anonym.legal

By · Last updated 2026-06-05

Terug na BlogGDPR & Nakoming

NAIH Hongarye: KI-Beheer & DPA-Reels

NAIH vereis DPIA's vir alle KI-stelsels wat persoonlike data verwerk. Hongaarse NER-akkuraatheid is 67% -- ver onder die EU 82%-gemiddeld.

June 5, 20268 min lees
Hungary NAIHAI GDPR complianceTAJ-szám detectionCentral Europe DPAHungarian data protection

NAIH Hongarye: KI-Beheer en DPA-Reels

Hongarye se dataorgaan is NAIH -- Nemzeti Adatvedelmi es Informacioszabadsag Hatosag. Die owerheid het die mees gedetailleerde KI-leiding van enige Sentraal-Europese DPA uitgereik. In 2024 het dit 38 handhawingsbesluite uitgereik. Dit het ook reels gepubliseer wat 'n DPIA vir elke KI-stelsel wat persoonlike data hanteer vereis. Hierdie reels gaan verder as die GDPR-basislyn.

NAIH se KI-Handhawingsreels

Die meeste EU DPA's publiseer bree KI-leiding. Hongarye se DPA het verder gegaan. Sy 2024-leiding is operasioneel spesifiek.

DPIA's vereis vir alle KI-stelsels: Elke KI-stelsel wat persoonlike data aanraak, benodig 'n DPIA eers. Die reguleerder vereis dit voor ontplooiing. Dit geld selfs wanneer die verwerking nie "hoe-risiko" is onder GDPR Artikel 35 nie. Dit is strenger as GDPR se eie risikogebaseerde benadering.

Wat 'n NAIH DPIA moet insluit:

  • 'n Tegniese beskrywing van die KI-model se data-insette en -uitsette
  • Bewys dat opleidingsdata geanonimiseer is of 'n geldige regsgrondslag gehad het
  • 'n Beoordeling van algoritmese diskriminasie-risiko
  • 'n Menslike oorsigstap vir outomatiese besluite
  • 'n Behoud- en uitwissingskedule vir KI-verwerkte data

Jaarlikse hersieining: Die owerheid vereis dat DPIA's elke jaar bygewerk word. Dit geld wanneer 'n KI-stelsel heroplei of aansienlik verander word.

Hongarye het meer as 890,000 GDPR-dataversoeke in 2024 hanteer. Dit is 'n groot volume vir 'n land van 10 miljoen. Dit dui op aktiewe regte-gebruik en werklike druk op nakomingspanne.

Die NER-Akkuraatheids-Gaping

Die owerheid se 2024-oorsig het NER-modelle op Hongaarse teks getoets. Hulle het slegs 67% akkuraatheid behaal. Die EU-gemiddelde is 82%. Daardie 15-punt-gaping het werklike nakomingskoste.

Hongaars is 'n aglutinatiewe taal. Dit bou woorde deur baie agtervoegels. Name, adresse, en ID's in Hongaars lyk baie anders as data in Engels of Duits. Instrumente opgelei op hierdie tale mis 'n groot deel van persoonlike data in Hongaars. Sien ons veeltalige PII-opsporingsgids vir hoe hierdie gaping GDPR-nakoming oor tale beinvloed.

Die reguleerder het gevind dat generiese NLP-instrumente die TAJ-szam in 61% van dokumente mis. Formaatvarsiasie en geen kontrolesomondersteuning is die hoofoorsake.

Hongaarse Nasionale Identifiseerders

Spanne wat dokumente in Hongarye verwerk, moet hierdie ID-tipes akkuraat opspoor. Sien ons EU nasionale belasting-ID-opsporingsgids vir volledige EU-dekkingskonteks.

TAJ-szam (Tarsadalombiztositasi Azonosito Jel): 'n 9-syfer maatskaplike sekerheidsnommer. Dit verskyn in gesondheids-, voordeel-, en pensioenrekords. Validering gebruik 'n geweegde kontrolesom gestel deur die Maatskaplike Versekeringowerheid.

Adoazonosito jel: 'n 10-syfer persoonlike belasting-ID. Die formaat is 'n 8-syfer-kern plus 2 kontrolesyfers. Dit verskyn in loonbetaling, belastingvullings, en indiensnemingskontrakteye.

Szemelyi igazolvany-nommer: Die nasionale ID-kaartnommer. Formaat en kontrolesyferreels volg die uitreikende owerheid.

Utlevel szam: Die paspoortnommer. Formaat en kontrolesyfer volg ook reels gestel deur die uitreikende owerheid.

Die Ugyfélkapu-Konteks

Hongarye bedryf die meeste openbare dienste deur een platform -- Ugyfélkapu (Klientepoort). Meer as 4 miljoen burgers gebruik dit vir belasting, voordele, gesondheidsorg, en lisensiering. Private firmas verbind met Ugyfélkapu vir loonbetaling, voordele, of identiteitskontroles. Daardie firmas verwerk dieselfde identifiseerders in 'n gereguleerde konteks.

Die owerheid het gevind dat hierdie firmas dikwels internasionale PII-instrumente gebruik. Die meeste van daardie instrumente ontbreek ondersteuning vir die identifiseerders hierbo. Dit lei tot gemiste data en direkte nakomingsrisiko.

EU KI-Wet-Oorvleueling

Hongarye was vroeg om KI-Wet-reels by DPA-leiding in te vou. Die reguleerder se standpunt is duidelik.

Hoe-risiko KI-stelsels is gelys in KI-Wet Bylae III. Hierdie dek werk, krediettelling, en noodsaaklike dienste. Hulle vereis sowel KI-Wet-ooreenstembeoordeling as 'n NAIH DPIA.

Algemene-doel-KI-modelle wat data verwerk van mense in Hongarye, benodig ook 'n NAIH DPIA. Dit geld selfs wanneer die model nie gelys is as hoe-risiko onder die KI-Wet nie.

Vir spanne wat KI in Hongarye ontplooi, het die kern-kontrolelys drie items. Voltooi 'n NAIH DPIA voor bekendstelling. Verifieer dat jou NER-instrument die entiteite hierbo in Hongaarse teks dek. Bevestig TAJ-szam en adoazonosito jel-opsporing met kontrolesomvalidering.

Bronne

Gereed om u data te beskerm?

Begin om PII te anonimiseer met 285+ entiteitstipes in 48 tale.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.