anonym.legal

By · Last updated 2026-06-05

Nazaj na blogGDPR in skladnost

HDPA Grcija: zaznavanje AFM in AMKA

Generalna orodja zaznajo grski AFM le z 52-odstotno tocnostjo. HDPA je leta 2024 izdal 89 odlocb -- za 162 % vec kot leta 2022. Turizem in pomorstvo prinasata posebna tveganja.

June 5, 20267 min branja
Greece HDPAAFM AMKA detectionGreek alphabet NERtourism GDPRGreek identifiers

HDPA Grcija: zaznavanje AFM in AMKA

Posodobljeno za leto 2026

Grski organ za varstvo podatkov (HDPA) je leta 2024 izdal 89 izvedbenih odlocb. To je 162-odstotno povecanje glede na 34 odlocb leta 2022. Turizem je vzrok za 38 % primerov pred HDPA. Pomorske dejavnosti dodajajo nadaljnje tveganje.

Gledate vodnik za skladnost z GDPR za kontekst o izvrsevanju nacionalnih nadzornih organov.

AFM: davcna stevilka

AFM (ΑΦΜ) je 9-mestna davcna stevilka. Vsak drzavljan, rezident in podjetje jo ima.

Kontrolna vsota: Pomnozite cifre 1--8 z utezmi 256, 128, 64, 32, 16, 8, 4 in 2. Sestejte produkte. Vzamete modulo 11. Ce je rezultat 10, stevilka ni veljavna. Sicer je kontrolna cifra rezultat modulo 10.

AFM se pojavlja na racunih, pogodbah in vladnih obrazcih. Je primarni identifikator tako za fizicne kot za pravne osebe v drzavi.

Vrzel pri zaznavanju: Genericna orodja NLP zaznajo AFM le z 52-odstotno tocnostjo (HDPA 2024). Tri vzroki to pojasnjujejo. Prvic: format 9 cifer spominja na mnoge referencne stevilke in dele datumov. Drugic: dvostopenjska modulo kontrolna vsota manjka v vecini genericnih orodij. Tretjic: stevilka pogosto nima oznake -- nahaja se znotraj bloka naslova.

Vec o strukturiranih identifikatorjih najdete v referenci entitet.

AMKA: stevilka socialnega zavarovanja

AMKA (ΑΜΚΑ) je 11-mestna stevilka. Cifre 1--6 kodirajo datum rojstva v formatu DDMMLL. Cifra 7 kodira spol: lihe za moske, sode za zenske. Cifre 8--11 tvorijo serijska stevilka in kontrolno cifro.

Ta zasnova je podobna svednemu personnummer. Obe postavljata enako skrb z vidika GDPR. Stevilka razkrije biološki spol kot podatkovni element.

AMKA se pojavlja v zdravstvenih kartonih, dosjejih socialnega zavarovanja in obracunih plac. Vsak drzavljan in rezident jo ima. Sluzi kot glavna stevilka za zdravstveno varstvo in socialne prejemke. Glejte stran o varnosti in skladnosti za uporabo GDPR pri tej vrsti podatkov.

Vrzel pri podpori pisave

Grsko besedilo uporablja drugacno pisavo od latinskih jezikov. To je kljucni izziv za orodja za varstvo osebnih podatkov.

Obsegi Unicode: Grski znaki so v U+0370--U+03FF in U+1F00--U+1FFF. Orodja, zgrajena samo za ASCII ali latinske pisave, teh znakov ne bodo obdelala.

Model NER: Spacyjev model el_core_news obvladuje grski NER. Toda zahteva izrecno nastavitev. Vecina privzetih cevlovodov uporablja samo anglescino. Na grskih dokumentih ne ustvarijo nobenega izhoda.

Datoteke z mesano pisavo: Dokumenti v tej drzavi pogosto mesajo grsko in latinsko pisavo. Blagovne znamke in tehnicni izrazi so v latinici. Besedilo je v grscini. Cevlovod mora obvladati oba.

Oblike sklonov: Imena v grskih stavkih menjajo obliko. Γεώργιος Παπαδόπουλος v imenovalniku postane Γεωργίου Παπαδόπουλου v rodilniku. Orodje potrebuje morfološko analizo za zaznavo obeh.

Glejte pogosta vprasanja za vprasanja o vecscezenjecnem zaznavanju osebnih podatkov.

Tveganja skladnosti v turizmu

Turizem je vzrok za 38 % primerov HDPA. Obseg in sezonskost ustvarjata glavna tveganja.

Hramba v PMS: Hotelski sistemi zbirajo stevilke potnih listov, datume rojstva in kontaktne podatke. HDPA je ugotovil, da mnogi sistemi hranijo te podatke pet ali vec let. Vecina ni imela navedenega namena. Vecina je imela sibke varnostne kontrole.

Placilni podatki: Hoteli obdelujejo podatke kartic lokalnih in tujih gostov. Racuni vsebujejo delne stevilke kartic. Sistemi za rezervacije vsebujejo polne podatke kartic. Veljata tako PCI DSS kot GDPR.

Sezonski delavci: Gostinsko osebje pogosto dela na pogodbah od 4 do 6 mesecev. HDPA je ugotovil mnoge primere, ko dostop ni bil odvzet ob odhodu delavcev. Ta vrzel je pogosta v sektorjih z visoko fluktuacijo.

Tehnicni kontrolni seznam za skladnost z HDPA

Za obdelavo dokumentov v grscini uporabite ta minimalni nabor. Zaznavanje AFM zahteva dvostopenjsko validacijo modulo kontrolne vsote. Zaznavanje AMKA zahteva razclenvanje datuma rojstva in cifre spola. Dodajte grski NER prek spaCy el_core_news. Vkljucite zaznavanje potnih listov in nacionalnih identifikacijskih dokumentov v obeh pisavah.

Za turisticne operaterje sta potrebna se dva organizacijska koraka. Prvic: dokumentirajte obdobja hrambe podatkov PMS. Drugic: odstranite sistemski dostop ob odhodu sezonskih delavcev. Ti koraki obravnavajo najpogostejse ugotovitve HDPA.

Glejte cenike za API-nacrti, ki ustrezajo delovnim tokovom z veliko dokumentov v gostinstvu.


anonym.legal zaznava AFM in AMKA s polno validacijo kontrolne vsote. Podpira grski NER prek cevlovoda spaCy el_core_news.

Viri

Ste pripravljeni zaščititi svoje podatke?

Začnite z anonimizacijo PII z več kot 285 tipi entitet v 48 jezikih.

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.