dHash (difference hash), bir dijital görüntünün piksel farklılıklarına dayalı olarak üretilen kısa bir parmak izi (hash) değeridir. Komşu pikseller arasındaki parlaklık geçişlerini kodlar; bu sayede iki görsel arasındaki algısal benzerlik, birkaç milisaniye içinde sayısal olarak karşılaştırılabilir. Pazaryeri denetiminde orijinal ürün görseli ile ilan görselini hızla eşleştirmek ya da farklılıkları tespit etmek için kullanılır.
Bir pazaryeri ilanına bakıyorsunuz. Görsel neredeyse aynı, marka logosu yerli yerinde. Ama ürün orijinal mi? Gözle kontrol güvenilir değildir – görsel kopyalama saniyeler içinde yapılır. İşte tam burada görsel parmak izi teknikleri devreye girer. Bu sayfada dHash teriminin teknik tanımını, benzer kavramlarla farkını ve marka koruma bağlamındaki pratik anlamını bulacaksınız.
dHash, "difference hash" ifadesinin kısaltmasıdır. Türkçeye fark karması olarak çevrilebilir. Algoritma üç adımda işler: görüntüyü küçük ve sabit boyutlu bir kareye küçültür, gri tonlamaya dönüştürür, ardından her satırdaki komşu piksel çiftlerini karşılaştırır. Sol piksel sağ pikselden daha parlaksa bit 1, değilse 0 olarak kaydedilir. Ortaya çıkan bit dizisi, o görselin dHash değeridir.
İki görsel arasındaki benzerliği ölçmek için bu iki bit dizisi arasındaki Hamming mesafesi hesaplanır. Hamming mesafesi sıfırsa görseller aynıdır. Düşük mesafe yüksek benzerliğe işaret eder; ancak bu tek başına kanıt değildir. Bir fiyat anomalisi gibi, yalnızca risk sinyali üretir.
dHash'in gücü hızdır. Büyük bir görsel veritabanında milyonlarca karşılaştırma saniyeler içinde yapılabilir. SahteAvcı'nın temel görsel analizi, tarayıcınızda yerel olarak çalışan blockhash-js kütüphanesine dayanır; görsel veriler dışarıya gönderilmez. İsteğe bağlı gelişmiş modeller için kendi API anahtarınızı (BYOK) bağlarsanız, görsel veriler seçtiğiniz sağlayıcıya gider.
Pazaryerlerinde sahte ürün ilanları çoğunlukla orijinal markanın ürün görselini kopyalar. Aynı görseli farklı hesaplardan tekrar tekrar yüklemek, görsel parmak izi eşleştirmesiyle tespit edilebilir hale gelir. dHash bu eşleştirmenin temel araçlarından biridir.
Marka koruma bağlamında pratik senaryo şudur: bir markanın orijinal ürün görseli önceden hash'lenir ve referans olarak saklanır. Yeni bir ilan çıktığında, o ilanın görseli de hash'lenir. İki değer arasındaki Hamming mesafesi belirli bir eşiğin altındaysa sistem bir uyarı üretir. Bu uyarı, ilanın incelenmesi gerektiğini gösterir; ilanın sahte olduğunu kanıtlamaz.
Eklentinin tarama verilerinde tekrar eden bir kalıp şu şekildedir: taklit ürün ilanları çoğunlukla orijinal görseli kırparak veya hafif renk filtresi uygulayarak yeniden yükler. Bu değişiklikler MD5 gibi kriptografik hash yöntemlerini atlatır. Ancak dHash, piksel fark örüntüsüne baktığı için bu tür küçük dönüşümlere karşı dirençlidir.
Pazaryeri denetim süreçlerinde dHash genellikle tek başına kullanılmaz. Fiyat anomalisi tespiti ile birleştirildiğinde sinyalin güvenilirliği artar: görsel benzerliği yüksek ama fiyatı beklenmedik ölçüde düşük olan bir ilan, iki ayrı risk sinyali taşıyor demektir. Bu birleşim, manuel inceleme öncelik sıralamasında o ilanı öne taşır.
dHash, görsel parmak izi yöntemleri ailesinin bir üyesidir. Bu aile içinde birbirine benzeyen birkaç terim vardır. Hangisinin ne işe yaradığını bilmek, marka koruma sözlüğünü doğru okumak açısından önemlidir.
