anonym.legal

By · Last updated 2026-06-05

Назад к блогуGDPR и соблюдение

NAIH Венгрии: управление ИИ и требования к ОВВД

NAIH требует проведения ОВВД для всех ИИ-систем, обрабатывающих персональные данные. Точность NER для венгерского — 67%, что существенно ниже среднего показателя по ЕС в 82%.

June 5, 20268 мин чтения
Hungary NAIHAI GDPR complianceTAJ-szám detectionCentral Europe DPAHungarian data protection

NAIH Венгрии: управление ИИ и требования к ОВВД

Венгерский орган по защите данных — NAIH (Nemzeti Adatvédelmi és Információszabadság Hatóság). Это ведомство выпустило наиболее детальные руководящие указания по ИИ среди всех надзорных органов по защите данных в Центральной Европе. В 2024 году NAIH вынес 38 решений о применении санкций и опубликовал требования об обязательном проведении оценки воздействия на защиту данных (DPIA / ОВВД) для каждой ИИ-системы, обрабатывающей персональные данные. Эти требования выходят за рамки базового стандарта GDPR.

Правила правоприменения NAIH в сфере ИИ

Большинство надзорных органов ЕС ограничиваются общими руководящими указаниями по ИИ. Венгерский регулятор пошёл дальше: его руководство 2024 года содержит операционно конкретные требования.

ОВВД обязательна для всех ИИ-систем: каждая ИИ-система, обрабатывающая персональные данные, должна пройти ОВВД до начала эксплуатации. Это требование применяется даже в случаях, не отнесённых к «высокорисковой» обработке по Статье 35 GDPR, — что строже риск-ориентированного подхода самого GDPR.

Обязательные элементы ОВВД по стандарту NAIH:

  • Техническое описание входных и выходных данных ИИ-модели
  • Подтверждение того, что обучающие данные были анонимизированы или имели надлежащее правовое основание
  • Оценка риска алгоритмической дискриминации
  • Механизм проверки автоматизированных решений человеком
  • График хранения и удаления данных, обработанных ИИ

Ежегодный пересмотр: NAIH требует обновлять ОВВД ежегодно при переобучении ИИ-системы или её существенном изменении.

В 2024 году в Венгрии было обработано свыше 890 000 запросов на реализацию прав субъектов данных по GDPR — значительный объём для страны с населением 10 миллионов человек. Это свидетельствует об активном использовании прав и реальном давлении на команды по соответствию требованиям.

Разрыв в точности NER

По итогам проверки 2024 года NAIH протестировал модели NER на венгерских текстах: точность составила лишь 67% при среднем показателе по ЕС в 82%. Этот разрыв в 15 процентных пунктов влечёт реальные издержки при обеспечении соответствия.

Венгерский — агглютинативный язык: слова образуются посредством множества суффиксов. Имена, адреса и идентификаторы на венгерском выглядят совершенно иначе, чем аналогичные данные на английском или немецком. Инструменты, обученные на этих языках, пропускают значительную долю персональных данных в венгерских текстах. О влиянии этого разрыва на соответствие GDPR в разных языковых средах см. наш справочник по многоязычному обнаружению персональных данных.

Регулятор установил, что универсальные NLP-инструменты пропускают TAJ-szám в 61% документов. Основные причины — вариативность формата и отсутствие поддержки контрольной суммы.

Венгерские национальные идентификаторы

Команды, обрабатывающие документы на венгерском языке, должны точно распознавать следующие типы идентификаторов. Контекст для всего ЕС см. в нашем справочнике по обнаружению национальных налоговых идентификаторов ЕС.

TAJ-szám (Társadalombiztosítási Azonosító Jel): 9-значный номер социального страхования. Встречается в медицинских документах, документах о пособиях и пенсионных делах. Валидация выполняется по взвешенной контрольной сумме, установленной Управлением социального страхования.

Adóazonosító jel: 10-значный персональный налоговый идентификатор. Формат: 8-значная основная часть плюс 2 контрольные цифры. Встречается в платёжных ведомостях, налоговых декларациях и трудовых договорах.

Személyi igazolvány: номер национального удостоверения личности. Формат и контрольная цифра определяются правилами выдающего органа.

Útlevél szám: номер паспорта. Формат и контрольная цифра также регламентированы выдающим органом.

Контекст платформы Ügyfélkapu

Большинство государственных услуг в Венгрии предоставляется через единую платформу — Ügyfélkapu («Клиентский шлюз»). Более 4 миллионов граждан используют её для решения налоговых, социальных, медицинских и лицензионных вопросов. Коммерческие компании подключаются к Ügyfélkapu для расчёта заработной платы, оформления льгот или проверки личности и, таким образом, обрабатывают те же идентификаторы в регулируемом контексте.

NAIH установил, что такие компании нередко используют международные инструменты работы с персональными данными, большинство из которых не поддерживают перечисленные выше идентификаторы. Это приводит к пропускам данных и прямым рискам несоответствия.

Пересечение с Законом ЕС об ИИ

Венгрия одной из первых включила требования Закона об ИИ в рекомендации надзорного органа. Позиция регулятора однозначна.

Высокорисковые ИИ-системы перечислены в Приложении III Закона об ИИ. К ним относятся системы в сферах трудоустройства, кредитного скоринга и основных услуг. Для них требуются как оценка соответствия по Закону об ИИ, так и ОВВД NAIH.

Универсальные ИИ-модели, обрабатывающие данные лиц, находящихся в Венгрии, также требуют ОВВД NAIH — даже если модель не отнесена к высокорисковым по Закону об ИИ.

Для команд, внедряющих ИИ в Венгрии, базовый контрольный список состоит из трёх пунктов: провести ОВВД NAIH до запуска; убедиться, что NER-инструмент охватывает перечисленные выше сущности в венгерских текстах; подтвердить распознавание TAJ-szám и adóazonosító jel с валидацией контрольных сумм.

Источники

Готовы защитить ваши данные?

Начните анонимизацию PII с 285+ типов сущностей на 48 языках.

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.