EU AI Act 2026. augusztus: Képzési adatok anonimizálása a 10. cikk teljesítéséhez

A visszaszámlálás megkezdődött

Frissítve: 2026

Az EU AI Act határideje valós. A 10. cikk szabályai 2026. augusztus 2-ától alkalmazandók. Ha csapata magas kockázatú AI-rendszert épít vagy üzemeltet, cselekedjen most. Az idő rövid.

A bírságok meghaladják a GDPR-t. A maximális bírság 35 millió euró vagy a globális éves forgalom 7%-a. A GDPR felső határa 20 millió euró vagy 4%. Egyetlen más AI-törvény sem ír elő magasabb bírságokat.

Mely AI-rendszerek számítanak magas kockázatúnak?

Az AI Act kockázat szerint osztályozza a rendszereket. A magas kockázatú rendszerek (III. melléklet) lefedik az AI-t, amelyet a következőkben használnak:

• Oktatás — iskolai hozzáférés vagy diákok értékelése
• Foglalkoztatás — önéletrajz-szűrés, interjúpontozás, munkavállalói megfigyelés
• Alapvető szolgáltatások — hitelbírálat, biztosítási árazás, sürgősségi diszpécserszolgálat
• Bűnüldözés — bűnelőrejelzés, biometrikus azonosítás
• Egészségügy — orvostechnikai szoftverek, beteg-triázs
• Infrastruktúra — energia-, víz- vagy közlekedésirányítás
• Igazságszolgáltatás — jogi kutatóeszközök, ítéletszabási eszközök

Ezek valamelyikében tevékenykedik? A 10. cikk Önre vonatkozik.

10. cikk: Négy kulcsszabály

A 10. cikk szabályokat állapít meg a magas kockázatú AI-rendszerek által használt adathalmazokra. Íme a négy legfontosabb.

1. Írott irányítás

Az adathalmazoknak „megfelelő adatirányítási és adatkezelési gyakorlatokat” kell követniük. Írott lépések szükségesek a gyűjtéshez, a minőségellenőrzéshez és a folyamatos felülvizsgálathoz.

2. Torzításvizsgálat

Az adatokat ellenőrizni kell a „lehetséges torzítások” szempontjából, amelyek méltánytalan kimeneteket okozhatnak. Aktív tesztelés szükséges. A szándékos torzítás elkerülése nem elegendő.

3. Pontosság és lefedettség

Az adathalmazoknak „relevánsnak, kellően reprezentatívnak és hibáktól mentesnek” kell lenniük. Az egyes csoportokat kihagyó webkúszások nem felelhetnek meg ennek a követelménynek.

4. Különleges adatkategóriák

A 10(5). cikk a legkövetelőbb szabály. Amikor egy magas kockázatú rendszer különleges kategóriájú adatokat használ — egészségügyi, faji, vallási, politikai, biometrikus adatokat — azokat csak akkor lehet feldolgozni, ha „feltétlenül szükséges” a torzításvizsgálathoz. „Megfelelő biztosítékokat” is alkalmazni kell. Az adattisztítás az egyik legerősebb alkalmazható biztosíték.

A lényeg: a legtöbb AI-modell adathalmazban személyes adatok szerepelnek. A 10. cikk azt mondja: használja a szükséges minimumot, erős technikai biztosítékokkal.

Részletekért lásd a jogi megfelelőségi oldalt és a biztonsági áttekintőt.

Bírságszintek

Az EU AI Act háromszintű bírságrendszert alkalmaz. Mindhárom meghaladja a GDPR-t azonos típusú jogsértésnél:

Az adathalmaz-jogsértések a magas kockázatú szintbe esnek (15M€ / 3%). Ha a szabályozó megállapítja, hogy a személyes adatok biztosítékok nélküli felhasználása tiltott cselekménynek minősül, a felső szint alkalmazandó.

Valós példák: 500 millió eurós forgalomra a 3% 15 millió eurót jelent. 5 milliárd eurós forgalomra 150 millió eurót. Ezek valós számok, nem elmélet.

Miért oldja meg az adattisztítás ezt a problémát?

A megfelelően megtisztított adatok kívül esnek a GDPR hatályán. Ez a 10. cikk terhének nagy részét megszünteti.

A kemény szabályok — különleges kategóriák kezelése, torzításvizsgálat, érintetti jogok — csak akkor érvényesek, ha az adathalmaz személyes adatokat tartalmaz. Távolítsa el előbb ezeket az adatokat. A teher nagyrészt megszűnik.

