By · Last updated 2026-06-05

Tilbake til BloggGDPR & Overholdelse

HDPA Hellas: Turisme og skipsfart – GDPR

Hellas' HDPA fattet 89 håndhevingsvedtak i 2024 – opp fra 34 i 2022. Turisme utgjør 38 % av sakene. AFM- og AMKA-identifikatorer kreves.

June 5, 20269 min lesing
Greece HDPAAFM AMKA detectiontourism GDPRmaritime data protectionGreek identifiers

Hellas' Hellenic Data Protection Authority (HDPA) fattet 89 håndhevingsvedtak i 2024. Det er en økning på 162 % fra 34 vedtak i 2022. To sektorer er under størst press: turisme og skipsfart.

Oppdatert for 2026

Turisme: Massebehandling i sesongen

Hellas hadde over 30 millioner utenlandske besøkende i 2024. Hvert besøk skaper personopplysninger. Hoteller, kassasystemer, reisebyråer og restauranter samler alle inn slike data. Kjerneproblemet er tid. Opplysningene kommer i store mengder fra juni til september. De må oppbevares sikkert langt lenger enn det.

HDPAs hotelltilsyn i 2024 avdekket tre vanlige feiltyper.

Feil ved oppbevaring i kassasystemer: Restauranters kassasystemer oppbevarte kort- og kvitteringsdata utover oppgitte grenser. De fleste hotellforetak hadde ingen skriftlig plan for oppbevaringstid. Opplysningene lå uten sluttdato, merket "for regnskap."

Mangler ved bookingplattformer: Hoteller som brukte globale bookingplattformer hadde ofte ingen databehandleravtale. Mange hadde heller ikke gjennomført vurderinger av overføringskonsekvenser (Transfer Impact Assessments) for overføringer til systemer utenfor EU.

Feil ved sesongbasert tilgang: Sesongansatte fikk tilgang til gjesteadministrasjonssystemer. Kontroll av disse ansatte var sjelden. Innloggingsinformasjon ble ofte stående åpen måneder etter at de sluttet.

Turisme utgjør den største andelen av HDPAs saker etter sektor. Se hvordan deteksjon av nasjonale EU-identifikatorer fungerer på tvers av Europa for et bredere bilde.

Skipsfart: Mannskapsregistre i stor skala

Etter tonnasje er landet verdensledende innen skipseiermiljøet. Den helleniske flåten sysselsetter over 90 000 sjøfolk. Atenasbaserte selskaper administrerer mannskapsregistre for flåter med arbeidstakere fra mange land.

Mannskapsregistre reiser fire GDPR-problemer.

Flaggstatens rett: Flaggstatens rett gjelder om bord på fartøyet uansett hvor det seiler. GDPR dekker bruken av mannskapsregistre på skipet, ikke bare på landkontoret.

Flernasjonale mannskaper: Mange mannskaper har ingen lokale statsborgere i det hele tatt. Arbeidstakere fra Filippinene, Ukraina, India og Indonesia er vanlige. Passene deres, STCW-kort og helseattester flyter alle gjennom Aten-administrerte systemer.

Helseregistre: Maritime jobber krever jevnlige helsekontroller. Helseregistre er en særlig GDPR-kategori etter artikkel 9. De krever et klart rettslig grunnlag, sterk sikkerhet og strenge tilgangsregler.

Sjømanns-ID-numre: STCW-kort og sjømannsbok bruker unike nummerformater etter utstedende land. Disse ID-ene forekommer i mannskapssystemer og krever deteksjon for full PII-dekning. For konfidensskåring på tvers av ID-typer, se binær PII-deteksjon og konfidensskåring.

Nasjonale ID-er: AFM og AMKA

ΑΦΜ (skattenummer): AFM er et 9-sifret nummer. Et kontrollsiffer fastsettes etter en vektet sumregel. Det er landets viktigste kommersielle ID. Det forekommer i forretningsavtaler, ansettelsesdokumenter og offentlige tjenester.

Generiske NLP-verktøy overser ofte AFM-er. Det 9-sifrede mønsteret kolliderer med datoer og referansekoder. Det fører til falske positiver når ingen kontrollsumtrinn kjøres. Verktøy overser også AFM-er skrevet uten mellomrom eller med uvanlige skilletegn.

ΑΜΚΑ (sosialforsikringsnummer): AMKA er et 11-sifret nummer. Det inneholder fødselsdato, kjønn og en sekvenskode. Det forekommer på arbeidskontrakter, resepter og sykehusskjemaer.

Nasjonalt ID-kort (Αστυνομική Ταυτότητα): Én bokstav etterfulgt av seks eller sju sifre, med helleniske utstedelsesregler.

Pass: Standard EU-format med lokale utstedelsesregler.

Språklig NER for hellenisk tekst

Den lokale skriften er ikke latinsk. De fleste kommersielle NLP-modeller trenes på latinsk tekst. Et latinsk trent verktøy kan ikke finne navn eller adresser i filer med hellenisk skrift.

Solid NER for dette språket krever fire ting:

  • spaCy el_core_news eller en tilsvarende hellenisk NLP-modell
  • Korrekt tokenisering for lokale tegnområder
  • Lokale navnemønstre, som skiller seg fra engelske og tyske
  • Adressebetegnelser: "Οδός" (gate), "Πλατεία" (torg), "Λεωφόρος" (allé)

For selskaper innen turisme eller skipsfart her krever HDPA-nivå PII-deteksjon AFM- og AMKA-kontrollsumkontroll pluss hellenisk NER i én og samme pipeline.

Kilder

Klar til å beskytte dataene dine?

Begynn å anonymisere PII med 285+ enhetstyper på 48 språk.

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.