KYC Belgelerinde OCR: Textract, Vision Modeli ve Alan Bazında İnsan Onayı

Okumak kolay, neyin okunduğunu bilmek zor

Kimlik kartının ön yüzü modelden tertemiz bir JSON olarak dönüyor. Ad, soyad, doğum tarihi, seri numarası, hepsi dolu. Modelin kendi verdiği güven de yüksek. Oysa kartta doğum yılı 1997 yazıyor, JSON'da 1991 var. Seri numarasının köşesi flaş yansımasından okunmuyor, JSON'da ise eksiksiz bir seri numarası var. Ne bir hata fırladı ne bir şema ihlali oldu.

Sahne varsayımsal. Türkiye'deki bir ödeme altyapısı şirketi için geliştirdiğim üye işyeri başvuru platformunda iki yol yan yana çalışıyor: T.C. kimlik kartları OpenAI'ın Vision API'sine, vergi levhası ve ticaret sicili belgeleri AWS Textract'a gidiyor, ikisini belge türüne göre seçen tek bir OCR sağlayıcı katmanı var. Zor olan okumak değil, hangi alanın okunduğunu, hangisinin tahmin edildiğini ayırt etmek.

Textract neyi verir, neyi vermez

Textract'ın çıktısı Block nesnelerinden oluşur. Her WORD ve LINE bloğunun bir Confidence değeri ve Geometry içinde bir bounding box'ı vardır. AnalyzeDocument çağrısında FeatureTypes ile analizi seçersiniz: TABLES, FORMS, QUERIES, SIGNATURES ve LAYOUT. Vergi levhası gibi anahtar-değer düzenindeki bir belgede FORMS anahtarla değeri eşleşmiş verir. Her karakterin yerini ve servisin ondan ne kadar emin olduğunu bilirsiniz.

AnalyzeID ise dar bir alanda çalışıyor. Dokümantasyon onu ABD hükûmetinin verdiği pasaport ve sürücü belgeleri için tanımlıyor. Alanları FIRST_NAME, DATE_OF_BIRTH, DOCUMENT_NUMBER gibi standart adlarla ve alan başına güvenle döndürüyor, ABD pasaportunda MRZ'yi MRZ_CODE olarak ayrıca veriyor. T.C. kimlik kartı için elinizdeki araç AnalyzeDocument ya da DetectDocumentText ve onların ham satırları.

Dil desteği daha belirleyici. SSS sayfasına göre Textract basılı metin, form ve tablo çıkarımını İngilizce, Almanca, Fransızca, İspanyolca, İtalyanca ve Portekizce için sunuyor, metin algılama standart İngiliz alfabesi ve ASCII sembolleriyle sınırlı, Queries yalnızca İngilizce. Ç, Ğ, İ, ı, Ö, Ş ve Ü bu alfabenin dışında, GÜNEŞ'in GUNES gibi gelmesine hazırlıklı olun. Bunu kodlama bozulmasıyla karıştırmayın. Orada baytlar doğrudur, yorum yanlıştır. Burada harf baştan tanınmıyor. VKN, IBAN ve tarih gibi rakamlı alanlarda sorun yok, ticaret unvanında ve adreste var.

Vision modelinin iki yüzü

Görüntüyü okuyabilen dil modeli, yani vision modeli, bu açığı kapatıyor. Türkçe harfleri okuyor, etiketin hangi alana denk geldiğini anlıyor, eğik bir fotoğrafla ya da ticaret sicili gazetesinin serbest sayfasıyla başa çıkıyor.

Tehlike, hata yapma biçiminde. OCR yanıldığında bunu saklamaz, düşük güven verir, anlamsız karakter üretir. Model ise sessizce yanılır. Okuyamadığı alanı makul bir değerle doldurabilir, nadir bir soyadını daha yaygın bir yazıma "düzeltebilir", arka yüzdeki bir tarihi ön yüzdeki alana taşıyabilir. Çıktı her durumda akıcıdır.

