By · Last updated 2026-06-05

Kembali ke BlogGDPR & Kepatuhan

NAIH Hungaria: Tata Kelola AI & Aturan DPA

NAIH mewajibkan DPIA untuk semua sistem AI yang memproses data pribadi. Akurasi NER bahasa Hungaria adalah 67% — jauh di bawah rata-rata EU 82%.

June 5, 20268 menit baca
Hungary NAIHAI GDPR complianceTAJ-szám detectionCentral Europe DPAHungarian data protection

NAIH Hungaria: Tata Kelola AI dan Aturan DPA

Badan data Hungaria adalah NAIH — Nemzeti Adatvédelmi és Információszabadság Hatóság. Otoritas ini telah mengeluarkan panduan AI paling rinci dari DPA mana pun di Eropa Tengah. Pada 2024 lembaga ini mengeluarkan 38 keputusan penegakan. Ia juga menerbitkan aturan yang mewajibkan DPIA untuk setiap sistem AI yang menangani data pribadi. Aturan-aturan ini melampaui standar dasar GDPR.

Aturan Penegakan AI NAIH

Sebagian besar DPA EU menerbitkan panduan AI yang luas. DPA Hungaria melangkah lebih jauh. Panduan 2024-nya sangat spesifik secara operasional.

DPIA diwajibkan untuk semua sistem AI: Setiap sistem AI yang menyentuh data pribadi memerlukan DPIA terlebih dahulu. Regulator mengharuskan ini sebelum penerapan. Ini berlaku bahkan ketika pemrosesan tidak "berisiko tinggi" berdasarkan GDPR Pasal 35. Itu lebih ketat dari pendekatan berbasis risiko GDPR sendiri.

Apa yang harus disertakan DPIA NAIH:

  • Deskripsi teknis input dan output data model AI
  • Bukti bahwa data pelatihan dianonimkan atau memiliki dasar hukum yang valid
  • Penilaian risiko diskriminasi algoritmik
  • Langkah tinjauan manusia untuk keputusan otomatis
  • Jadwal retensi dan penghapusan untuk data yang diproses AI

Tinjauan tahunan: Otoritas mengharuskan DPIA diperbarui setiap tahun. Ini berlaku ketika sistem AI dilatih ulang atau diubah secara signifikan.

Hungaria menangani lebih dari 890.000 permintaan data GDPR pada 2024. Itu volume yang besar untuk negara dengan 10 juta penduduk. Ini menandakan penggunaan hak yang aktif dan tekanan nyata pada tim kepatuhan.

Kesenjangan Akurasi NER

Tinjauan 2024 otoritas menguji model NER pada teks Hungaria. Hasilnya hanya 67% akurasi. Rata-rata EU adalah 82%. Kesenjangan 15 poin itu memiliki biaya kepatuhan nyata.

Bahasa Hungaria adalah bahasa aglutinasi. Bahasa ini membangun kata melalui banyak sufiks. Nama, alamat, dan ID dalam bahasa Hungaria terlihat sangat berbeda dari data dalam bahasa Inggris atau Jerman. Alat yang dilatih pada bahasa-bahasa tersebut melewatkan sebagian besar data pribadi dalam bahasa Hungaria. Lihat panduan deteksi PII multibahasa kami untuk bagaimana kesenjangan ini mempengaruhi kepatuhan GDPR lintas bahasa.

Regulator menemukan bahwa alat NLP generik melewatkan TAJ-szám dalam 61% dokumen. Variasi format dan tidak adanya dukungan checksum adalah penyebab utama.

Identifier Nasional Hungaria

Tim yang memproses dokumen di Hungaria harus mendeteksi jenis ID ini secara akurat. Lihat panduan deteksi ID pajak nasional EU untuk konteks cakupan EU lengkap.

TAJ-szám (Társadalombiztosítási Azonosító Jel): Nomor jaminan sosial 9 digit. Muncul dalam rekam kesehatan, tunjangan, dan pensiun. Validasi menggunakan checksum berbobot yang ditetapkan oleh otoritas Asuransi Sosial.

Adóazonosító jel: ID pajak pribadi 10 digit. Formatnya adalah inti 8 digit ditambah 2 digit pemeriksaan. Muncul dalam penggajian, pengajuan pajak, dan kontrak kerja.

Nomor személyi igazolvány: Nomor kartu ID nasional. Format dan aturan digit pemeriksaan mengikuti otoritas penerbit.

Útlevél szám: Nomor paspor. Format dan digit pemeriksaan juga mengikuti aturan yang ditetapkan oleh otoritas penerbit.

Konteks Ügyfélkapu

Hungaria menjalankan sebagian besar layanan publik melalui satu platform — Ügyfélkapu (Client Gateway). Lebih dari 4 juta warga menggunakannya untuk pajak, tunjangan, layanan kesehatan, dan perizinan. Perusahaan swasta terhubung ke Ügyfélkapu untuk penggajian, tunjangan, atau pemeriksaan identitas. Perusahaan-perusahaan tersebut memproses identifier yang sama dalam konteks yang diatur.

Otoritas telah menemukan bahwa perusahaan-perusahaan ini sering menggunakan alat PII internasional. Sebagian besar alat tersebut tidak memiliki dukungan untuk identifier di atas. Itu menyebabkan data yang terlewat dan risiko kepatuhan langsung.

Tumpang Tindih EU AI Act

Hungaria awal dalam menggabungkan aturan AI Act ke dalam panduan DPA. Sikap regulator jelas.

Sistem AI berisiko tinggi tercantum dalam Lampiran III AI Act. Ini mencakup pekerjaan, penilaian kredit, dan layanan penting. Sistem-sistem tersebut memerlukan penilaian kesesuaian AI Act dan DPIA NAIH.

Model AI tujuan umum yang memproses data orang-orang di Hungaria juga memerlukan DPIA NAIH. Ini berlaku bahkan ketika model tidak terdaftar sebagai berisiko tinggi berdasarkan AI Act.

Untuk tim yang menerapkan AI di Hungaria, daftar periksa inti memiliki tiga item. Selesaikan DPIA NAIH sebelum peluncuran. Verifikasi bahwa alat NER Anda mencakup entitas di atas dalam teks Hungaria. Konfirmasi deteksi TAJ-szám dan adóazonosító jel dengan validasi checksum.

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.