Android Log’larını AI’ya Göndermeden Önce Kişisel Verileri Temizleyin

Android uygulamalarında hata ayıklama sürecinde karşılaşılan log dosyaları, yalnızca sistem hatalarını değil, aslında kişisel verileri de barındırabilir. Kullanıcı kimlikleri, e-posta adresleri, IP numaraları, telefon numaraları ve hatta yetkilendirme token’ları — bunların tümü, log dosyalarında yer alabilen ve AI araçlarına gönderilmeden önce mutlaka temizlenmesi gereken hassas bilgilerdir.

Özellikle ücretsiz API’lar (örneğin Google’ın Gemini’si), verilerin model eğitiminde kullanılabileceğini belirten koşullara sahip. Bu nedenle, log verilerini üçüncü taraf bir AI aracına göndermekten önce kişisel verileri otomatik olarak maskelmek, hem yasal hem de etik bir zorunluluktur. Peki, bu hassas verileri nasıl tespit eder ve temizleriz?

Log Dosyalarında Sıklıkla Karşılaşılan Hassas Veriler

Yazılım geliştiriciler olarak, log dosyalarındaki hassas verilerin neler olabileceğine dair farkındalığa sahip olmalıyız. Aşağıda, gerçek üretim ortamlarından alınmış log örnekleri yer alıyor:

• D/Network: 192.168.1.105:8080 adresine bağlanılıyor — IP adresi
• I/Auth: Kullanıcı token’ı: eyJhbGciOiJIUzI1NiJ9... — Yetkilendirme token’ı
• D/User: user@example.com profili yükleniyor — E-posta adresi
• I/Device: Seri numarası: R58M123ABCD — Cihaz tanımlayıcısı

Bu tür veriler, AI araçlarına gönderildiğinde hem kullanıcı gizliliğini ihlal eder hem de şirketler için yasal riskler oluşturur. Özellikle GDPR gibi veri koruma düzenlemelerine tabi ülkelerde, bu tarz ihlaller ciddi cezalara yol açabilir.

Log’lardaki Kişisel Verileri Temizlemek için Regex Tabanlı Yöntem

Kişisel verileri log dosyalarından otomatik olarak temizlemek için düzenli ifadeler (regex) kullanabilirsiniz. Aşağıdaki kod parçası, HiyokoLogcat adlı açık kaynaklı bir araçta kullanılan yöntemi gösteriyor:

use regex::Regex;
use once_cell::sync::Lazy;

static IP_RE: Lazy = Lazy::new(|| Regex::new(r"\b(?:\d{1,3}\.){3}\d{1,3}\b").unwrap());
static EMAIL_RE: Lazy = Lazy::new(|| Regex::new(r"\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b").unwrap());
static TOKEN_RE: Lazy = Lazy::new(|| Regex::new(r"\b[A-Za-z0-9+/]{20,}={0,2}\b").unwrap());
static PHONE_RE: Lazy = Lazy::new(|| Regex::new(r"\b\d{2,4}[-\s]?\d{2,4}[-\s]?\d{4}\b").unwrap());

pub fn mask_pii(line: &str) -> String {
    let line = IP_RE.replace_all(line, "[IP]");
    let line = EMAIL_RE.replace_all(&line, "[EMAIL]");
    let line = TOKEN_RE.replace_all(&line, "[TOKEN]");
    let line = PHONE_RE.replace_all(&line, "[PHONE]");
    line.to_string()
}

Bu fonksiyon, her bir log satırını işleyerek IP adreslerini, e-posta adreslerini, token’ları ve telefon numaralarını otomatik olarak maskeler. İşlem sonrası loglar artık şu şekilde görünür:

• D/Network: [IP]:8080 adresine bağlanılıyor
• I/Auth: Kullanıcı token’ı: [TOKEN]
• D/User: [EMAIL] profili yükleniyor

Önemli bir nokta: Hata ayıklama süreci için gerekli olan stack trace’ler ve hata bağlamları korunurken, yalnızca hassas veriler gizlenir. Bu sayede, AI araçlarından maksimum fayda sağlanırken, kullanıcı gizliliği de korunmuş olur.

Kullanıcılara Log Gönderiminde Transparan Olun

Kişisel verileri maskeleseniz bile, kullanıcıların loglarının üçüncü taraf bir AI aracına gönderildiğinin farkında olmaları gerekir. HiyokoLogcat gibi araçlar, kullanıcı arayüzünde aşağıdaki uyarıyı gösterir:

"Ücretsiz Gemini API’si gönderilen verileri model eğitimi için kullanabilir. Log satırları otomatik olarak yaygın kişisel verilerden arındırılsa da, hassas uygulamalarınız için loglarınızı incelemeniz önerilir."

Bu tür bir açıklık, kullanıcıların güvenini kazanmanın yanı sıra, geliştiricilerin de yasal yükümlülüklerini yerine getirmelerine yardımcı olur. Özellikle üretim ortamlarında kullanılan log dosyaları söz konusu olduğunda, transparanlık kaçınılmaz bir gerekliliktir.

Token Regex’inin Sınırları: Fazla Maskelme Riski

Token regex’i, yalnızca yetkilendirme token’larını değil, Base64 benzeri birçok veriyi de maskeler. Örneğin:

• Resim önizlemelerinin Base64 kodlanmış hali
• Kontrol toplamları (checksum’lar)
• Rastgele kimlik numaraları

Bu verilerin maskelenmesi, hata ayıklama sürecini önemli ölçüde etkilemez. Ancak, yetkilendirme token’larının sızdırılması durumunda oluşabilecek riskler çok daha ciddidir. Bu nedenle, tereddüt ettiğiniz durumlarda daha fazla veriyi maskelmek her zaman daha güvenlidir.

HiyokoLogcat, tamamen ücretsiz ve açık kaynaklı bir araçtır. Projeye GitHub üzerinden erişebilir ve katkıda bulunabilirsiniz: github.com/hiyoyok/HiyokoLogcat

Sonuç: AI Döneminde Log Yönetimine Yeni Bir Bakış Açısı

Yapay zeka araçlarının yaygınlaşmasıyla birlikte, log yönetimi de yeni bir boyut kazandı. Artık sadece hata ayıklama için değil, aynı zamanda hassas verilerin korunması için de dikkatli olunması gerekiyor. Log dosyalarınızı AI araçlarına göndermeden önce mutlaka kişisel verilerden arındırın ve kullanıcıların bu süreci anlamasını sağlayın.

Gelecekte, log yönetimi araçlarının otomatik kişisel veri temizleme ve transparanlık özellikleriyle donatılması, sektörün standartları arasında yerini alacaktır. Bu sayede, hem geliştiriciler hem de kullanıcılar, AI’nın sunduğu faydalardan güvenle yararlanabileceklerdir.