A CNIL (francia adatvédelmi hatóság) ezt 2026 elején egyértelměn kimondta. AI-útmutatója szerint a szükségtelen személyes adatok tisztítása a modell teljesítményéhez a 10. cikk elsődleges technikai intézkedése.

Ez nem szélsőséges álláspont. Ez az EU vezető AI-szabályozójának fő iránya.

Mit jelent az adattisztítás a gyakorlatban?

Az AI-modell adathalmazainak tisztítása nem ugyanaz, mint az éles adatok tisztítása. A modell adathalmazai tartalmazhatnak:

• PII-t tartalmazó dokumentumokat — szerződések, e-mailek, jelentések, ügyfélszolgálati jegyek
• Strukturált nyilvántartásokat — ügyféltáblák prediktív modellek felépítéséhez
• Jelölt tartalmat — személyes adatokat tartalmazó feljegyzéseket tartalmazó képek vagy szövegek
• Szintetikus adatokat — ahol a generálás megőrizhet személyes mintákat

Mindezekben a formátumokban felismernie kell a személyes adatokat. Egyetlen típus kihagyása az egész adathalmazt kockáztatja. Egy szerződés, amelyből a nevek eltávolítottak, de a teljes címek megmaradtak, megtanítja a modellt, hogy helyszínt demográfiai mintákhoz kapcsoljon.

Az anonym.legal API kötegelt feldolgozást végez nagy AI-adathalmazokhoz. 285+ entitástípust észlel 48 nyelven. Az európai AI-vállalatok számára, amelyek többnyelvű adathalmazokkal rendelkeznek, a kereszt-nyelvi lefedettség kritikus. Egy nyelv hiányossága EU AI Act kockázatot teremt az egész rendszerben.

Az entitásfelismerésről bővebben a token-rendszer útmutatójában és az entitástípusok referenciájában olvashat.

Gyakorlati lépések: Az adathalmaz megtisztítása

1. lépés: Először auditáljon

Futtasson felismerési átfutást, mielőtt bármit megtisztítana. Ez megmutatja, milyen személyes adatok vannak jelen:

curl -X POST https://anonym.legal/api/presidio/analyze \
  -H "Authorization: Bearer AZ_ÖN_API_KULCSA" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "'"$(cat document.txt)"'",
    "language": "en"
  }'

A válasz felsorolja az összes felismert entitást típusával, pozíciójával és pontszámával. Futtassa ezt az összes fájlon, hogy a munka megkezdése előtt lássa a teljes képet.

2. lépés: Kötegelt tisztítás

Nagy adathalmazokhoz használja a köteg-végpontot több fájl egyidejű feldolgozásához:

import requests
import os
from pathlib import Path

def scrub_batch(documents: list[dict]) -> list[dict]:
    response = requests.post(
        "https://anonym.legal/api/presidio/anonymize-batch",
        json={"items": documents, "language": "en"},
        headers={"Authorization": f"Bearer {os.environ['ANONYM_API_KEY']}"}
    )
    return response.json()["results"]

source_dir = Path("./dataset")
docs = [
    {"id": f.name, "text": f.read_text()}
    for f in source_dir.glob("*.txt")
]

batch_size = 50
for i in range(0, len(docs), batch_size):
    results = scrub_batch(docs[i:i+batch_size])
    for result in results:
        out = source_dir / "clean" / result["id"]
        out.write_text(result["text"])
        print(f"Kész: {result['id']} — {len(result['items'])} entitás eltávolítva")

3. lépés: Tartsa a nyilvántartást

A 10. cikk írott nyilvántartást követel meg a tett intézkedésekről. Minden adathalmazhoz őrizze meg:

• A használt felismerési modellt és verzióját
• Mely entitástípusokat találták és hogyan cserélték ki az egyes típusokat
• Adathalmazonként eltávolított entitások számát
• A tisztítás dátumát és az adathalmaz verzióját

Ez teljesíti a 10(2)(a). cikkben szereplő „adatirányítási és adatkezelési gyakorlatok” követelményét.

Gyakori kérdések

Rontja a tisztítás a modell minőségét?

A legtöbb esetben nem. A modell szövegstruktúrából tanul mintákat, nem személyes adatokból. A neveket, telefonszámokat és címeket helyettesíteni lehet olyan helyőrzőkkel, mint [NAME] vagy [PHONE], és a modell ugyanazokat a mintákat tanulja. Sok kutatócsapat megállapította, hogy a megtisztított adathalmazok azonos minőségű modelleket hoznak létre. A kulcs az egységes helyőrzők használata, hogy a modell egyértelmű mintát lásson.

Mi a teendő, ha az adathalmaz nagyon nagy?