Modelden alan başına güven istediğinizde aldığınız şey modelin ürettiği bir metindir, belgeyle karşılaştırılarak ölçülmüş bir olasılık değil. OpenAI'ın Ağustos 2024'te getirdiği Structured Outputs gibi şemaya bağlı çıktı modları JSON'un biçimini garanti eder, içeriğini etmez. Platformdaki kimlik akışında model bir güven skoru ve netlik, okunabilirlik, bütünlük ve ışık için bir kalite dökümü döndürüyor. Ben bunları "fotoğrafı yeniden çekin" demek için kullanırım, alan onayı için değil.

İş bölümü: OCR okur, model yerleştirir, kural karar verir

İki aracın zayıf yanları birbirinin tersi. OCR bağımsız bir tanık gibi belgede ne yazdığını ve nerede yazdığını söylüyor, model bu ifadeyi şemaya yerleştiriyor, kararı ikisinin de etkileyemeyeceği kod veriyor.

1. 1OCR belgeyi satırlara ayırır. Her satıra bir ID (L1, L2…), metin, en düşük kelime güveni ve konum yazılır.
2. 2Model numaralı satırları, gerekirse görüntüyü de alır. Her alan için bir değer ve dayandığı satırların ID'lerini döndürür, belgede olmayan alana null yazar.
3. 3Kod, değeri gösterilen satırlarla karşılaştırır. Satır yoksa ya da satırda başka bir şey yazıyorsa alan kaynaksızdır.
4. 4Kontrol haneleri, tarih tutarlılığı ve belgeler arası eşleşme gibi deterministik kurallar çalışır.
5. 5Her alan ayrı karar alır: otomatik, kuyruk ya da engel.

Model cevabını şu şemaya bağlamak yeterli. Satır ID'sini bir desenle sınırlamak, "üçüncü satırın sonu" gibi serbest bir referansı baştan engelliyor.

1{2  "type": "object",3  "additionalProperties": false,4  "required": ["soyad", "ad", "dogum_tarihi", "seri_no"],5  "properties": {6    "soyad":        { "$ref": "#/$defs/alan" },7    "ad":           { "$ref": "#/$defs/alan" },8    "dogum_tarihi": { "$ref": "#/$defs/alan" },9    "seri_no":      { "$ref": "#/$defs/alan" }10  },11  "$defs": {12    "alan": {13      "type": "object",14      "additionalProperties": false,15      "required": ["deger", "kaynak"],16      "properties": {17        "deger":  { "type": ["string", "null"] },18        "kaynak": { "type": "array", "items": { "type": "string", "pattern": "^L[0-9]+$" } }19      }20    }21  }22}

Sağlayıcı şemaya uymayı garanti etse de cevabı sunucuda bir kez daha doğrulayın. TypeScript tarafında bunu Zod ile yapmak cevabı tipli bir nesneye de çeviriyor.

Model bir değer icat ettiyse ya gösterecek satırı yoktur ya da gösterdiği satırda başka bir şey yazar. Aşağıdaki OCR satırları ve model cevabı varsayımsal.

