By · Last updated 2026-06-05

Kembali ke BlogGDPR & Kepatuhan

HDPA Yunani: GDPR Pariwisata & Pelayaran

HDPA Yunani menerbitkan 89 keputusan penegakan hukum pada 2024 — naik dari 34 pada 2022. Pariwisata menyumbang 38% kasus. Pengidentifikasi AFM dan AMKA diperlukan.

June 5, 20269 menit baca
Greece HDPAAFM AMKA detectiontourism GDPRmaritime data protectionGreek identifiers

Otoritas Perlindungan Data Hellenic (HDPA) Yunani menerbitkan 89 keputusan penegakan hukum pada 2024. Angka ini meningkat 162% dari 34 keputusan pada 2022. Dua sektor menghadapi tekanan terbesar: pariwisata dan maritim.

Diperbarui untuk 2026

Pariwisata: Pemrosesan Massal Musiman

Yunani menerima lebih dari 30 juta wisatawan asing pada 2024. Setiap kunjungan menciptakan catatan pribadi. Hotel, sistem POS, perusahaan wisata, dan restoran semuanya mengumpulkannya. Masalah utamanya adalah waktu. Catatan tiba dalam jumlah besar dari Juni hingga September. Catatan tersebut harus disimpan dengan aman jauh lebih lama dari itu.

Audit hotel HDPA tahun 2024 menemukan tiga jenis kesalahan umum.

Kesalahan retensi POS: Sistem POS restoran menyimpan catatan kartu dan kuitansi melampaui batas yang dinyatakan. Sebagian besar perusahaan hotel tidak memiliki rencana retensi tertulis. Catatan dibiarkan tanpa tanggal akhir, berlabel "untuk akuntansi."

Celah platform pemesanan: Hotel yang menggunakan platform pemesanan global sering tidak memiliki Perjanjian Pemrosesan Data. Banyak yang juga melewatkan Transfer Impact Assessment untuk transfer ke sistem non-UE.

Kesalahan akses musiman: Pekerja musim puncak mendapat akses ke sistem manajemen tamu. Pemeriksaan terhadap pekerja tersebut jarang dilakukan. Kredensial login sering tetap terbuka berbulan-bulan setelah mereka pergi.

Pariwisata merupakan bagian terbesar dari kasus HDPA berdasarkan sektor. Lihat cara deteksi pengidentifikasi nasional UE bekerja di seluruh Eropa untuk pandangan yang lebih luas.

Kepatuhan Maritim: Catatan Awak Kapal dalam Skala Besar

Berdasarkan tonase kapal, negara ini memimpin dunia dalam kepemilikan kapal. Armada Hellenic mempekerjakan lebih dari 90.000 pelaut. Perusahaan-perusahaan Athena mengelola catatan awak untuk armada dengan pekerja dari banyak negara.

Catatan awak menimbulkan empat masalah GDPR.

Hukum negara bendera: Hukum negara bendera berlaku di kapal di mana pun berlayar. GDPR mencakup penggunaan catatan awak di kapal, bukan hanya di kantor darat.

Awak multinasional: Banyak awak yang tidak memiliki warga negara lokal sama sekali. Pekerja dari Filipina, Ukraina, India, dan Indonesia adalah hal yang umum. Paspor, kartu STCW, dan catatan kesehatan mereka semuanya mengalir melalui sistem yang dikelola Athena.

Catatan kesehatan: Pekerjaan maritim memerlukan pemeriksaan kebugaran rutin. Catatan kesehatan adalah kategori khusus GDPR berdasarkan Pasal 9. Catatan tersebut memerlukan dasar hukum yang jelas, keamanan yang kuat, dan aturan akses yang ketat.

Nomor ID pelaut: Kartu STCW dan Buku Pelaut menggunakan format nomor unik berdasarkan negara penerbit. ID ini muncul dalam sistem awak dan perlu dideteksi untuk cakupan PII yang lengkap. Untuk penilaian kepercayaan di seluruh jenis ID, lihat deteksi PII biner dan penilaian kepercayaan.

Identitas Nasional: AFM dan AMKA

ΑΦΜ (Nomor Pajak): AFM adalah nomor 9 digit. Digit cek ditentukan oleh aturan jumlah berbobot. Ini adalah ID komersial utama di negara ini. Muncul dalam transaksi bisnis, berkas ketenagakerjaan, dan layanan publik.

Alat NLP generik sering melewatkan AFM. Pola 9 digit bertabrakan dengan tanggal dan kode referensi. Hal ini menyebabkan positif palsu ketika tidak ada langkah checksum yang dijalankan. Alat juga melewatkan AFM yang ditulis tanpa spasi atau dengan pemisah yang tidak biasa.

ΑΜΚΑ (Nomor Asuransi Sosial): AMKA adalah nomor 11 digit. Berisi tanggal lahir, jenis kelamin, dan kode urutan. Muncul pada kontrak kerja, resep obat, dan formulir rumah sakit.

Kartu ID nasional (Αστυνομική Ταυτότητα): Satu huruf kemudian enam atau tujuh digit, dengan aturan penerbitan Hellenic.

Paspor: Format UE standar dengan aturan penerbitan lokal.

NER Bahasa untuk Teks Hellenic

Aksara lokal bukan Latin. Sebagian besar model NLP komersial dilatih dengan teks Latin. Alat yang terlatih Latin tidak dapat menemukan nama atau alamat dalam file beraksara Hellenic.

NER yang andal untuk bahasa ini membutuhkan empat hal:

  • spaCy el_core_news atau model NLP Hellenic yang setara
  • Tokenisasi yang tepat untuk rentang karakter lokal
  • Pola nama lokal, yang berbeda dari pola Inggris dan Jerman
  • Istilah alamat: "Οδός" (jalan), "Πλατεία" (alun-alun), "Λεωφόρος" (boulevard)

Bagi perusahaan di bidang pariwisata atau maritim di sini, deteksi PII tingkat HDPA memerlukan pemeriksaan checksum AFM dan AMKA plus NER Hellenic dalam satu pipeline.

Sumber

Siap untuk melindungi data Anda?

Mulai anonimisasi PII dengan 285+ jenis entitas dalam 48 bahasa.

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.