiksel metin işaretleri için doğrulama daha sınırlıdır; algılama anahtarına sahip değilseniz sonucu kesin biçimde test edemezsiniz.
Anthropic’in belirttiği algılama API’si kullanıma açıldığında, istatistiksel işaret denetimi daha somut hâle gelebilir. Bu tür bir doğrulamayı tekrarlanabilir bir API iş akışına dönüştürmek için ekipler genellikle Apidog gibi API test araçlarını kullanır. Model destekli uç noktaları test etmeye yönelik daha geniş yaklaşım için Bir API Üzerinden Yapay Zekâ Ajanları Nasıl Test Edilir yazısına göz atabilirsiniz.
Yasal ve etik sınırlar
Bu araç setinin uygun kullanım alanı, sahip olduğunuz içeriklerde gizlilik ve hijyendir. Örnekler:
- Kendi taslaklarınızdaki görünmez izleme karakterlerini temizlemek
- Yayın öncesi görsel meta verilerini kaldırmak
- Kendi dosyalarınızdaki gömülü belge özelliklerini denetlemek
- Kendi içerik politikalarınıza göre menşe verilerini yönetmek
Şu amaçlarla kullanılmamalıdır:
- Akademik sahtekârlık
- Yapay zekâ açıklama yükümlülüklerinden kaçınma
- Müşteri sözleşmelerini veya platform koşullarını ihlal etme
- Yapay zekâ çıktısını maddi olarak yanıltıcı biçimde insan eseri gibi sunma
Filigranın bulunması yazarlığı kesin olarak kanıtlamaz; filigranın bulunmaması da insan kökenini kanıtlamaz. Şüpheli durumlarda açıklama yapmak, belirsiz bir sinyali gizlemeye çalışmaktan daha güvenli bir yaklaşımdır.
Yapay zekâ kullanımını kendi altyapınızda, kendi menşe politikanızla yönetmek istiyorsanız yerel modeller de bir seçenek olabilir. Mevcut alternatifler için 2026’da Çalıştırılacak En İyi Yerel Büyük Dil Modelleri yazısına bakabilirsiniz.
Sıkça Sorulan Sorular
Claude metnindeki filigran karakterlerini bulup silebilir miyim?
Hayır. Claude’un metin filigranı görünmez karakter dizilerinden oluşmaz; kelime seçimlerine dağıtılmış istatistiksel bir sapmadır. Ancak başka bazı araçların eklediği görünmez karakterler Katman A ile temizlenebilir.
Claude çıktısını kopyala-yapıştır yapmak filigranı kaldırır mı?
Hayır. İstatistiksel işaret meta veride değil, metnin kelime seçimlerinde bulunduğu için kopyala-yapıştırdan sağ çıkabilir.
watermarks-remover ücretsiz mü?
Evet. Araç MIT lisanslı açık kaynaklı bir projedir. Çekirdek metin ve meta veri betikleri Python 3.10+ ve standart kütüphane ile çalışır.
Claude Code çıktısında işe yarar mı?
Araç çalışabilir, ancak kaynak kodunda istatistiksel işaret genellikle zayıftır. Kodun kısıtlı sözdizimi ile formatter ve lint araçları sinyali azaltabilir.
SynthID gibi görüntü filigranlarını kaldırır mı?
Piksel tabanlı filigranları kaldırmaz. C2PA, EXIF ve XMP gibi dosya düzeyindeki meta verileri temizleyebilir; isteğe bağlı harici bir yapılandırmayla SynthID işaretlerini puanlayabilir.
Filigranı kaldırmak yasal mı?
Sahip olduğunuz içerikteki bir menşe işaretini kaldırmak tek başına yasa dışı olmayabilir. Ancak akademik politikaları, sözleşmeleri veya yapay zekâ açıklaması gerektiren platform koşullarını ihlal edebilir.
İstatistiksel işaretin gerçekten kalktığını nasıl doğrularım?
Şimdilik bunu kesin olarak doğrulamak zordur; algılama anahtarı sizde değildir. Katman A temizliği ve C2PA kaldırma işlemleri ise inspect_file.py ve c2patool gibi araçlarla doğrulanabilir.
Top comments (0)