By · Last updated 2026-06-05

Tilbage til BlogGDPR & Overholdelse

HDPA Grækenland: Turisme, Maritime og GDPR 2025

Den hellenske databeskyttelsesmyndighed HDPA udstedte 89 håndhævelsesbeslutninger i 2024 — en stigning på 162% siden 2022. To sektorer er under størst pres: turisme og maritime.

June 5, 20269 min læsning
Greece HDPAAFM AMKA detectiontourism GDPRmaritime data protectionGreek identifiers

Den hellenske databeskyttelsesmyndighed (HDPA) udstedte 89 håndhævelsesbeslutninger i 2024. Det er en stigning på 162% fra 34 beslutninger i 2022. To sektorer er under størst pres: turisme og maritime.

Opdateret for 2026

Turisme: Massebehandling i Sæsonen

Grækenland havde over 30 millioner udenlandske besøgende i 2024. Hvert besøg skaber personlige journaler. Hoteller, POS-systemer, turistfirmaer og restauranter indsamler dem alle. Kerneproblemet er tid. Journaler ankommer i store mængder fra juni til september. De skal opbevares sikkert langt ud over den periode.

HDPAs hotelrevisioner i 2024 afslørede tre almindelige fejltyper.

POS-opbevaringsfejl: Restauranters POS-systemer opbevarede kort- og kvitteringsjournaler ud over de fastsatte grænser. De fleste hotelfirmaer havde ingen skriftlig opbevaringsplan. Journalerne lå uden en slutdato, mærket "til bogføring."

Mangler i bookingplatforme: Hoteller, der bruger globale bookingplatforme, havde ofte ingen databehandleraftale. Mange havde også undladt Transfer Impact Assessments for overførsler til systemer uden for EU.

Adgangsfejl i sæsonen: Sæsonarbejdere fik adgang til gæstehåndteringssystemer. Kontrol af disse medarbejdere var sjælden. Loginoplysninger forblev åbne måneder efter, at de var rejst.

Turisme udgør den største andel af HDPA-sager sektorvis. Se, hvordan detektion af EU-nationale identifikatorer fungerer på tværs af Europa for et bredere perspektiv.

Maritime Compliance: Besætningsjournaler i Stor Skala

Målt på tonnage leder landet verden inden for skibsejerskab. Den hellenske flåde beskæftiger over 90.000 søfarende. Athenske firmaer administrerer besætningsjournaler for flåder med arbejdere fra mange lande.

Besætningsjournaler skaber fire GDPR-udfordringer.

Flagstatrets regler: Flagstatens lovgivning gælder om bord uanset, hvor skibet sejler. GDPR dækker brug af besætningsjournaler på skibet — ikke kun på landkontoret.

Flernationale besætninger: Mange besætninger har slet ingen lokale statsborgere. Arbejdere fra Filippinerne, Ukraine, Indien og Indonesien er almindelige. Deres pas, STCW-kort og helbredsjournaler strømmer alle igennem Athen-administrerede systemer.

Helbredsjournaler: Maritime jobs kræver regelmæssige helbredstjek. Helbredsjournaler er en særlig GDPR-kategori under Artikel 9. De kræver et klart retsgrundlag, stærk sikkerhed og stramme adgangsregler.

Søfarende ID-numre: STCW-kort og Sømandens Bog bruger unikke nummerformater afhængigt af udstedelseslandet. Disse ID'er optræder i besætningssystemer og kræver detektion for fuld PII-dækning. For konfidensscoring på tværs af ID-typer, se binær PII-detektion og konfidensscoring.

Nationale ID'er: AFM og AMKA

ΑΦΜ (Skattenummer): AFM er et 9-cifret nummer. Et kontrolciffer er fastsat ved en vægtet sumregel. Det er landets primære kommercielle ID. Det optræder i forretningsaftaler, ansættelsesfiler og offentlige tjenester.

Generiske NLP-værktøjer overser ofte AFM'er. Det 9-cifrede mønster kolliderer med datoer og referencekoder. Det fører til falske positive, når ingen checksum-kontrol udføres. Værktøjer overser også AFM'er skrevet uden mellemrum eller med usædvanlige separatorer.

ΑΜΚΑ (Socialforsikringsnummer): AMKA er et 11-cifret nummer. Det indeholder fødselsdato, køn og en sekvenscode. Det optræder på ansættelseskontrakter, medicinske recepter og hospitalsskemaer.

Nationalt ID-kort (Αστυνομική Ταυτότητα): Ét bogstav efterfulgt af seks eller syv cifre, med hellenske udstedelsesregler.

Pas: Standard EU-format med lokale udstedelsesregler.

Sprogets NER for Hellensk Tekst

Det lokale skrift er ikke latinsk. De fleste kommercielle NLP-modeller trænes på latinsk tekst. Et latinsk-trænet værktøj kan ikke finde navne eller adresser i hellensk-script-filer.

Solid NER for dette sprog kræver fire ting:

  • spaCy el_core_news eller en tilsvarende hellensk NLP-model
  • Korrekt tokenisering for lokale tegnområder
  • Lokale navnemønstre, som adskiller sig fra engelske og tyske
  • Adressetermer: "Οδός" (gade), "Πλατεία" (plads), "Λεωφόρος" (boulevard)

For firmaer inden for turisme eller maritime her kræver HDPA-niveau PII-detektion AFM- og AMKA-checksum-kontroller plus hellensk NER i én pipeline.

Kilder

Klar til at beskytte dine data?

Begynd at anonymisere PII med 285+ enhedstyper på tværs af 48 sprog.

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.