1import unicodedata2 3# OCR çıktısı: satır ID'si, metin, satırdaki en düşük kelime güveni (0-100)4ocr_satirlari = {5    "L3": {"metin": "GUNES",      "guven": 98.1},6    "L5": {"metin": "CAGLA",      "guven": 96.4},7    "L7": {"metin": "12.03.1997", "guven": 71.2},8}9 10# Modelin şemaya uygun cevabı: her alan bir değer ve dayandığı satırlar11model_cevabi = {12    "soyad":        {"deger": "GÜNEŞ",      "kaynak": ["L3"]},13    "ad":           {"deger": "ÇAĞLA",      "kaynak": ["L5"]},14    "dogum_tarihi": {"deger": "12.03.1991", "kaynak": ["L7"]},15    "seri_no":      {"deger": "A12B34567",  "kaynak": []},16}17 18TR_ASCII = str.maketrans("ÇĞİÖŞÜçğıöşü", "CGIOSUcgiosu")19 20def katla(s):21    s = unicodedata.normalize("NFC", s).translate(TR_ASCII).upper()22    return "".join(c for c in s if c.isalnum())23 24def kaynakla_esle(alan, cevap):25    satirlar = [ocr_satirlari.get(k) for k in cevap["kaynak"]]26    if not satirlar or None in satirlar:27        return alan, "KAYNAKSIZ", None28    birlesik = katla(" ".join(s["metin"] for s in satirlar))29    if katla(cevap["deger"]) not in birlesik:30        return alan, "KAYNAKLA_CELISIYOR", None31    return alan, "ESLESTI", min(s["guven"] for s in satirlar)32 33for alan, cevap in model_cevabi.items():34    print(*kaynakla_esle(alan, cevap))35 36# Çıktı:37# soyad ESLESTI 98.138# ad ESLESTI 96.439# dogum_tarihi KAYNAKLA_CELISIYOR None40# seri_no KAYNAKSIZ None

Soyadında model GÜNEŞ diyor, OCR GUNES okumuş. Türkçe harfler ASCII karşılıklarına çevrilince ikisi aynı. Ü ile Ş'yi model getiriyor, kanıtı OCR. Doğum tarihinde model 1991 yazmış ama gösterdiği satırda 1997 var, seri numarası için hiç satır göstermemiş. İkisi de eşiğe bakılmadan kuyruğa düşüyor.

Kısa değerlerde substring kontrolü zayıftır, tek harflik cinsiyet alanı her satırda geçer, orada tam kelime eşleşmesi isteyin. Ş mi S mi olduğuna da ne OCR ne ASCII olan MRZ tanıklık edebilir, Türkçe karakteri ancak formdaki adla sınarsınız. Platformdaki ad doğrulama katmanı OCR çıktısını form değerleriyle karşılaştırırken Türkçe karakterleri normalize ediyor, kısaltmaları ve birleşik soyadları tanıyor.

Modelin kandıramayacağı kurallar

Kaynak kontrolü değerin belgede olup olmadığını sorar. Kurallar değerin kendi içinde tutarlı olup olmadığını sorar ve modelin ne kadar ikna edici olduğundan bağımsız çalışır.

TCKN ve IBAN kontrol hanelerinin hesabını IBAN ve TC Kimlik No doğrulama yazısında anlattım. Burada önemli olan üçüncü sütun. Bir milyon rastgele 11 haneli sayıyla yaptığım denemede %0,99'u TCKN kontrolünden geçti. Model bir numara uydurduysa binlerce başvuruda bu sıfır değil. Doğrulayıcı gereklidir ama yeterli değildir. VKN için yaygın bir kontrol hanesi algoritması dolaşıyor ama Gelir İdaresinin yayımladığı resmî bir tarifini bulamadım. O yüzden VKN tutmadığında başvuruyu engellemek yerine kuyruğa almayı tercih ederim.

MRZ kontrol hanesi: 7, 3, 1

ICAO Doc 9303'ün 3. bölümüne göre alanın karakterleri soldan sağa 7, 3, 1… ağırlıklarıyla çarpılıp toplanır, toplamın 10'a bölümünden kalan kontrol hanesidir. Dolgu karakteri < sıfır, A ile Z arası harfler 10 ile 35 arası değer alır. Pasaportların kullandığı TD3 biçiminde 44 karakterlik ikinci satırda beş kontrol hanesi var: belge numarası (1–9, hanesi 10.), doğum tarihi (14–19, hanesi 20.), son geçerlilik (22–27, hanesi 28.), kişisel numara (29–42, hanesi 43.) ve 1–10, 14–20 ile 22–43 konumlarını kapsayan bileşik hane (44.). Örnek, 4. bölümdeki Utopia pasaportu.

