KİŞİSEL VERİ MASKELEME PLATFORMU

Verinizin değeri kalsın.
Kişisel bilgiler gizlensin.

Metin, belge ve tablolardaki kişisel verileri; yapay zekâ, analiz ve test sistemlerine ulaşmadan önce maskeleyin.

Maskelemeye başlayın Pilot çalışma planlayın

Türkçe odaklıTutarlı etiketlerTek REST API

Z-Mask / Metin işleme ÖRNEK

ORİJİNAL METİN

Merhaba, ben Elif Şahin.
Telefonum 0532 123 45 67.
E-posta: elif@example.com

Tanı · Doğrula · Maskele

MASKELENMİŞ ÇIKTI

Merhaba, ben [PERSON_1].
Telefonum [PHONE_1].
E-posta: [EMAIL_1]

VERİNİN KULLANILDIĞI HER YERDEYapay zekâ akışlarıBelge paylaşımıTest ortamlarıVeri analizi

ÜÇ İHTİYAÇ. TEK PLATFORM.

Her formatta kişisel veri kontrolü.

Metin maskeleme

Çağrı notları, e-postalar ve şikâyetlerde kişisel verileri tutarlı etiketlerle değiştirin. Yapay zekâdan gelen yanıtı eşleştirmeyle geri açın.

Belge ve görüntü

Taranmış sayfaları okuyun. Kişisel alanları, yüzleri, imzaları ve karekodları karartın; maskelenmiş PDF olarak indirin.

Tablo ve veritabanı

Kişisel veri sütunlarını otomatik keşfedin. Formatı koruyan sahte değerler, etiketler ve kısmi maskeleme yöntemleri kullanın.

SAAS · TOPLU İŞLEM · REST API

Panelden başlayın. İş akışınıza entegre edin.

Tek bir metinden düzenli veri akışlarına kadar Z-Mask’i ihtiyacınıza göre kullanın. Web çalışma alanı ve API, aynı maskeleme servislerini kullanır.

Web üzerinden SaaS

Hesabınıza giriş yapın; metin, PDF, görüntü veya tablonuzu işleyin. Maskeleme seçeneklerini belirleyin, çıktıyı indirin ve işlem geçmişinizi takip edin.

Çalışma alanını açın

Toplu maskeleme

Bir JSON dizisindeki birden fazla metni tek istekle maskeleyin. CSV, Excel ve SQLite dosyalarında sütun bazlı yöntemlerle çok sayıda kaydı işleyin.

Toplu işlemi deneyin

Uygulamanızdan REST API

CRM, belge yönetimi, analiz ve yapay zekâ akışlarından doğrudan istek gönderin. Belge koleksiyonları için her dosyayı API ile sırayla işleyen bir akış kurun.

API entegrasyonunu görüşün

Müşteri verisinden kullanılabilir çıktıya

Veriyi alın
Maskeleme politikasını seçin
API ile işleyin
Maskelenmiş çıktıyı kullanın

CRM notları → toplu metin maskeleme · Belge arşivi → dosya bazlı karartma · Test verisi → sütun bazlı maskeleme · LLM → maskele, yanıtı eşleştirmeyle geri aç

Bir istek. Birden fazla metin.

POST /v1/mask, texts dizisiyle toplu metin kabul eder. PDF ve görüntü için /v1/redact; tablo için /v1/table/profile ve /v1/table/mask uçlarını kullanın.

Mevcut SaaS API’si, oturum açmış kullanıcının erişim belirteci ve projenin publishable anahtarıyla çalışır. Erişim belirtecinin süresini ve yenilenmesini entegrasyonunuzda yönetin. Parolaları veya sunucu sırlarını istemci koduna koymayın.

Entegrasyon pilotu planlayın

REST API · cURL

ZMASK_API_URL="https://ownvacsoeaxuyrvipzxn.supabase.co/functions/v1/masking-gateway"

curl "$ZMASK_API_URL/v1/mask" \
  -H "Authorization: Bearer $ACCESS_TOKEN" \
  -H "apikey: $PUBLISHABLE_KEY" \
  -H "Content-Type: application/json" \
  --data '{"texts":["Elif Şahin, elif@example.com", "0532 123 45 67"],"return_mapping":false}'

Örnek veriler kurgusaldır. Toplu metin tek istekte işlenir; belge koleksiyonları dosya başına ayrı istek gerektirir. Hacim, eşzamanlılık ve entegrasyon ihtiyaçlarını pilot çalışmada birlikte belirleyelim.

