anonym.legal

By · Last updated 2026-06-05

Πίσω στο BlogGDPR & Συμμόρφωση

NAIH Ουγγαρία: Διακυβέρνηση ΤΝ & Κανόνες ΑΠΔ

Η NAIH απαιτεί ΕΑΠΔ για όλα τα συστήματα ΤΝ που επεξεργάζονται προσωπικά δεδομένα. Η ακρίβεια του ουγγρικού NER ανέρχεται στο 67% — πολύ κάτω από τον μέσο όρο 82% στην ΕΕ.

June 5, 20268 λεπτά ανάγνωσης
Hungary NAIHAI GDPR complianceTAJ-szám detectionCentral Europe DPAHungarian data protection

NAIH Ουγγαρία: Διακυβέρνηση ΤΝ και Κανόνες ΑΠΔ

Η ουγγρική αρχή δεδομένων είναι η NAIH — Nemzeti Adatvédelmi és Információszabadság Hatóság. Η αρχή έχει εκδώσει τις πιο λεπτομερείς οδηγίες ΤΝ από οποιαδήποτε κεντροευρωπαϊκή ΑΠΔ. Το 2024 εξέδωσε 38 αποφάσεις επιβολής. Δημοσίευσε επίσης κανόνες που απαιτούν ΕΑΠΔ για κάθε σύστημα ΤΝ που χειρίζεται προσωπικά δεδομένα. Αυτοί οι κανόνες υπερβαίνουν τη βασική γραμμή του GDPR.

Κανόνες Επιβολής ΤΝ της NAIH

Οι περισσότερες ευρωπαϊκές ΑΠΔ δημοσιεύουν γενικές οδηγίες για την ΤΝ. Η ουγγρική ΑΠΔ προχώρησε περισσότερο. Οι οδηγίες της για το 2024 είναι επιχειρησιακά συγκεκριμένες.

ΕΑΠΔ απαιτείται για όλα τα συστήματα ΤΝ: Κάθε σύστημα ΤΝ που αγγίζει προσωπικά δεδομένα χρειάζεται πρώτα ΕΑΠΔ. Η ρυθμιστική αρχή το απαιτεί πριν από την ανάπτυξη. Αυτό ισχύει ακόμη και όταν η επεξεργασία δεν είναι «υψηλού κινδύνου» σύμφωνα με το Άρθρο 35 του GDPR. Αυτό είναι αυστηρότερο από την ίδια τη ρισκοβασισμένη προσέγγιση του GDPR.

Τι πρέπει να περιλαμβάνει μια ΕΑΠΔ της NAIH:

  • Τεχνική περιγραφή των εισροών και εκροών δεδομένων του μοντέλου ΤΝ
  • Απόδειξη ότι τα δεδομένα εκπαίδευσης ανωνυμοποιήθηκαν ή είχαν έγκυρη νομική βάση
  • Αξιολόγηση του κινδύνου αλγοριθμικών διακρίσεων
  • Βήμα ανθρώπινης αναθεώρησης για αυτοματοποιημένες αποφάσεις
  • Χρονοδιάγραμμα διατήρησης και διαγραφής για δεδομένα που επεξεργάστηκε η ΤΝ

Ετήσια αναθεώρηση: Η αρχή απαιτεί ενημέρωση των ΕΑΠΔ κάθε χρόνο. Αυτό ισχύει όταν ένα σύστημα ΤΝ επαναεκπαιδεύεται ή αλλάζει σημαντικά.

Η Ουγγαρία χειρίστηκε πάνω από 890.000 αιτήματα δεδομένων GDPR το 2024. Αυτός είναι ένας μεγάλος όγκος για χώρα με 10 εκατομμύρια κατοίκους. Σηματοδοτεί ενεργή άσκηση δικαιωμάτων και πραγματική πίεση στις ομάδες συμμόρφωσης.

Το Κενό Ακρίβειας NER

Η αναθεώρηση της αρχής για το 2024 δοκίμασε μοντέλα NER σε ουγγρικό κείμενο. Σκόραραν μόνο 67% ακρίβεια. Ο μέσος όρος της ΕΕ είναι 82%. Αυτή η διαφορά 15 μονάδων έχει πραγματικό κόστος συμμόρφωσης.

Η ουγγρική γλώσσα είναι αγγλουτινατική. Δημιουργεί λέξεις μέσω πολλών επιθημάτων. Ονόματα, διευθύνσεις και αναγνωριστικά στα ουγγρικά φαίνονται πολύ διαφορετικά από τα δεδομένα στα αγγλικά ή γερμανικά. Εργαλεία εκπαιδευμένα σε αυτές τις γλώσσες χάνουν ένα μεγάλο μέρος των προσωπικών δεδομένων στα ουγγρικά. Δείτε τον οδηγό πολύγλωσσης εντοπισμού PII για το πώς αυτό το κενό επηρεάζει τη συμμόρφωση GDPR σε διάφορες γλώσσες.