1RAKAM = "0123456789"2 3def deger(c):4    if c in RAKAM:5        return int(c)6    if "A" <= c <= "Z":7        return ord(c) - ord("A") + 108    if c == "<":9        return 010    raise ValueError(f"MRZ'de olmayan karakter: {c!r}")11 12def kontrol_hanesi(alan):13    agirlik = (7, 3, 1)14    return sum(deger(c) * agirlik[i % 3] for i, c in enumerate(alan)) % 1015 16def td3_alt_satir(s):17    """ICAO 9303 Part 4: TD3 (pasaport) MRZ'sinin 44 karakterlik ikinci satırı."""18    if len(s) != 44:19        raise ValueError(f"TD3 satırı 44 karakter olmalı, {len(s)} geldi")20    kontroller = {21        "belge_no":     (s[0:9],   s[9]),22        "dogum_tarihi": (s[13:19], s[19]),23        "son_gecerlik": (s[21:27], s[27]),24        "kisisel_no":   (s[28:42], s[42]),25        "bilesik":      (s[0:10] + s[13:20] + s[21:43], s[43]),26    }27    return {ad: kontrol_hanesi(veri) == deger(hane)28            for ad, (veri, hane) in kontroller.items()}29 30ornek = "L898902C36UTO7408122F1204159ZE184226B<<<<<10"   # Doc 9303 Part 4, Appendix A31print(td3_alt_satir(ornek))32 33bozuk = ornek[:5] + "O" + ornek[6:]   # OCR, belge numarasındaki 0'ı O harfi okudu34print(bozuk[:10])35print(td3_alt_satir(bozuk))36 37sinsi = ornek.replace("ZE184226B", "ZE18422GB")   # 6 yerine G okundu38print(sinsi[28:37])39print(td3_alt_satir(sinsi))40 41# Çıktı:42# {'belge_no': True, 'dogum_tarihi': True, 'son_gecerlik': True, 'kisisel_no': True, 'bilesik': True}43# L8989O2C3644# {'belge_no': False, 'dogum_tarihi': True, 'son_gecerlik': True, 'kisisel_no': True, 'bilesik': False}45# ZE18422GB46# {'belge_no': True, 'dogum_tarihi': True, 'son_gecerlik': True, 'kisisel_no': True, 'bilesik': True}

Belge numarasındaki 0'ın O okunması hem alanın hanesine hem bileşik haneye takılıyor. Kişisel numaradaki 6'nın G okunması hiçbir kontrole takılmıyor. G'nin değeri 16, yani 6'dan tam 10 fazla. 10'un hangi ağırlıkla çarpımı olursa olsun mod 10'da sıfır kalıyor. Aynı kör nokta 8 ile I, 1 ile B ve 0 ile K arasında da var. Tek rakamın başka bir rakamla karıştığı hatalarda ise 7, 3 ve 1 on ile aralarında asal olduğu için 243.000 denemenin hiçbiri kaçmadı. Yan yana iki rakamın yer değiştirmesinde farkı 5 olan çiftler kaçıyor, denemede %11.

Pratik kural şu: alanın karakter kümesini bilin. Tarihler yalnızca rakamdır, orada görülen O'yu 0'a çevirmek güvenlidir. Harfle rakamın karıştığı belge ve kişisel numarada bunu otomatik yapmayın. Yıl iki hanelidir (YYMMDD), yüzyılı doğum tarihinde geçmişe, son geçerlilikte geleceğe göre seçin. Kimlik kartı boyutundaki TD1 belgeler üç satır kullanır, konumları 5. bölümde tanımlıdır. T.C. kimlik kartının arka yüzünü TD3 konumlarıyla okumayın. Ad karşılaştırmasında 3. bölümün harf çevirisi tablosu geçerli: Ç, Ğ, İ, ı ve Ş tek harfe iner, Ö "OE ya da O", Ü "UE, UXX ya da U" yazılabilir. Karşılaştırıcınız hepsini kabul etmeli.

Eşik belgeye değil alana konur

Belge düzeyinde tek bir güven skoru yanıltır. Ortalaması 98 olan bir kartta TCKN'nin tek hanesi 60'la okunmuş olabilir. O hane yanlışsa ortalama bir şey ifade etmez.

