Eğitimin Amacı ve Kapsamı
Finans, sağlık, telekom ve kamu gibi regüle sektörlerde müşteri verisinin veya ticari sırların bulut tabanlı LLM sağlayıcılarına açık metin olarak gönderilmesi hem KVKK/GDPR hem de sektörel düzenlemeler açısından ciddi uyum engelleri doğurur. Eğitim; gizlilik mühendisliği tekniklerini LLM yaşam döngüsünün tamamına (ingest, RAG, prompt gönderimi, model çıkarımı ve loglama) entegre eden uçtan uca gizlilik korumalı mimarileri ele alır.
Katılımcılar Microsoft Presidio ve Türkçe NER modelleriyle PII maskeleme, yanıtta geri açılan (reversible) pseudonimizasyon, veri yerelliği (bölgesel bulut ve yerel açık ağırlıklı model hibrit yönlendirmesi) ve gizli bilişim seçeneklerini uygulayarak kurumlarına özel bir gizlilik mimarisi tasarlar.
Kimler Katılmalı?
- Regüle sektörlerde LLM ve RAG çözümleri tasarlayan yapay zeka ve yazılım mimarları
- Gizlilik mühendisleri (privacy engineers) ve veri güvenliği uzmanları
- Bulut ve platform altyapısından sorumlu mühendislik ekipleri
- Ön koşul: Python, kurumsal API mimarileri ve temel veri koruma kavramları bilgisi
Kazanımlar
- Veri sınıflandırma seviyesine göre yerel ve bulut LLM'ler arasında hibrit yönlendirme mimarisi kurmak
- Türkçe ve İngilizce metinlerde çalışan PII maskeleme ve geri dönüştürülebilir pseudonimizasyon akışları geliştirmek
- RAG bilgi tabanlarında indeksleme öncesi anonimleştirme ve erişim kontrolü uygulamak
- Bölgesel bulut (data residency), sıfır veri saklama ve müşteri yönetimli şifreleme (CMK) kontrollerini yapılandırmak
- KVKK yurt dışı veri aktarımı ve gizlilik etki değerlendirmesi (DPIA) için teknik kanıt paketi hazırlamak
Konular
LLM Sistemlerinde Gizlilik Tehditleri ve Veri Yaşam Döngüsü
- Prompt, context, embedding, fine-tuning, cache ve log katmanlarında kişisel veri sızıntı noktaları
- KVKK, GDPR ve sektörel düzenlemelerin LLM veri akışlarına getirdiği teknik kısıtlar
PII Tespiti, Maskeleme ve Tersine Çevrilebilir Pseudonimizasyon
- Microsoft Presidio, regex/checksum (TCKN, IBAN, kredi kartı) ve Türkçe NER modelleri
- Token vault ile yer tutucu (placeholder) atama ve model yanıtında güvenli geri açma (detokenization)
Yapılandırılmış ve Yapılandırılmamış Veride Anonimleştirme
- k-anonymity, l-diversity, genelleştirme ve dolaylı tanımlayıcıların (quasi-identifiers) bastırılması
- RAG dokümanları ve eğitim/değerlendirme veri setlerinde bağlamsal yeniden tanımlama riskinin azaltılması
Veri Yerelliği (Data Residency) ve Egemen/Hibrit Model Dağıtımı
- Bulut sağlayıcılarında bölge kilitleme, Zero Data Retention (ZDR) ve abuso izleme istisnaları
- Hassas veriyi kurum içi açık ağırlıklı modellere (vLLM/Llama/Qwen) yönlendiren gizlilik duyarlı router tasarımı
Şifreleme, Embedding Gizliliği ve Gizli Bilişim
- Embedding tersine çevirme (inversion) saldırılarına karşı vektör şifreleme ve izolasyon
- Gizli GPU bilişimi (Confidential Computing / TEE) ve uçtan uca gizlilik mimarisi tasarım atölyesi
Bu Kategorideki Diğer Eğitimler
-
Microsoft Presidio, GLiNER ve Türkçe kural/NER katmanlarını kullanarak LLM API'leri önüne düşük gecikmeli bir PII tespit, maskeleme ve geri çözme (de-pseudonymization) ağ geçidi (gateway) geliştirmeyi öğreten uygulamalı eğitim.
- Canlı Kurs
- 5 modül
-
Canlı müşteri verisini test, analitik ve LLM değerlendirme ortamlarına taşımak yerine k-anonymity, diferansiyel gizlilik (differential privacy) ve SDV/LLM tabanlı sentetik veri üretimiyle güvenli veri setleri oluşturmayı öğreten eğitim.
- Canlı Kurs
- 5 modül
-
LLM ve agent sistemlerinin OpenTelemetry, Langfuse ve SIEM loglarında biriken kişisel verileri temizlemeyi; saklama süresi, erişim kontrolü, silme/unutulma hakkı ve KVKK uyum gereksinimlerini mühendislik düzeyinde uygulamayı öğreten eğitim.
- Canlı Kurs
- 5 modül
-
OWASP Agentic AI risk listesinin başında yer alan Agent Goal Hijack saldırılarını; planlama döngüsü, kalıcı bellek (memory) ve çok adımlı görev yürütmede hedef saptırma mekanizmalarını ve niyet doğrulama savunmalarını öğreten eğitim.
- Canlı Kurs
- 5 modül
-
Model Context Protocol (MCP) sunucuları, üçüncü taraf agent tool'ları ve A2A entegrasyonlarındaki tool poisoning, rug pull, gölge (shadowing) ve tedarik zinciri risklerini analiz edip güvenli MCP mimarisi kurmayı öğreten eğitim.
- Canlı Kurs
- 5 modül
-
LLM ve agent'ların ürettiği Python, SQL, shell veya şablon çıktılarının doğrudan çalıştırılmasından doğan uzaktan kod yürütme (RCE) ve enjeksiyon açıklarını; AST doğrulama ve güvenli çıktı işleme ile önlemeyi öğreten eğitim.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
