San Francisco, CA, 20 Ekim 2026, Chainwire
Araştırmacılar, Sentient’in kendi yöntemi dâhil neredeyse tüm parmak izi tekniklerinin atlatılabildiğini ortaya koyduktan sonra, yeni Fingerprinting Leaderboard kopyalama, ince ayar, damıtma ve bilinçli saldırılara hangi yöntemlerin gerçekten dayanabildiğini açıkça test edecek.
Yapay zekâ modellerini eğitmek milyonlarca dolara mal olabiliyor. Ancak bu modeller kopyalandığında, üzerine ince ayar çekildiğinde veya başka bir modele damıtıldığında, orijinal kaynaklarını ispatlamak son derece güçleşiyor.
Sentient bünyesindeki araştırmacılar, bu sorunu çözmek için önerilen on farklı tekniği masaya yatırdı ve yeterince yetkin bir saldırganın modeli kullanışlı kılmaya devam ederken bu yöntemlerin neredeyse tamamını bertaraf edebildiğini gösterdi. Buna Sentient’in kendi parmak izi yöntemi de dâhildi.
Şimdi Sentient Foundation, hangi yaklaşımların gerçekten işe yaradığını, model performansını ne ölçüde etkilediğini ve en önemlisi bu parmak izlerinin silinme girişimlerine dayanıp dayanamadığını ölçmek üzere tasarlanmış açık bir kıyaslama platformu olan Fingerprinting Leaderboard’u devreye alıyor.
Konu, her nesilde daha yetkin yapay zekâ modelleri yayınlanıp, ince ayar görüp damıtılarak yeniden paketlendikçe daha kritik hâle geliyor. Model ağırlıkları kolayca kopyalanırken, metadata kaybolabiliyor; geliştiricilerinse kendi çalışmalarından türediğini iddia ettikleri modeller için güvenilir kanıt üretme imkânı daralıyor.
Parmak izi yaklaşımı, bambaşka bir kapı aralıyor: Köken kanıtını doğrudan modelin içine yerleştirmek.
“Yapay zekâ modelleri, dünyadaki en değerli fikrî mülkiyet varlıklarından biri hâline geliyor. Buna karşın bir model kopyalandığında veya damıtıldığında mülkiyeti ispatlamak olağanüstü zorlaşıyor,” diyor Sentient Foundation’da Girişim ve Büyüme Direktörü Sachi Kamiya. “Parmak izi, kanıtı doğrudan modelin içine koyuyor. Rönesans ressamlarının eserlerine gömdüğü gizli imzaların, yapay zekâ çağındaki karşılığı gibi düşünebilirsiniz.”
Modelin İçine Gizlenen İmza
Sentient Labs ve ekosistemdeki diğer araştırmacılar tarafından geliştirilen model parmak izi yöntemleri, bir modele özgü ayırt edici sinyaller üretmeye, keşfetmeye veya doğrulamaya dayanıyor. Böylece bu sinyaller, modelin kimliğini ya da soy zincirini sonradan test etmeye imkân tanıyor.
Sentient’in yaklaşımı, eğitim sürecinde modele gizli davranış imzaları gömüyor. Daha sonra model sahibinin, şüpheli türev modele erişmesi için yalnızca API erişimi yeterli oluyor. Sahip olduğu gizli sorgu cümlelerini (challenge prompts) gönderip yanıtları kontrol ederek, orijinal modelin izlerinin hâlâ var olup olmadığını test edebiliyor.
Basit ifadeyle: Model, geldiği yerin delilini üzerinde taşıyor.
“Bu işaret, eğitim sırasında kodlanan bir davranış imzası ve daha sonra şüpheli modelin hâlâ orijinalin izlerini taşıyıp taşımadığını ortaya çıkaran özel sorgu cümleleriyle doğrulanıyor,” diyor Sentient Labs’te Yapay Zekâ Araştırmacısı Eduardo Contente.
Böylece, yapay zekâ alanında tarihsel olarak eksik olan bir unsur ortaya çıkıyor: Günlük kaydı, metadata veya harici sorušturmaya bel bağlamadan, bizzat model üzerinden doğrulanabilen bir köken zinciri (model provenance).
Tek Bir Modelle 24.576 Parmak İzi
Sentient araştırmacıları, parmak izi tekniğinin önceki yaklaşımların ötesine ölçeklenebileceğini şimdiden göstermiş durumda.
NeurIPS 2025’te öne çıkarılan Perinucleus yöntemi, Llama-3.1-8B modeline 24.576 parmak izini, modelin işe yararlılığında kayda değer bir düşüş yaratmadan gömmeyi başardı. Bu parmak izlerinin önemli bir kısmı, daha sonra yapılan ince ayar süreçlerinden de sağ çıkarak yoluna devam etti.
Bu ölçek önemli: Daha fazla parmak izi, istatistiksel güveni artırıyor, köken doğrulaması için daha fazla fırsat sunuyor ve model kopyalanıp dağıtıldıkça dayanıklılığı güçlendiriyor.
Ancak ölçek sadece sorunun yarısı. Asıl zor soru, bu parmak izlerinin, onları bilinçli biçimde temizlemek isteyenlere karşı ayakta kalıp kalamayacağı.
Sentient, Kendi Parmak İzlerini de Kırmaya Çalıştı
Sentient Labs’in son çalışmaları, halihazırda literatürde yer alan birçok parmak izi ve filigranlama (watermarking) yönteminin yetenekli saldırganlara karşı hâlâ kırılgan olduğunu gösteriyor.