Chow 1970'te örüntü tanımada reddetme seçeneğini inceledi: en olası sınıfın olasılığı eşiğin altındaysa sınıflandırıcı karar vermez, örneği reddeder. Eşik yükseldikçe hata düşer, ret artar, doğru eşiği ikisinin göreli maliyeti belirler. KYC'de reddetmek insan kuyruğu demek. Yanlış onaylanmış bir TCKN ile yanlış onaylanmış bir adres satırı aynı bedeli ödetmediği için eşik de alan başına ayrıdır.

Chow'un hesabı güven sayısının gerçek bir olasılık olduğunu varsayıyor. Modelin ürettiği sayıyı bu hesaba koyamamanızın nedeni bu. Textract'ın skoru olasılık diye tanımlansa da Türkçe desteklenen diller arasında değil, kalibrasyonun sizin belgelerinizde tuttuğunu ölçmeden kabul etmeyin. Her alan için etiketli bir veri seti toplayıp farklı eşiklerde hata ve kuyruk oranını çıkarın.

1SIRA = {"OTOMATIK": 0, "KUYRUK": 1, "ENGEL": 2}2 3def alan_karari(alan, kaynak, guven, dogrulayici, esik):4    """dogrulayici: True (geçti), False (kaldı), None (bu alan için kural yok)"""5    if dogrulayici is False:6        return "ENGEL", "doğrulayıcıdan kaldı"7    if kaynak != "ESLESTI":8        return "KUYRUK", kaynak.lower()9    if guven < esik:10        return "KUYRUK", f"OCR güveni {guven} < {esik}"11    if dogrulayici is None:12        return "KUYRUK", "kural yok, tek dayanak OCR güveni"13    return "OTOMATIK", "kaynak + kural + eşik"14 15# Eşikler alan bazında, kendi etiketli verinizden gelir.16# Buradaki 95, AWS'nin Textract SSS'sindeki örnek değer.17ESIK = {"tckn": 95, "soyad": 95, "dogum_tarihi": 95, "mrz_belge_no": 95, "adres": 95}18 19alanlar = [20    ("tckn",         "ESLESTI",            99.2, True),21    ("soyad",        "ESLESTI",            98.1, True),   # MRZ'deki soyadla tutuyor22    ("dogum_tarihi", "KAYNAKLA_CELISIYOR", None, None),23    ("mrz_belge_no", "ESLESTI",            99.0, False),  # kontrol hanesi tutmadı24    ("adres",        "ESLESTI",            97.5, None),25]26 27kararlar = {}28for alan, kaynak, guven, dogr in alanlar:29    karar, neden = alan_karari(alan, kaynak, guven, dogr, ESIK[alan])30    kararlar[alan] = karar31    print(f"{alan:<13} {karar:<9} {neden}")32 33print("başvuru:", max(kararlar.values(), key=SIRA.get))34 35# Çıktı:36# tckn          OTOMATIK  kaynak + kural + eşik37# soyad         OTOMATIK  kaynak + kural + eşik38# dogum_tarihi  KUYRUK    kaynakla_celisiyor39# mrz_belge_no  ENGEL     doğrulayıcıdan kaldı40# adres         KUYRUK    kural yok, tek dayanak OCR güveni41# başvuru: ENGEL

Kuralı olmayan alan, OCR güveni yüksek olsa da kuyruğa düşüyor, çünkü tek dayanağı kalibrasyonunu bilmediğiniz bir sayı. Adres gibi düşük riskli alanları otomatik geçirmek istiyorsanız bunu bir istisna listesiyle açıkça yapın. Başvurunun kararı en kötü alanın kararıdır. Platformdaki ad doğrulaması da üç kademeli: otomatik onay, manuel inceleme ve ancak operatörün açıkça kaldırabildiği engel.

