By · Last updated 2026-06-06

Kembali ke BlogGDPR & Pematuhan

HDPA Greece: Pengesanan AFM & AMKA

AFM Greek hanya dikesan dengan ketepatan 52% oleh alat generik. HDPA mengeluarkan 89 keputusan pada 2024 — naik 162% dari 2022. Sektor pelancongan dan maritim menghadapi risiko tersendiri.

June 6, 20267 min baca
Greece HDPAAFM AMKA detectionGreek alphabet NERtourism GDPRGreek identifiers

HDPA Greece: Pengesanan AFM dan AMKA

Dikemaskini untuk 2026

Pihak berkuasa perlindungan data Greece (HDPA) mengeluarkan 89 keputusan penguatkuasaan pada 2024. Ini merupakan peningkatan 162% daripada 34 keputusan pada 2022. Pelancongan menyumbang 38% kes HDPA. Operasi maritim menambah lagi risiko.

Lihat panduan pematuhan GDPR untuk konteks penguatkuasaan DPA peringkat negara.

AFM: Nombor Pendaftaran Cukai

ΑΦΜ ialah nombor cukai 9 digit. Setiap warganegara, pemastautin, dan perniagaan memilikinya.

Checksum: Darabkan digit 1-8 dengan pemberat 256, 128, 64, 32, 16, 8, 4, dan 2. Jumlahkan hasilnya. Ambil modulo 11. Jika hasilnya 10, nombor itu tidak sah. Selain itu, digit semak ialah hasil modulo 10.

AFM muncul pada invois, kontrak, dan borang kerajaan. Ia merupakan ID utama bagi individu dan perniagaan di negara itu.

Jurang pengesanan: Alat NLP generik hanya menemui AFM dengan ketepatan 52% (HDPA 2024). Tiga sebab menjelaskan ini. Pertama: format 9 digit kelihatan seperti banyak nombor rujukan dan bahagian tarikh. Kedua: checksum modulo dua langkah tiada dalam kebanyakan alat generik. Ketiga: nombor tersebut sering tidak berlabel — ia berada dalam blok alamat.

Untuk maklumat lanjut mengenai ID berstruktur, lihat rujukan entiti.

AMKA: Nombor Insurans Sosial

ΑΜΚΑ ialah nombor 11 digit. Digit 1-6 mengekod tarikh lahir dalam format DDMMYY. Digit 7 mengekod jantina: ganjil untuk lelaki, genap untuk perempuan. Digit 8-11 membentuk nombor siri dan digit semak.

Reka bentuk ini menyerupai personnummer Sweden. Kedua-duanya menimbulkan kebimbangan GDPR yang sama. Nombor itu mendedahkan jantina biologi sebagai titik data.

AMKA muncul dalam rekod kesihatan, fail keselamatan sosial, dan penggajian. Setiap warganegara dan pemastautin memilikinya. Ia berfungsi sebagai nombor utama untuk penjagaan kesihatan dan faedah. Lihat halaman keselamatan dan pematuhan untuk cara GDPR terpakai kepada jenis data ini.

Jurang Sokongan Skrip

Teks Hellenic menggunakan skrip yang berbeza daripada bahasa Latin. Ini merupakan cabaran utama bagi alat PII.

Julat Unicode: Aksara Hellenic berada dalam U+0370-U+03FF dan U+1F00-U+1FFF. Alat yang dibina hanya untuk ASCII atau skrip Latin tidak akan memproses aksara ini.

Model NER: Model el_core_news spaCy mengendalikan NER Hellenic. Tetapi ia memerlukan persediaan eksplisit. Kebanyakan saluran paip lalai menggunakan bahasa Inggeris sahaja. Ia tidak menghasilkan output pada dokumen berskrip Hellenic.

Fail berbilang skrip: Dokumen di negara ini sering mencampurkan skrip Hellenic dan Latin. Nama jenama dan istilah teknikal muncul dalam Latin. Teks utama dalam Hellenic. Saluran paip mesti mengendalikan kedua-duanya.

Bentuk huruf besar-kecil: Nama berubah bentuk dalam ayat Hellenic. Γεώργιος Παπαδόπουλος dalam bentuk subjek menjadi Γεωργίου Παπαδόπουλου dalam genitif. Alat memerlukan analisis morfologi untuk menangkap kedua-duanya.

Lihat FAQ untuk soalan mengenai pengesanan PII berbilang bahasa.

Risiko Pematuhan Pelancongan

Pelancongan menyumbang 38% kes HDPA. Skala dan musim membentuk risiko utama.

Pengekalan PMS: Sistem hotel mengumpul nombor pasport, tarikh lahir, dan data hubungan. HDPA mendapati banyak sistem menyimpan data ini selama lima tahun atau lebih. Kebanyakannya tiada tujuan yang dinyatakan. Kebanyakannya mempunyai kawalan keselamatan yang lemah.

Data pembayaran: Hotel memproses data kad daripada tetamu tempatan dan asing. Folio menyimpan nombor kad separa. Sistem tempahan menyimpan butiran kad penuh. Kedua-dua PCI DSS dan GDPR terpakai.

Kakitangan bermusim: Kakitangan hospitaliti sering bekerja dalam kontrak 4-6 bulan. HDPA mendapati banyak kes di mana akses tidak dibuang apabila kakitangan meninggalkan. Jurang ini biasa dalam sektor kadar pusing ganti tinggi.

Senarai Semak Teknikal untuk Pematuhan HDPA

Untuk memproses dokumen dalam bahasa Hellenic, gunakan tindanan minimum ini. Pengesanan AFM memerlukan pengesahan checksum modulo dua langkah. Pengesanan AMKA memerlukan penghuraian digit tarikh lahir dan jantina. Tambah NER berskrip Hellenic melalui spaCy el_core_news. Sertakan pengesanan pasport dan kad pengenalan negara dalam kedua-dua skrip.

Bagi pengendali pelancongan, dua langkah organisasi juga diperlukan. Pertama: dokumentasikan tempoh pengekalan data PMS. Kedua: buang akses sistem apabila kakitangan bermusim meninggalkan. Langkah-langkah ini menangani penemuan HDPA yang paling biasa.

Lihat harga untuk pelan API yang sesuai dengan aliran kerja hospitaliti berintensif dokumen.


anonym.legal mengesan AFM dan AMKA dengan pengesahan checksum penuh. Ia menyokong NER berskrip Hellenic melalui saluran paip spaCy el_core_news.

Sumber

Sedia untuk melindungi data anda?

Mulakan pengenalan PII dengan 285+ jenis entiti 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.