GERÇEK İHTİYAÇLAR, SOMUT ÖRNEKLER

Metnin anlamını koruyun.
Kişisel bilgileri kontrol edin.

Bankacılıktan sağlığa, hukuk dosyalarından müşteri görüşmelerine: veriyi kullanılabilir tutan bir maskeleme akışı.

Çağrı notunu analiz edin; müşterinin kimliğini paylaşmayın.

ORİJİNAL

Zeynep Kaya, TR84 0006 2015 8069 9833 9762 60 hesabından Mert Çınar’a 18.750 TL EFT yaptı. İşlem tarihi: 14 Eylül 2026.

MASKELENMİŞ

[PERSON_1], [IBAN_1] hesabından [PERSON_2]’ye 18.750 TL EFT yaptı. İşlem tarihi: 14 Eylül 2026.

Tutar ve işlem bağlamı korunur; kişi ve hesap bilgileri etiketlenir.

Örnekler kurgusal verilerle hazırlanmıştır. Sonuçlar seçilen veri türlerine ve maskeleme politikasına göre değişir.

YAPAY ZEKÂ İLE GÜVENLİ VERİ AKIŞI

Yapay zekâya bağlamı gönderin.
Kimliği kurumunuzda tutun.

Çağrı özetleme, e-posta yanıtı ve belge analizi akışlarında kişisel alanları model çağrısından önce etiketleyin. Yanıtta kullanılan etiketleri eşleştirme verisiyle geri açın.

Veriyi alın

Çağrı notu, e-posta veya müşteri talebi uygulamanıza gelir.

Z-Mask ile maskeleyin

Seçilen alanlar [PERSON_1], [PHONE_1] gibi tutarlı etiketlere dönüşür.

Modelde işleyin

Bulut veya kurum içi model, maskelenmiş içerikten özet ya da yanıt üretir.

Yanıtı geri açın

Eşleştirmeyi kendi akışınızda kullanarak etiketleri özgün değerlerine çevirin.

Geri açılabilir etiketleme için eşleştirme verisinin erişimini kurumunuz yönetir. Test verisinde ise sahte değer veya hash gibi farklı yöntemler seçebilirsiniz.

SADECE METİN DEĞİL, BELGENİN TAMAMI

Taramadan paylaşılabilir PDF’e.

OCR ile metni okuyun; kişisel alanların yanında yüz, imza, QR ve barkodları da maskeleyin. Ön izlemede kutuları kontrol edin, eksik alanları elle ekleyin ve sonucu indirin.

Kimlik ve pasaport

Ad, kimlik numarası, doğum tarihi, fotoğraf ve pasaporttaki makine tarafından okunabilir alanlar.

Tapu ve vekâletname

Hak sahibi, aile bilgileri, kimlik alanları ve imzalar; belgeye özgü yerleşimler içinde.

Dilekçe ve nüfus kaydı

Yoğun metin, çok satırlı tablolar ve döndürülmüş taramalarda kişisel veri alanları.

Teknik proje ve formlar

Çizimin teknik içeriği korunurken üst bilgi, mühendis adı, telefon, adres ve imza alanları.

TÜRKÇE ODAKLI TANIMA

Kuralların doğruluğu.
Yapay zekânın esnekliği.

Doğrulamalı kural motoru ve çok dilli tanıma modeli birlikte çalışır. Kurum ve yer adları okunur kalırken kişisel bilgiler maskelenir.

Kişi adıT.C. kimlik noIBANTelefonE-postaAdresKart numarasıDoğum tarihiTaşınmaz

Kurumunuza özel etiketler

Yeniden eğitim veya kod değişikliği olmadan kendi veri türlerinizi tanımlayın.

Açıklama iletıbbi teşhis → [TESHIS_1]

Desen ileMN-482913 → [MUSTERI_NO_1]

Kelime listesi ileProje Kartal → [PROJE_1]

ÜRETİM VERİSİNDEN TEST VE ANALİZ VERİSİNE

Her sütun için doğru yöntem.

CSV, Excel ve SQLite dosyalarındaki sütunları profilleyin. Veri türüne ve kullanım amacına göre yöntemi seçin; aynı değerlerin tutarlı dönüşmesini sağlayarak ilişkileri koruyun.

Yöntem	Örnek çıktı	Kullanım amacı
Sahte değer	`Büşra Orhan`	Gerçekçi test verisi; desteklenen türlerde geçerli biçimler.
Etiket	`[PERSON_1]`	Kişi ve kayıt ilişkilerini okunabilir etiketlerle takip etme.
Kısmi maskeleme	`A* Y*`	Bilginin yalnızca gerekli bölümünü görünür bırakma.
Hash	`84b19…`	Özgün değeri göstermeden tutarlı bir temsil üretme.
Karartma	`████████`	Alan içeriğini tamamen gizleme.