Operatöre değerin yanında OCR kutusundan kesilmiş görüntü parçasını gösterin ve her kararını o alan için etiket olarak saklayın. Yönetilen bir seçenek isterseniz AnalyzeDocument çağrısının HumanLoopConfig parametresi Amazon Augmented AI üzerinden bir insan inceleme akışı başlatabiliyor.

KVKK: kimlik kartı, fotoğraf ve biyometrik veri

Kimlik kartındaki her alan kişisel veri. 6698 sayılı Kanunun 6. maddesi biyometrik ve genetik veriyi, din, sağlık ve ceza mahkûmiyeti gibi verilerle birlikte özel nitelikli sayıyor. Peki fotoğraf biyometrik veri mi?

Kişisel Verileri Koruma Kurulu 2020/915 sayılı kararında GDPR'nin 51. gerekçe paragrafına dayanarak fotoğrafın işlenmesinin doğrudan biyometrik veri sayılamayacağını söylüyor. Fotoğraf, kişiyi tek başına tanımlamaya ya da doğrulamaya izin veren belirli bir teknik yöntemle işlendiğinde biyometrik veri oluyor. Kurumun Mart 2025 tarihli biyometrik veri rehberi de aynı iki koşulu arıyor: ayırt edici özelliklerin işlemeyle ortaya çıkarılması ve kimliği tanımlamaya ya da doğrulamaya yaraması.

Yazılımcı için çizgi net. Kartın taranmış görüntüsünü saklamak kişisel veri işlemektir. Selfie ile kimlik fotoğrafını karşılaştıran, yüzden şablon ya da vektör çıkaran her adım biyometrik veri işlemektir. O noktada 6. maddenin 7499 sayılı Kanunla değişip 1 Haziran 2024'te yürürlüğe giren üçüncü fıkrasındaki şartlardan birine dayanmanız gerekir: açık rıza, kanunlarda açıkça öngörülme, bir hakkın tesisi için zorunluluk gibi. Rehberdeki ölçülülük ilkesi ise doğrudan tasarıma dokunuyor. Yüz eşleştirmesine gerçekten ihtiyacınız yoksa "ileride lazım olur" diye kurmayın. Görüntüyü alan çıkarmak için modele gönderirken fotoğraf bölgesini maskeleyin, hiçbir metin alanı oradan gelmiyor.

Saklama ve imha

Kanunun 7. maddesi, işlenme sebepleri ortadan kalkınca verinin silinmesini, yok edilmesini ya da anonimleştirilmesini istiyor. Silme yönetmeliğinin 11. maddesine göre saklama ve imha politikası olan veri sorumlusu bunu ilk periyodik imhada yapar ve periyodik imha aralığı hiçbir durumda altı ayı geçemez. Kurum suç gelirlerinin aklanmasının önlenmesi mevzuatında yükümlüyse 5549 sayılı Kanunun 8. maddesi kimlik tespitine ilişkin belgeleri son işlem tarihinden itibaren sekiz yıl saklamayı istiyor. İki kural çatışmıyor, süreyi yasal yükümlülük belirliyor, süre bitince imha başlıyor.

Belgenin tek kopyası yok. İmha politikanızda her biri için ayrı satır olmalı:

• Bucket'taki özgün görüntü ya da PDF ve istemcide üretilmiş sayfa görüntüleri
• OCR'ın ham JSON çıktısı, çünkü belgedeki her kelimeyi koordinatıyla taşır
• Modele giden istek ve gelen cevap, sağlayıcı tarafında tutuluyorsa onların kopyaları
• Operatör panelindeki küçük resimler, önbellekler ve dışa aktarılmış dosyalar
• Hata izleme aracına düşmüş request body'ler

Süre dolduğunda imha bu listenin tamamına uygulanmalı. Yalnızca bucket'taki özgün dosyayı silmek, aynı veriyi OCR çıktısında ve loglarda bırakır.