Használja a köteg API-t. Párhuzamosan kezeli a nagy mennyiségeket. Az árképzési oldalon láthatók a nagy volumenű felhasználási esetekre vonatkozó csomagok. Sok csapat havonta több millió rekordot dolgoz fel.

Mi a helyzet a nem angol adathalmazokkal?

Az API 48 nyelvet támogat. Minden nyelv az adott nyelvhez betanított felismerési modellt használ. Ez azt jelenti, hogy a német, francia, spanyol, japán és más nyelvek mind lefedve vannak. A teljes nyelvi listáért lásd a GYIK oldalt. A vegyes nyelvű adathalmazok is támogatottak — köteg-kérelemben dokumentumonként megadhatja a nyelvet.

Colorado AI Act: Két határidő

Colorado AI Act-je 2026. június 30-án lép hatályba — öt héttel az EU-határidő előtt. Hasonló szabályokat állapít meg az állami törvény szerinti „magas kockázatú AI-rendszerekre”. A fő fókusz a torzítás és a diszkrimináció.

Az EU-ban és Coloradóban egyaránt jelen lévő csapatok egyszerre két határidővel néznek szembe. Az adathalmazok tisztítása segít mindkét törvénynek megfelelni: a 10. cikknek (EU) és Colorado torzításellenes szabályainak. A technikai lépések azonosak.

Cselekedjen most

Öt hónap elegendő — ha ma kezdi. Nem elegendő, ha júniusig vár.

Egy praktikus ütemterv:

1. 1–2. hét: Auditálja az adathalmazokat — derítse ki, milyen személyes adatok vannak jelen
2. 3–6. hét: Építse meg és tesztelje a tisztítási folyamatot
3. 7–10. hét: Készítse el az irányítási nyilvántartást; kérjen jogi véleményt
4. 11–16. hét: Validálás — erősítse meg, hogy a megtisztított adathalmazok megfelelnek a 10. cikk minőségi szabályainak
5. Augusztus 2.: A végrehajtás dátuma — megfelelő eljárások alkalmazva

Az anonym.legal API nagy változtatások nélkül illeszkedik a meglévő folyamatba. Tekintse meg az árképzést a volumen-csomagokhoz. A GYIK a 10. cikkel kapcsolatos általános kérdéseket is megválaszolja.

Használja a GDPR megfelelőségi ellenőrző listát a GDPR és a 10. cikk között átfedő nyilvántartásokhoz.

Az EU AI Act készen áll a végrehajtásra. Készen lesz-e az Ön szervezete augusztus 2-ra?

Kezdje a GDPR megfelelőségi ellenőrző listával →

Korlátok és nyitott kérdések

Az AI Act szabályaihoz szükséges adattisztítás még fejlődőben van. Íme a főbb hiányosságok.

A küszöbértékek nincsenek meghatározva. Az EU AI Act nem mondja meg, hogy milyen szintű tisztítás „elegendő”. Amíg az Európai AI Hivatal nem ad ki útmutatót, jogi kockázattal néz szembe. Nem biztos, hogy tudni fogja, vajon a módszere kielégíti-e a szabályozókat.

Az újraazonosítási kockázat fennmarad. Kutatások kimutatják, hogy a nagy nyelvi modellek memorizálhatnak és visszajátszhatnak tartalmakat az adathalmazaikból. A fejlesztés előtti tisztítási szabályoknak megfelelő nyilvántartások a modell képzése után is kinyerhetők lehetnek. Az indexelés előtti tisztítás nem oldja meg teljesen ezt a problémát.

A szintetikus nyilvántartásoknak korlátaik vannak. A szintetikus generálás megőrzi a statisztikai mintákat, de finom torzításokat adhat hozzá, vagy hiányozhatnak belőle ritka határesetek. A kizárólag szintetikus tartalomból tanult modellek rosszul teljesíthetnek valódi bemeneteken.

A 10. cikk értelmezése folyamatban van. A „megfelelő technikai intézkedések” kifejezés értelmezést igényel. Az EU tagállamaiban folyó korai DPA-munka még nem állapodott meg egyértelmű szabványokban. Figyelje az EDPB útmutatásait és a tagállami döntéseket 2026 során.

Források

• EU AI Act, (EU) 2024/1689 rendelet, 9–17. cikkek (magas kockázatú AI-kötelezettségek), OJ L 2024/1689
• EU AI Act, 10. cikk — Adatok és adatirányítás
• CNIL AI-adathalmaz útmutató, 2026. január
• Colorado AI Act, SB 205, hatályba lép: 2026. június 30.
• EU AI Act ütemterv: tiltott gyakorlatok 2025. február 2.; magas kockázatú rendszerek 2026. augusztus 2.