By · Last updated 2026-06-05

블로그로 돌아가기GDPR 및 준수

헝가리 NAIH: AI 거버넌스 및 GDPR 규정

헝가리 NAIH는 개인 데이터를 처리하는 모든 AI 시스템에 DPIA를 요구합니다. 헝가리어 NER 정확도는 67%로 EU 평균 82%에 크게 못 미칩니다.

June 5, 20268 분 읽기
Hungary NAIHAI GDPR complianceTAJ-szám detectionCentral Europe DPAHungarian data protection

헝가리 NAIH: AI 거버넌스와 GDPR 규정

헝가리의 개인정보 감독기관은 NAIH — Nemzeti Adatvédelmi és Információszabadság Hatóság(국가개인정보 및 정보자유 당국)입니다. 이 기관은 중앙유럽의 어떤 DPA보다도 상세한 AI 지침을 발표했습니다. 2024년에 38건의 집행 결정을 내렸으며, 개인 데이터를 처리하는 모든 AI 시스템에 사전 DPIA를 의무화하는 규정도 발표했습니다. 이 규정은 GDPR 기준을 초과합니다.

NAIH의 AI 집행 규정

대부분의 EU DPA가 포괄적인 AI 지침을 발표하는 데 그쳤다면, 헝가리 DPA는 한발 더 나아갔습니다. 2024년 지침은 운영 측면에서 구체적입니다.

모든 AI 시스템에 DPIA 의무화: 개인 데이터를 처리하는 모든 AI 시스템은 배포 전 DPIA를 완료해야 합니다. 규제 기관은 처리가 GDPR 제35조상 '고위험'에 해당하지 않더라도 이를 요구합니다. 이는 GDPR 자체의 위험 기반 접근 방식보다 더 엄격합니다.

NAIH DPIA에 포함되어야 할 사항:

  • AI 모델의 데이터 입력 및 출력에 대한 기술적 설명
  • 학습 데이터가 익명화되었거나 유효한 법적 근거가 있다는 증거
  • 알고리즘적 차별 위험 평가
  • 자동화된 결정에 대한 인간 검토 단계
  • AI 처리 데이터의 보유 및 삭제 일정

연간 검토: 기관은 AI 시스템이 재학습되거나 중요하게 변경될 경우 DPIA를 매년 업데이트할 것을 요구합니다.

헝가리는 2024년에 89만 건이 넘는 GDPR 데이터 요청을 처리했습니다. 인구 1,000만 명의 국가로서는 상당한 규모입니다. 이는 적극적인 권리 행사와 컴플라이언스 팀에 대한 실질적인 압력을 보여줍니다.

NER 정확도 격차

기관의 2024년 검토에서 헝가리어 텍스트에 대한 NER 모델을 테스트한 결과, 정확도는 67%에 불과했습니다. EU 평균은 82%입니다. 이 15%포인트 격차는 실질적인 컴플라이언스 비용을 발생시킵니다.

헝가리어는 교착어입니다. 수많은 접미사를 통해 단어를 형성합니다. 헝가리어 이름, 주소, 신분증 번호는 영어나 독일어 데이터와 매우 다른 형태를 띱니다. 해당 언어로 학습된 도구들은 헝가리어 문서의 상당 부분에서 개인 데이터를 놓칩니다. 이 격차가 GDPR 컴플라이언스에 미치는 영향은 다국어 개인정보 탐지 가이드를 참고하세요.

규제 기관은 일반 NLP 도구가 문서의 61%에서 TAJ-szám을 놓친다는 사실을 발견했습니다. 형식 변이와 체크섬 지원 부재가 주요 원인입니다.

헝가리 국가 신분증 식별자

헝가리에서 문서를 처리하는 팀은 다음 식별자 유형을 정확하게 탐지해야 합니다. EU 전반의 적용 맥락은 EU 국가 세금 ID 탐지 가이드를 참고하세요.

TAJ-szám (사회보험 식별 번호): 9자리 사회보장 번호. 건강, 급여, 연금 기록에 등장합니다. 사회보험 당국이 설정한 가중 체크섬을 통해 검증합니다.

Adóazonosító jel (개인 세금 ID): 10자리 개인 세금 식별자. 8자리 코어와 검사 자릿수 2개로 구성됩니다. 급여, 세금 신고, 고용 계약에 등장합니다.

Személyi igazolvány 번호: 주민등록증 번호. 형식과 검사 자릿수 규칙은 발급 기관의 규정을 따릅니다.

Útlevél szám (여권 번호): 여권 번호. 형식과 검사 자릿수도 발급 기관이 정한 규칙을 따릅니다.

Ügyfélkapu(고객 게이트웨이)의 맥락

헝가리는 세금, 급여, 의료, 허가 등 대부분의 공공 서비스를 하나의 플랫폼인 Ügyfélkapu(고객 게이트웨이)를 통해 운영합니다. 400만 명 이상의 시민이 이를 이용합니다. 민간 기업들도 급여, 복지, 신원 확인을 위해 Ügyfélkapu에 연결합니다. 이러한 기업들은 규제 맥락에서 동일한 식별자를 처리하게 됩니다.

기관은 이 기업들이 종종 국제 개인정보 도구를 사용한다는 사실을 발견했습니다. 대부분의 도구는 위 식별자를 지원하지 않아 데이터 누락과 직접적인 컴플라이언스 위험으로 이어집니다.

EU AI법과의 연계

헝가리는 AI법 규정을 DPA 지침에 일찍 반영했습니다. 규제 기관의 입장은 명확합니다.

고위험 AI 시스템은 AI법 부속서 III에 열거되어 있습니다. 채용, 신용평가, 필수 서비스 등이 해당됩니다. 이 시스템들은 AI법 적합성 평가와 NAIH DPIA 모두를 요구합니다.

헝가리 내 사람들의 데이터를 처리하는 범용 AI 모델도 NAIH DPIA가 필요합니다. AI법상 고위험으로 분류되지 않은 모델에도 적용됩니다.

헝가리에서 AI를 배포하는 팀의 핵심 체크리스트는 세 가지입니다. 출시 전 NAIH DPIA 완료, NER 도구가 헝가리어 텍스트에서 위 항목들을 탐지하는지 확인, 체크섬 검증을 포함한 TAJ-szám과 adóazonosító jel 탐지 확인.

출처

데이터 보호를 시작할 준비가 되셨나요?

48개 언어로 285개 이상의 엔티티 유형으로 PII 익명화를 시작하세요.

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.