Belgeyi kısa ömürlü imzalı URL ile göstermek

Platformda belgeler, sözleşmeler ve üye işyeri formları Supabase Storage'daki private bucket'larda duruyor. Operatör bir belgeyi açmak istediğinde sunucu önce o başvuruyu görme yetkisini kontrol etmeli, sonra kısa ömürlü bir imzalı URL üretmeli. Supabase'de bu createSignedUrl(path, expiresIn), süre saniye cinsinden. S3'te presigned URL, Signature Version 4 ile SDK ya da CLI üzerinden en fazla yedi gün geçerli olabiliyor, konsolda bir dakika ile on iki saat arası.

AWS'nin kendi ifadesiyle presigned URL bir bearer token'dır, elinde tutan herkese erişim verir. URL'yi her görüntülemede yeniden üretin ve veritabanına yazmayın. Süreyi tek bir görüntüleme oturumuna yetecek kadar kısa tutun. URL'yi loglamayın, imza query string'de duruyor.

Loglarda maskeleme

En iyi maske kişisel veriyi hiç loglamamaktır. Platformdaki OCR loglayıcısı her çağrı için modeli, token sayılarını, maliyeti ve gecikmeyi yazıyor, yani yalnızca meta veri. Yine de bir exception mesajı ham değeri loga taşıyabilir, son savunma hattı olarak handler'a bir filtre koyun.

1import logging, re2 3DESENLER = [4    (re.compile(r"\b[1-9][0-9]{10}\b"), "[TCKN]"),5    (re.compile(r"\bTR[0-9]{2}(?: ?[0-9A-Z]{4}){5} ?[0-9A-Z]{2}\b"), "[IBAN]"),6    (re.compile(r"[A-Z0-9<]{30,44}"), "[MRZ]"),7    (re.compile(r"([?&](?:token|X-Amz-Signature)=)[^&\s]+"), r"\1[GİZLİ]"),8]9 10class KisiselVeriMaskesi(logging.Filter):11    def filter(self, kayit):12        mesaj = kayit.getMessage()13        for desen, yerine in DESENLER:14            mesaj = desen.sub(yerine, mesaj)15        kayit.msg, kayit.args = mesaj, None16        return True17 18log = logging.getLogger("ocr")19el = logging.StreamHandler()20el.addFilter(KisiselVeriMaskesi())21log.addHandler(el)22log.setLevel(logging.INFO)23 24log.info("ocr bitti belge=%s tckn=%s", "kimlik_on", "12345678901")25log.info("mrz satırı: %s", "L898902C36UTO7408122F1204159ZE184226B<<<<<10")26log.info("iban: %s", "TR33 0006 1005 1978 6457 8413 26")27log.info("önizleme: %s", "https://x.supabase.co/storage/v1/object/sign/belgeler/k.jpg?token=eyJhbGciOi")28 29# Çıktı:30# ocr bitti belge=kimlik_on tckn=[TCKN]31# mrz satırı: [MRZ]32# iban: [IBAN]33# önizleme: https://x.supabase.co/storage/v1/object/sign/belgeler/k.jpg?token=[GİZLİ]

Filtre handler'da, çünkü Python'da logger'a eklenen filtre alt logger'lardan yayılan kayıtları görmez. Örnekteki 11 haneli sayı geçerli bir TCKN değil, IBAN ise SWIFT kaydındaki örnek numara.

Sonuç

Bir alanı otomatik onaylamadan önce üç soruya evet diyebilmelisiniz. Değer belgede parmakla gösterilebilecek bir satıra dayanıyor mu? Modelin etkileyemeyeceği bir kuraldan geçti mi? O alan için kendi etiketli verinizle ölçtüğünüz eşiği aşıyor mu? Birine hayır diyorsanız o alanı bir insan görür. Modelin kendi güven sayısı bu soruların hiçbirinin cevabı değil.

KVKK tarafında çizgi tek. Fotoğrafı yalnızca saklıyorsanız kişisel veri, yüz eşleştirmesine soktuğunuz anda özel nitelikli veri işliyorsunuz. O çizgiyi geçecekseniz dayanağını yazarak geçin.