By · Last updated 2026-06-05

Atpakaļ uz BloguGDPR un Atbilstība

NAIH Ungārija: AI pārvaldība un DPA noteikumi

NAIH prasa DPIA visām AI sistēmām, kas apstrādā personas datus. Ungāru NER precizitāte ir 67% — krietni zemāk par ES vidējo 82%.

June 5, 20268 min lasīšanai
Hungary NAIHAI GDPR complianceTAJ-szám detectionCentral Europe DPAHungarian data protection

NAIH Ungārija: AI pārvaldība un DPA noteikumi

Ungārijas datu iestāde ir NAIH — Nemzeti Adatvédelmi és Információszabadság Hatóság. Iestāde ir izdevusi visdetalizētākās AI vadlīnijas no visām Centrāleiropas DPA. 2024. gadā tā izdeva 38 izpildes lēmumus. Tā arī publicēja noteikumus, kas prasa DPIA katrai AI sistēmai, kas apstrādā personas datus. Šie noteikumi ir stingrāki par GDPR pamatlīmeni.

NAIH AI izpildes noteikumi

Lielākā daļa ES DPA publicē plašas AI vadlīnijas. Ungārijas DPA gāja tālāk. Tās 2024. gada vadlīnijas ir operacionāli specifiskas.

DPIA obligāta visām AI sistēmām: katrai AI sistēmai, kas pieskarās personas datiem, vispirms nepieciešama DPIA. Regulators to prasa pirms izvietošanas. Tas attiecas pat tad, kad apstrāde nav "augsta riska" saskaņā ar GDPR 35. pantu. Tas ir stingrāk nekā pašu GDPR riska pamatotā pieeja.

Kas jāietver NAIH DPIA:

  • AI modeļa datu ievades un izvades tehnisks apraksts
  • Pierādījumi, ka apmācību dati bija anonimizēti vai tiem bija derīgs juridiskais pamats
  • Algoritmiskās diskriminācijas riska novērtējums
  • Cilvēka pārskatīšanas solis automatizētiem lēmumiem
  • Glabāšanas un dzēšanas grafiks AI apstrādātajiem datiem

Gada pārskatīšana: iestāde prasa DPIA atjaunināt katru gadu. Tas attiecas, kad AI sistēma tiek pārapmācīta vai būtiski mainīta.

Ungārija 2024. gadā apstrādāja vairāk nekā 890 000 GDPR datu pieprasījumu. Tas ir liels apjoms 10 miljonu cilvēku valstij. Tas liecina par aktīvu tiesību izmantošanu un reālu spiedienu uz atbilstības komandām.

NER precizitātes plaisa

Iestādes 2024. gada pārskats testēja NER modeļus uz ungāru teksta. Tie sasniedza tikai 67% precizitāti. ES vidējais rādītājs ir 82%. Šī 15 punktu plaisa rada reālas atbilstības izmaksas.

Ungāru valoda ir aglutinējoša. Tā veido vārdus, pievienojot daudzus sufiksus. Vārdi, adreses un ID ungāru valodā izskatās ļoti atšķirīgi no datiem angļu vai vācu valodā. Rīki, kas apmācīti uz šīm valodām, palaiž garām lielu daļu personas datu ungāru valodā. Skatiet mūsu daudzvalodu PII noteikšanas ceļvedi par to, kā šī plaisa ietekmē GDPR atbilstību vairākās valodās.

Regulators konstatēja, ka vispārīgi NLP rīki nepadodas ar TAJ-szám 61% dokumentu. Formāta variācija un kontrolsummas atbalsta trūkums ir galvenie cēloņi.

Ungāru nacionālie identifikatori

Komandām, kas apstrādā dokumentus Ungārijā, precīzi jānosaka šie ID tipi. Skatiet mūsu ES nacionālo nodokļu ID noteikšanas ceļvedi par pilnu ES kontekstu.

TAJ-szám (Társadalombiztosítási Azonosító Jel): 9 ciparu sociālās apdrošināšanas numurs. Parādās veselības, pabalstu un pensijas ierakstos. Validācija izmanto svērtu kontrolsummu, ko noteikusi Sociālās apdrošināšanas iestāde.

Adóazonosító jel: 10 ciparu personīgais nodokļu ID. Formāts ir 8 ciparu kodols plus 2 pārbaudes cipari. Parādās algu sarakstos, nodokļu deklarācijās un darba līgumos.

Személyi igazolvány numurs: nacionālās ID kartes numurs. Formāts un pārbaudes cipara noteikumi atbilst izdevējiestādes noteikumiem.

Útlevél szám: pases numurs. Formāts un pārbaudes cipars arī atbilst izdevējiestādes noteikumiem.

Ügyfélkapu konteksts

Ungārija lielāko daļu publisko pakalpojumu pārvalda caur vienu platformu — Ügyfélkapu (Klientu vārteja). Vairāk nekā 4 miljoni pilsoņu to izmanto nodokļiem, pabalstiem, veselības aprūpei un licencēšanai. Privātie uzņēmumi pieslēdzas Ügyfélkapu algu, pabalstu vai identitātes pārbaudēm. Šie uzņēmumi apstrādā tos pašus identifikatorus regulētā kontekstā.

Iestāde ir konstatējusi, ka šie uzņēmumi bieži izmanto starptautiskus PII rīkus. Lielākajai daļai no šiem rīkiem trūkst atbalsta iepriekš minētajiem identifikatoriem. Tas rada nepamanītus datus un tiešu atbilstības risku.

ES AI akta pārklāšanās

Ungārija bija agrīna AI akta noteikumu integrēšanā DPA vadlīnijās. Regulatora nostāja ir skaidra.

Augsta riska AI sistēmas ir uzskaitītas AI akta III pielikumā. Tās aptver darbavietas, kredītu novērtēšanu un svarīgus pakalpojumus. Tām nepieciešams gan AI akta atbilstības novērtējums, gan NAIH DPIA.

Vispārēja mērķa AI modeļi, kas apstrādā Ungārijā esošu cilvēku datus, arī prasa NAIH DPIA. Tas attiecas pat tad, kad modelis nav uzskaitīts kā augsta riska saskaņā ar AI aktu.

Komandām, kas izvieto AI Ungārijā, galvenajā kontrolsarakstā ir trīs punkti. Pabeidziet NAIH DPIA pirms palaišanas. Pārbaudiet, vai jūsu NER rīks aptver iepriekš minētās entītijas ungāru tekstā. Apstipriniet TAJ-szám un adóazonosító jel noteikšanu ar kontrolsummas validāciju.

Avoti

Vai esat gatavi aizsargāt savus datus?

Sāciet PII anonimizāciju ar 285+ entitāšu veidiem 48 valodās.

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.