SaTML 2026 konferansında sunulan araştırmada, Sentient ekibi son dönemde önerilen on parmak izi şemasına karşı uyarlanabilir (adaptive) saldırılar geliştirdi ve yeterince sofistike bir saldırganın, modelin işlevselliğini korurken bu şemaların neredeyse tamamını atlatabildiğini ortaya koydu.
Buna Sentient’in kendi Perinucleus yöntemi de dâhildi.
Sentient, bu zayıflıkları saklamak yerine kamuya açıkladı.
Fingerprinting Leaderboard, bu saldırı–savunma sürecini açık bir kıyaslama platformuna dönüştürmek üzere tasarlandı. İlk sürüm, farklı tekniklerin parmak izlerini model performansını bozmadan ne kadar etkili biçimde gömebildiğini ölçüyor. Yakında eklenecek yeni sürümle birlikte, parmak izlerinin kasıtlı silme ya da atlatma girişimlerine karşı ne kadar dayanıklı olduğu da test edilmeye başlanacak.
Hedef net: Bir parmak izinin varlığı, yalnızca akademik bir testte değil, onu yok etmeye çalışan kararlı bir saldırgan karşısında da sürmeli.
Araştırma Topluluğuna Açık Test Ortamı
Sentient, liderliğe paralel olarak mlprints isimli açık kaynak kütüphanesini de yayımlıyor. Bu kütüphane, parmak izi yöntemleri ve saldırılarını ortak bir değerlendirme çerçevesi altında topluyor.
Araştırmacılar bu sayede yeni şemalar geliştirebilecek, yeni saldırılar tasarlayabilecek, mevcut sonuçları yeniden üretebilecek ve farklı yaklaşımları aynı koşullar altında kıyaslayabilecek.
Fingerprinting Leaderboard, toplulukla birlikte evrilmek üzere tasarlandı. Böylece model parmak izi alanı, dayanıklılık iddialarının bağımsız biçimde sınanabildiği, açık bir test ortamına dönüşebilecek; bu iddialar yalnızca beyan düzeyinde kalmayacak.
Mülkiyetten Vazgeçmeden Açık Modeller
Parmak izi teknolojisi, açık kaynak yapay zekânın en çetrefilli sorunlarından birine çözüm getirebilir.
Bugün geliştiriciler sıkça şu ikilemle karşı karşıya: Model ağırlıklarını kapalı tutup sıkı kontrol altında mı tutmalı, yoksa tamamen açıp kopyalama ve yeniden kullanımın takibini fiilen imkânsız mı kılmalı?
Parmak izi üçüncü bir seçenek sunuyor.
Kopyalamayı baştan engellemek yerine, kopyalama gerçekleştikten sonra modelin nereden geldiğine dair kanıt üretiyor. Bu kanıt; atıf, lisans takibi, ekonomik güvence mekanizmaları ve doğrulanabilir “model kökeni”ne dayalı başka sistemleri destekleyebilir.
Model kökenini doğrulanabilir hâle getirerek, Sentient’in parmak izi araştırmaları ve Fingerprinting Leaderboard girişimi, modellerin paylaşılabildiği ve üzerine inşa edilebildiği; ancak geliştiricilerin teknolojinin kaynağını ispat etme hakkını otomatik olarak kaybetmediği, daha açık bir yapay zekâ ekosistemi hedefliyor.
Daha uzun vadeli hedef ise daha iddialı: Modelin yetenekleriyle o kadar iç içe geçmiş bir parmak izi ki, onu sökmeye çalışmak modelin performansını da kalıcı biçimde zedelemeden mümkün olmasın.
İspatlanabilir Fikrî Mülkiyet. Modelinizi Tanıyın.
Daha fazlası için: https://fingerprint.sentient.foundation
Sentient Foundation Hakkında
Sentient Foundation, Genel Yapay Zekânın (AGI) açık kaynak ve insanlıkla uyumlu kalmasını sağlamaya adanmış kâr amacı gütmeyen bir kuruluştur. Tarafsızlık ve şeffaflığı temel prensip edinerek faaliyet gösteren Vakıf; açık kaynak AGI’nin küresel ölçekte benimsenmesini destekliyor, güvenlik ve hizalama standartlarını savunuyor, dünya çapında geliştiricilere hibeler sağlıyor ve sorumlu yapay zekâ geliştirme için yönetişim çerçevelerini koordine ediyor. Basın için iletişim: [email protected]
Website: https://sentient.foundation
X: https://x.com/sentient_found
LinkedIn: https://www.linkedin.com/company/sentient-foundation/
Sentient Labs Hakkında
Sentient Labs, Sentient Foundation’ın teknik araştırma ve ürün geliştirme birimidir.
Akıl yürütme, hizalama ve çoklu ajan koordinasyonu alanlarında öncü uygulamalı araştırmalar yürüten Labs, topluluk odaklı yapay zekânın gücünü gösteren, ROMA, OML ve Arena dâhil (ancak bunlarla sınırlı olmayan) açık kaynak çerçeveler ve modeller geliştiriyor. Bu çalışmalar; açık kaynak araçların ticarileştirilmesini mümkün kılmayı, ekosistem genelinde koordinasyonla açık kaynak yapay zekânın kalite ve faydasını yükseltmeyi ve açık kaynağı yapay zekâda varsayılan standart hâline getirecek dağıtım ağını sağlamayı amaçlıyor.
Website: https://sentient.xyz
LinkedIn: https://www.linkedin.com/company/sentientagi
İletişim
Sachi Kamiya
Sentient Foundation
[email protected]