Internet Watch Foundation (IWF), 2025’in ilk yarısında dünya çapında 1.286 adet yapay zekâ tarafından oluşturulmuş çocuk istismarı videosu tespit etti. Bu rakam, bir önceki yılın aynı döneminde yalnızca 2 idi. Yani 645 kat artış yaşandı. Bu veri son derece endişe verici.
Gen AI ile gerçek dışı ancak çok gerçekçi videolar oluşturuluyor. Genellikle çocukları cinsel içerikte gösteren deepfake videolar yaratılıyor. Bu içeriklerin yaygınlaştığı alanlar tam açıklanmasa da dark web ve özel paylaşım grupları olduğu düşünülüyor.
Neden Bu Kadar Hızla Arttı?
Metin + Görsel girdilerle çalışan modellerin halka açılması, kötü niyetli insanların istismar senaryoları üretmesini kolaylaştırdı. Moderasyon eksikliği ve açık kaynak AI sistemlerinin denetimsiz kullanımı da, içeriklerin anonim olarak üretilebilmesini sağladı. Buna ilaveten yapay zeka ile oluşturulmuş sahte çocuk görselleri, bazı ülkelerde hâlâ “suç” sayılmıyor.
İçerikler Nasıl Tespit Ediliyor?
AI ile oluşturulmuş çocuk istismarı içeriklerinin tespiti, klasik yöntemlerin ötesinde yeni nesil adli bilişim ve makine öğrenimi teknikleri gerektiriyor.
Öncelikle,Görsel Adli İnceleme (Visual Forensics) ile bakılıyor. Yapay zekâ ile oluşturulmuş görseller ve videolar, bazı teknik izler bırakıyor. Bunlara bakılıyor. Örneğin Göz simetrisi, el parmak sayısı, kulak detayları gibi anatomik tutarsızlıklar inceleniyor. EXIF ve metadata kontrolü yapılıyor. Gerçek kamera verisi (model, lens, tarih) yerine sahte ya da boş metadata olabilir. Yüz izleri karşılaştırması Videolardaki çocuk yüzleri mevcut veritabanlarıyla eşleştiriliyor ve gerçek mi, deepfake mi diye bakılıyor.
Başka bir yöntem “Yapay Zeka Tersine Mühendislik ve GAN İzleridir”.Bazı içerikler GAN (Generative Adversarial Network) ile üretilir. Bu tür üretimlerin tespiti için, GAN “fingerprint” (parmak izi) analizleri yapılıyor. Her AI modelinin bıraktığı mikroskobik dijital izler farklıdır (örneğin StyleGAN vs. DeepFloyd). Model artefact’ları tespit ediliyor. Yani aydınlatma, gölgelenme, yüz detaylarında yapaylıklar otomatik saptanır.
Diğer yöntem “Hash Tabanlı Tespit Sistemleri (CSAM Hash Databases)”. Yapay görüntüler bile olsa, oluşturulan içerikler bazen var olan yasa dışı içeriklere benzer. Kullanılan sistemler, PhotoDNA (Microsoft), Google’s Content Safety API ve IWF Hash List. Görüntülerin hash değerleri (dijital parmak izi) çıkarılıp bu veritabanlarıyla eşleştiriliyor.
Tabii ki Dark Web ve P2P Taramaları da yapılıyor. Yasa dışı içeriklerin çoğu özel gruplarda paylaşılır. Tespit için, Darknet crawler botları, P2P ağ analiz sistemleri ve Tor & I2P üzerindeki forumlardan veri toplama inceleniyor. Şüpheli dosya transferleri ve gruplar takibe alınıyor.
Yanısıra Video Analitiği ve Temporal İncelemeyapılıyor. Yapay zeka videoları genellikle “frame-by-frame” (kare kare) üretildiği için, yüz ifadesi değişimlerinde tutarsızlık, ses-dudak senkron bozukluğu, arka plan detaylarında sürekli olmayan değişimler meydana gelir. Bu farklılıklar, yapay zeka üretimi ile gerçek çekim arasındaki farkları gösterir.
Ancak gerçekçi yapay zeka içerikleri, insan uzmanları bile kandırabiliyor. Yeni çıkan modeller (örneğin Sora, Runway) çok yüksek kalite sunduğu için iz bırakmıyor. Open-source modellerle offline üretim yapılabiliyor ve tespit neredeyse imkânsız hale gelebiliyor.
Regülasyon eksikliği
Yapay zeka ile üretilen bu içerikler, geleneksel istismar materyallerinden farklı kategorilere giriyor.
Bu da yasal müdahaleyi zorlaştırıyor. Üretici şirketlerin, modellerin bu tür içerikleri üretmesini teknik olarak engellemesi gerektiği vurgulanıyor. IWF şöyle diyor;
“Yapay zekânın çocuklara yönelik en kötü hayal edilebilir amaçlarla kullanılması, dijital çağın karanlık yüzüyle yüzleşmemiz gerektiğini gösteriyor. Yasal boşluklar derhal kapatılmalı.”
Kaynak : 