By · Last updated 2026-06-05

Zpět na blogGDPR a shoda

HDPA Řecko: detekce AFM a AMKA

Řecký AFM je generickými nástroji detekován jen s 52% přesností. HDPA vydal v roce 2024 celkem 89 rozhodnutí — o 162 % více než v roce 2022. Odvětví cestovního ruchu a námořní průmysl čelí specifickým rizikům.

June 5, 20267 min čtení
Greece HDPAAFM AMKA detectionGreek alphabet NERtourism GDPRGreek identifiers

HDPA Řecko: detekce AFM a AMKA

Aktualizováno pro rok 2026

Řecký úřad pro ochranu osobních údajů (HDPA) vydal v roce 2024 celkem 89 rozhodnutí o vymáhání. To je o 162 % více než 34 rozhodnutí v roce 2022. Cestovní ruch tvoří 38 % případů řešených HDPA. Námořní provoz přináší další rizika.

Kontext o prosazování ze strany národních dozorových úřadů naleznete v průvodci souladu s GDPR.

AFM: daňové identifikační číslo

ΑΦΜ je 9místné daňové číslo. Drží jej každý občan, rezident i podnik.

Kontrolní součet: Čísla 1–8 se vynásobí váhami 256, 128, 64, 32, 16, 8, 4 a 2. Součiny se sečtou. Výsledek se vezme modulo 11. Pokud je výsledek 10, číslo není platné. V opačném případě je kontrolní číslicí výsledek modulo 10.

AFM se objevuje na fakturách, smlouvách a vládních formulářích. Je to primární identifikátor jak pro fyzické osoby, tak pro podniky.

Detekční mezera: Generické nástroje NLP nalézají AFM pouze s 52% přesností (HDPA 2024). Tři příčiny to vysvětlují. Za prvé: 9místný formát připomíná mnoho referenčních čísel a částí datumů. Za druhé: dvoustupňový modulový kontrolní součet chybí ve většině generických nástrojů. Za třetí: číslo často nemá žádný popisek — nachází se uvnitř bloku adresy.

Více o strukturovaných identifikátorech naleznete v referenci entit.

AMKA: číslo sociálního pojištění

ΑΜΚΑ je 11místné číslo. Číslice 1–6 kódují datum narození ve formátu DDMMRR. Číslice 7 kóduje pohlaví: lichá pro muže, sudá pro ženy. Číslice 8–11 tvoří pořadové číslo a kontrolní číslici.

Tento design je podobný švédskému personnummer. Oba vyvolávají stejné obavy z pohledu GDPR. Číslo prozrazuje biologické pohlaví jako datový bod.

AMKA se vyskytuje ve zdravotní dokumentaci, spisech sociálního zabezpečení a mzdové agendě. Drží jej každý občan a rezident. Slouží jako hlavní číslo pro zdravotní péči a dávky. Informace o tom, jak se GDPR vztahuje na tento typ dat, naleznete na stránce bezpečnosti a souladu.

Mezera v podpoře řeckého písma

Hellénský text používá jiné písmo než latinské jazyky. To je základní výzva pro nástroje na ochranu osobních údajů.

Rozsahy Unicode: Hellénské znaky se nacházejí v rozsahu U+0370–U+03FF a U+1F00–U+1FFF. Nástroje vytvořené pouze pro ASCII nebo latinská písma tyto znaky nezpracují.

Model NER: Model el_core_news ze spaCy zvládá hellénský NER. Vyžaduje však explicitní nastavení. Většina výchozích pipeline používá pouze angličtinu. Na dokumentech v hellénském písmu neprodukují žádný výstup.

Soubory se smíšeným písmem: Dokumenty v Řecku často kombinují hellénské a latinské písmo. Názvy značek a technické termíny se objevují v latince. Tělo textu je v hellénštině. Pipeline musí zvládnout oboje.

Tvarové formy: Jména mění tvar v hellénských větách. Γεώργιος Παπαδόπουλος v nominativu se stává Γεωργίου Παπαδόπουλου v genitivu. Nástroj potřebuje morfologickou analýzu, aby zachytil obě formy.

Otázky ohledně vícejazyčné detekce osobních údajů naleznete v FAQ.

Rizika souladu v cestovním ruchu

Cestovní ruch tvoří 38 % případů HDPA. Rozsah a sezónnost vytvářejí hlavní rizika.

Uchovávání dat v PMS: Hotelové systémy shromažďují čísla pasů, data narození a kontaktní údaje. HDPA zjistil, že mnoho systémů tyto údaje uchovává pět a více let. Většina neměla uvedený účel. Většina měla slabé bezpečnostní kontroly.

Platební data: Hotely zpracovávají data platebních karet místních i zahraničních hostů. Faktury obsahují částečná čísla karet. Rezervační systémy uchovávají úplné údaje o kartách. Vztahují se na ně jak PCI DSS, tak GDPR.

Sezónní zaměstnanci: Pracovníci v pohostinství pracují často na smlouvy na 4–6 měsíců. HDPA zjistil mnoho případů, kdy přístup nebyl po odchodu zaměstnanců odepřen. Tato mezera je v odvětvích s vysokou fluktuací běžná.

Technický kontrolní seznam pro soulad s HDPA

Pro zpracování dokumentů v hellénském jazyce použijte tento minimální zásobník. Detekce AFM vyžaduje dvoustupňovou validaci modulového kontrolního součtu. Detekce AMKA vyžaduje parsování data narození a číslice pohlaví. Přidejte hellénský NER přes spaCy el_core_news. Zahrňte detekci pasů a národních průkazů totožnosti v obou písmech.

Pro provozovatele v cestovním ruchu jsou potřeba také dva organizační kroky. Za prvé: zdokumentovat doby uchovávání dat v PMS. Za druhé: po odchodu sezónních pracovníků odepřít přístup do systému. Tyto kroky řeší nejčastější zjištění HDPA.

Informace o plánech API vhodných pro pracovní postupy s velkým množstvím dokumentů v pohostinství naleznete v ceníku.


anonym.legal detekuje AFM a AMKA s plnou validací kontrolního součtu. Podporuje hellénský NER přes pipeline spaCy el_core_news.

Zdroje

Připraveni chránit svá data?

Začněte anonymizovat PII s více než 285 typy entit ve 48 jazycích.

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.