Η ρυθμιστική αρχή διαπίστωσε ότι τα γενικά εργαλεία NLP αποτυγχάνουν να εντοπίσουν το TAJ-szám στο 61% των εγγράφων. Η ποικιλία μορφής και η έλλειψη υποστήριξης αθροίσματος ελέγχου είναι οι κύριες αιτίες.

Ουγγρικά Εθνικά Αναγνωριστικά

Οι ομάδες που επεξεργάζονται έγγραφα στην Ουγγαρία πρέπει να εντοπίζουν αυτούς τους τύπους αναγνωριστικών με ακρίβεια. Δείτε τον οδηγό εντοπισμού ευρωπαϊκών εθνικών φορολογικών αναγνωριστικών για πλήρες ευρωπαϊκό πλαίσιο.

TAJ-szám (Társadalombiztosítási Azonosító Jel): Ένας 9ψήφιος αριθμός κοινωνικής ασφάλισης. Εμφανίζεται σε αρχεία υγείας, παροχών και σύνταξης. Η επικύρωση χρησιμοποιεί σταθμισμένο άθροισμα ελέγχου που ορίζεται από την αρχή Κοινωνικής Ασφάλισης.

Adóazonosító jel: Ένα 10ψήφιο προσωπικό φορολογικό αναγνωριστικό. Η μορφή είναι ένας 8ψήφιος πυρήνας συν 2 ψηφία ελέγχου. Εμφανίζεται σε μισθοδοσία, φορολογικές δηλώσεις και συμβάσεις εργασίας.

Számú személyi igazolvány: Ο αριθμός της εθνικής ταυτότητας. Η μορφή και οι κανόνες ψηφίου ελέγχου ακολουθούν την εκδούσα αρχή.

Útlevél szám: Ο αριθμός διαβατηρίου. Η μορφή και το ψηφίο ελέγχου ακολουθούν επίσης κανόνες που ορίζονται από την εκδούσα αρχή.

Το Πλαίσιο Ügyfélkapu

Η Ουγγαρία διαχειρίζεται τις περισσότερες δημόσιες υπηρεσίες μέσω μιας πλατφόρμας — Ügyfélkapu (Πύλη Πελατών). Πάνω από 4 εκατομμύρια πολίτες τη χρησιμοποιούν για φόρους, παροχές, υγειονομική περίθαλψη και αδειοδότηση. Ιδιωτικές εταιρείες συνδέονται με το Ügyfélkapu για μισθοδοσία, παροχές ή ταυτοποίηση. Αυτές οι εταιρείες επεξεργάζονται τα ίδια αναγνωριστικά σε ρυθμισμένο πλαίσιο.

Η αρχή διαπίστωσε ότι αυτές οι εταιρείες χρησιμοποιούν συχνά διεθνή εργαλεία PII. Τα περισσότερα από αυτά τα εργαλεία δεν υποστηρίζουν τα παραπάνω αναγνωριστικά. Αυτό οδηγεί σε αγνοημένα δεδομένα και άμεσο κίνδυνο μη συμμόρφωσης.

Επικάλυψη με τον Νόμο ΕΕ για την ΤΝ

Η Ουγγαρία ήταν πρώτη στην ενσωμάτωση κανόνων του Νόμου για την ΤΝ στην καθοδήγηση ΑΠΔ. Η στάση της ρυθμιστικής αρχής είναι σαφής.

Συστήματα ΤΝ υψηλού κινδύνου απαριθμούνται στο Παράρτημα III του Νόμου για την ΤΝ. Αυτά καλύπτουν θέσεις εργασίας, πιστωτική βαθμολόγηση και βασικές υπηρεσίες. Απαιτούν τόσο αξιολόγηση συμμόρφωσης κατά τον Νόμο για την ΤΝ όσο και ΕΑΠΔ της NAIH.

Μοντέλα ΤΝ γενικής χρήσης που επεξεργάζονται δεδομένα ατόμων στην Ουγγαρία χρειάζονται επίσης ΕΑΠΔ της NAIH. Αυτό ισχύει ακόμη και όταν το μοντέλο δεν αναφέρεται ως υψηλού κινδύνου σύμφωνα με τον Νόμο για την ΤΝ.

Για ομάδες που αναπτύσσουν ΤΝ στην Ουγγαρία, η βασική λίστα ελέγχου έχει τρία στοιχεία. Ολοκληρώστε ΕΑΠΔ της NAIH πριν την έναρξη. Επαληθεύστε ότι το εργαλείο NER καλύπτει τα παραπάνω αναγνωριστικά σε ουγγρικό κείμενο. Επιβεβαιώστε εντοπισμό TAJ-szám και adóazonosító jel με επικύρωση αθροίσματος ελέγχου.

Πηγές

Έτοιμοι να προστατεύσετε τα δεδομένα σας;

Ξεκινήστε την ανωνυμοποίηση PII με 285+ τύπους οντοτήτων σε 48 γλώσσες.

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.