By · Last updated 2026-06-05

Kembali ke BlogGDPR & Pematuhan

NAIH Hungary: Tadbir Urus AI & Peraturan DPA

NAIH memerlukan DPIA untuk semua sistem AI yang memproses data peribadi. Ketepatan NER Hungary ialah 67% — jauh di bawah purata EU 82%.

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

NAIH Hungary: Tadbir Urus AI dan Peraturan DPA

Badan data Hungary ialah NAIH — Nemzeti Adatvedelmi es Informacioszabadsag Hatosag. Pihak berkuasa ini telah mengeluarkan panduan AI paling terperinci daripada mana-mana DPA Eropah Tengah. Pada 2024 ia mengeluarkan 38 keputusan penguatkuasaan. Ia juga menerbitkan peraturan yang memerlukan DPIA untuk setiap sistem AI yang mengendalikan data peribadi. Peraturan ini melangkaui garis dasar GDPR.

Peraturan Penguatkuasaan AI NAIH

Kebanyakan DPA EU menerbitkan panduan AI yang luas. DPA Hungary pergi lebih jauh. Panduan 2024-nya adalah khusus secara operasi.

DPIA diperlukan untuk semua sistem AI: Setiap sistem AI yang menyentuh data peribadi memerlukan DPIA terlebih dahulu. Pengawal selia memerlukan ini sebelum penggunaan. Ini terpakai walaupun apabila pemprosesan tidak "berisiko tinggi" di bawah Artikel 35 GDPR. Itu lebih ketat daripada pendekatan berasaskan risiko GDPR sendiri.

Apa yang mesti ada dalam DPIA NAIH:

  • Penerangan teknikal input dan output data model AI
  • Bukti bahawa data latihan telah dianonimkan atau mempunyai asas undang-undang yang sah
  • Penilaian risiko diskriminasi algoritma
  • Langkah semakan manusia untuk keputusan automatik
  • Jadual pengekalan dan pemadaman untuk data yang diproses AI

Semakan tahunan: Pihak berkuasa memerlukan DPIA dikemas kini setiap tahun. Ini terpakai apabila sistem AI dilatih semula atau diubah dengan ketara.

Hungary mengendalikan lebih 890,000 permintaan data GDPR pada 2024. Itu adalah jumlah yang besar untuk sebuah negara berpenduduk 10 juta. Ia menandakan penggunaan hak yang aktif dan tekanan nyata ke atas pasukan pematuhan.

Jurang Ketepatan NER

Ulasan 2024 pihak berkuasa menguji model NER pada teks Hungary. Mereka memperoleh ketepatan hanya 67%. Purata EU ialah 82%. Jurang 15 mata itu mempunyai kos pematuhan yang nyata.

Bahasa Hungary ialah bahasa aglutinasi. Ia membina perkataan melalui banyak akhiran. Nama, alamat, dan ID dalam bahasa Hungary kelihatan sangat berbeza daripada data dalam bahasa Inggeris atau Jerman. Alat yang dilatih pada bahasa tersebut terlepas sebahagian besar data peribadi dalam bahasa Hungary. Lihat panduan pengesanan PII pelbagai bahasa kami untuk cara jurang ini mempengaruhi pematuhan GDPR merentasi bahasa.

Pengawal selia mendapati alat NLP generik terlepas TAJ-szam dalam 61% dokumen. Variasi format dan tiada sokongan checksum adalah punca utama.

Pengecam Nasional Hungary

Passukan yang memproses dokumen di Hungary mesti mengesan jenis ID ini dengan tepat. Lihat panduan pengesanan ID cukai nasional EU kami untuk konteks liputan EU penuh.

TAJ-szam (Tarsadalombiztositasi Azonosito Jel): Nombor keselamatan sosial 9 digit. Ia muncul dalam rekod kesihatan, faedah, dan pencen. Pengesahan menggunakan checksum berwajaran yang ditetapkan oleh pihak berkuasa Insurans Sosial.

Adoazonosito jel: ID cukai peribadi 10 digit. Formatnya ialah teras 8 digit ditambah 2 digit semak. Ia muncul dalam gaji, penyerahan cukai, dan kontrak pekerjaan.

Nomor Szemelyi igazolvany: Nombor kad pengenalan nasional. Format dan peraturan digit semak mengikut pihak berkuasa yang mengeluarkan.

Utlevel szam: Nombor pasport. Format dan digit semak juga mengikut peraturan yang ditetapkan oleh pihak berkuasa yang mengeluarkan.

Konteks Ugyfélkapu

Hungary menjalankan kebanyakan perkhidmatan awam melalui satu platform — Ugyfélkapu (Client Gateway). Lebih 4 juta warganegara menggunakannya untuk cukai, faedah, penjagaan kesihatan, dan pelesenan. Syarikat swasta berhubung dengan Ugyfélkapu untuk gaji, faedah, atau semakan identiti. Syarikat tersebut memproses pengecam yang sama dalam konteks terkawal.

Pihak berkuasa mendapati bahawa syarikat ini sering menggunakan alat PII antarabangsa. Kebanyakan alat tersebut tidak menyokong pengecam di atas. Itu membawa kepada data yang terlepas dan risiko pematuhan langsung.

Pertindihan Akta AI EU

Hungary adalah awal dalam melipat peraturan Akta AI ke dalam panduan DPA. Pendirian pengawal selia adalah jelas.

Sistem AI berisiko tinggi disenaraikan dalam Lampiran III Akta AI. Ini merangkumi pekerjaan, pemarkahan kredit, dan perkhidmatan penting. Mereka memerlukan kedua-dua penilaian kesesuaian Akta AI dan DPIA NAIH.

Model AI tujuan umum yang memproses data orang di Hungary juga memerlukan DPIA NAIH. Ini terpakai walaupun apabila model tidak disenaraikan sebagai berisiko tinggi di bawah Akta AI.

Untuk pasukan yang menggunakan AI di Hungary, senarai semak teras mempunyai tiga perkara. Lengkapkan DPIA NAIH sebelum pelancaran. Sahkan bahawa alat NER anda merangkumi entiti di atas dalam teks Hungary. Sahkan pengesanan TAJ-szam dan adoazonosito jel dengan pengesahan checksum.

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.