Sütun bazında politika TCKN, IBAN ve kart biçimi doğrulama Tutarlı kayıt eşleştirme

MEVCUT SİSTEMLERİNİZE ENTEGRASYON

Tek API.
Birden fazla iş akışı.

Web panelinden kullandığınız maskeleme motorunu kendi uygulamalarınıza da bağlayın. Metin, belge ve tablo işleme için ortak bir servis katmanıyla ilerleyin.

Tanıma ve doğrulama

Çok dilli tanıma modeli; TCKN, IBAN ve kart numarası için doğrulamalı kurallar.

Kurumunuza özel politika

Açıklama, düzenli ifade ve kelime listeleriyle yeni etiketler; seçilebilir türler ve eşikler.

Kapasiteye göre kurulum

CPU ile başlangıç, GPU ile hızlandırma ve ihtiyaca göre paralel işleme. Kapasiteyi kendi verinizle pilotta ölçün.

SİZİN ALTYAPINIZ. SİZİN SEÇİMİNİZ.

Kurum içinde veya hizmet olarak.

Kurum içi

İnternetsiz maskeleme, yerel modeller ve kurumunuza ait politika. CPU ile başlayın, ihtiyaca göre GPU ekleyin.

Özel bulut

Kendi bulut hesabınızda çalıştırın. Durumsuz servislerle kapasiteyi yatay olarak artırın.

SaaS

Hesabınıza giriş yapın, metin veya belgenizi işleyin ve sonuçlarınızı tek çalışma alanından yönetin.

PİLOTTAN CANLI KULLANIMA

Kendi verinizle başlayın.

Başarı ölçütlerini birlikte belirleyin: hangi bilgiler gizlenecek, hangi bağlam korunacak ve iş yükünüz nasıl karşılanacak?

Pilot çalışma

Yaklaşık 2 hafta

Örnek verilerle tanıma kalitesini ve hızı ölçün; etiketleri ve maskeleme politikasını netleştirin.

Entegrasyon

Yaklaşık 2–4 hafta

API’yi kimlik doğrulama, LLM, belge ve veri tabanı iş akışlarına bağlayın.

Canlıya geçiş

Yaklaşık 1–2 hafta

Kurulum, kapasite ve izleme ayarlarını tamamlayıp gerçek iş yükünü devreye alın.

Sürekli iyileştirme

Kullanım boyunca

Yeni veri türleri ve etiketlerle politikayı geliştirin; kaliteyi dönemsel olarak değerlendirin.

Süreler sunumdaki örnek uygulama planıdır; kurumunuzun kapsamına ve entegrasyon ihtiyaçlarına göre birlikte netleştirilir.

Pilot çalışmayı konuşalım

MERAK EDİLENLER

İş akışınıza uygun
bir başlangıç.

Maskelemeden sonra özgün bilgiyi geri alabilir miyim?

Metinde etiketleme ve eşleştirme seçildiğinde, eşleştirme verisiyle etiketleri geri açabilirsiniz. Sahte değer, hash ve karartma aynı geri açma akışını kullanmaz.

Kurumumuza özel veri türleri tanımlayabilir miyiz?

Evet. Örneğin müşteri numarası için düzenli ifade, proje adları için kelime listesi veya teşhis için açıklama tabanlı bir etiket tanımlayabilirsiniz.

Belgelerde son kontrol yapabilir miyim?

Panelde özgün ve maskelenmiş sayfaları karşılaştırabilir, maskeleme kutularını kaldırabilir veya elle yeni kutular ekleyerek PDF’i yeniden oluşturabilirsiniz.

Veriler ve işlem geçmişi nasıl ele alınıyor?

Maskeleme motoru istekleri bellekte işler. SaaS çalışma alanında hesabınıza bağlı işlem özeti ve maskelenmiş metin geçmişi tutulur; geçmiş kayıtlarını panelden silebilirsiniz.

Kurum içinde internetsiz çalışabilir mi?

Yerel modellerle kurum içi kurulum desteklenir. Donanım, kapasite ve entegrasyon gereksinimleri pilot çalışmada değerlendirilir.

Kişisel veriyi paylaşmadan önce maskeleyin.

Kendi verinizle bir pilot çalışma başlatın.

Bizimle iletişime geçin

Verinizin değeri kalsın.Kişisel bilgiler gizlensin.