| Kavram | Temel mantık | dHash'ten farkı |
|---|---|---|
| dHash (difference hash) | Komşu piksel farkları | Referans nokta |
| pHash (perceptual hash) | Ayrık kosinüs dönüşümü (DCT) | Daha karmaşık, ölçek değişimine daha dayanıklı |
| aHash (average hash) | Piksel ortalama karşılaştırması | Daha basit, ölçek dönüşümüne daha duyarlı |
| MD5 / SHA-256 | Kriptografik karma | Tek piksel değişse bile sonuç tamamen değişir; görsel benzerlik ölçmez |
| CLIP / FashionCLIP | Derin öğrenme tabanlı algısal benzerlik | Çok daha güçlü ama yerel çalıştırılamaz; BYOK gerektirir |
Kriptografik hash ile algısal hash arasındaki fark kritiktir. Bir sahte ürün ilanı görseli tek piksel değiştirerek yüklenirse MD5 tamamen farklı bir sonuç üretir. dHash ise bu değişikliği "aynı görsel" olarak değerlendirmeye devam eder. Bu nedenle orijinal ürün doğrulama süreçlerinde algısal hash yöntemleri tercih edilir.
A kalite taklit olarak adlandırılan yüksek kaliteli kopyalarda görsel fark bazen çok küçük olabilir. Bu durumda dHash tek başına yeterli sinyal üretemeyebilir; pHash veya derin öğrenme modelleriyle desteklenmesi gerekir.
Bir marka, Trendyol'da kendi ürün görsellerinin izinsiz kullanıldığını fark ediyor. Teknik süreç şöyle işler:
Bu sürecin otomatikleştirilmiş kısmı hızlıdır. İnsan kararı gerektiren kısım – ilanın gerçekten sahte mi yoksa yasal bir satıcıya mı ait olduğu – hâlâ analisti gerektirir. dHash yalnızca o ilanın inceleme kuyruğuna girmesi gerektiğini söyler.
dHash'in ürettiği uyarı bir risk göstergesidir. "Bu ilan sahte ürün içeriyor" şeklinde bir kanıt değildir. Nihai değerlendirme her zaman ek doğrulama gerektirir.
Tüm bu süreç, hizmet sağlayıcı rolündeki pazaryeri platformlarıyla nasıl iletişim kurulacağını da doğrudan etkiler. Kaldırma talebinde görsel benzerlik kanıtı sunmak, talebin işleme alınma olasılığını artırır. Buna rağmen her platform kendi iç prosedürünü uygular.
SahteAvcı kullanmaya başlamak veya mevcut planınızı değiştirmek istiyorsanız aylık ve yıllık plan seçeneklerini karşılaştırabilirsiniz.
dHash gibi teknik terimleri içeren taklit ürün raporlarını bültenimizle takip edin. Yeni terimler, mevzuat güncellemeleri ve platform politika değişiklikleri yayımlandığında haberdar olmak için bültene abone olun.
dHash bir algoritmadır; bir eylem değildir. Algoritmayı kullanmak yasal bir sorun doğurmaz. Yasal değerlendirme, bu algoritmayla elde edilen verilerin nasıl kullanıldığına bağlıdır. Örneğin başkasına ait görselleri izinsiz toplayıp işlemek ayrı bir hukuki çerçeveye tabidir. Algoritmanın kendisi tarafsız bir araçtır.
Hayır. dHash, görüntü benzerliğini ölçen bir yöntemdir; taklit ürün ise tescilli bir markayı izinsiz kullanan fiziksel ya da dijital bir üründür. dHash, taklit ürünü tespit etmeye yardımcı olabilecek teknik araçlardan biridir. Yüksek görsel benzerlik tek başına taklidi kanıtlamaz; ek doğrulama gerektirir.
dHash bir "tespit" konusu değil, bir hesaplama yöntemidir. Bir ilanın dHash ile incelenip incelenmediğini dışarıdan anlamak mümkün değildir. Eğer sorunuz "dHash kullanarak şüpheli ilanları nasıl tespit ederim?" ise: referans görselleri hash'leyip yeni ilanların hash değerleriyle Hamming mesafesini karşılaştırmanız gerekir. SahteAvcı bu işlemi tarayıcıda otomatik olarak yapar.