By · Last updated 2026-06-05

Tillbaka till BloggenGDPR & Efterlevnad

HDPA Grekland: AFM & AMKA-detektering

Generiska verktyg detekterar grekisk AFM med bara 52 % noggrannhet. HDPA utfärdade 89 beslut under 2024 — en ökning med 162 % sedan 2022. Turism- och sjöfartssektorerna står inför särskilda risker.

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

HDPA Grekland: AFM och AMKA-detektering

Uppdaterad för 2026

Greklands dataskyddsmyndighet (HDPA) utfärdade 89 tillsynsbeslut under 2024. Det är en ökning med 162 % från 34 beslut år 2022. Turismen driver 38 % av HDPA:s ärenden. Maritima verksamheter tillkommer som ytterligare riskfaktor.

Se GDPR-efterlevnadsguiden för kontext om nationella DPA-tillsynsbeslut.

AFM: Skatteregistreringsnummer

ΑΦΜ är ett 9-siffrigt skattenummer. Varje medborgare, bosatt person och företag har ett.

Kontrollsumma: Multiplicera siffrorna 1–8 med vikterna 256, 128, 64, 32, 16, 8, 4 och 2. Summera produkterna. Ta modulo 11. Om resultatet är 10 är numret ogiltigt. Annars är kontrollsiffran resultatet modulo 10.

AFM förekommer på fakturor, kontrakt och myndighetsblankett. Det är det primära ID:t för både privatpersoner och företag i landet.

Detekteringslucka: Generiska NLP-verktyg hittar AFM med bara 52 % noggrannhet (HDPA 2024). Tre orsaker förklarar detta. För det första liknar 9-siffersformatet många referensnummer och datumdelar. För det andra saknar de flesta generiska verktyg den tvåstegs-modulo-kontrollsumma som krävs. För det tredje har numret ofta ingen etikett — det sitter inuti ett adressfält.

Mer om strukturerade ID:n finns i entitetsreferensen.

AMKA: Socialförsäkringsnummer

ΑΜΚΑ är ett 11-siffrigt nummer. Siffrorna 1–6 kodar födelsedatumet i DDMMÅÅ-format. Siffra 7 kodar kön: udda för man, jämnt för kvinna. Siffrorna 8–11 bildar serienummer och kontrollsiffra.

Denna design liknar Sveriges personnummer. Båda väcker samma GDPR-fråga. Numret avslöjar biologiskt kön som en datapunkt.

AMKA förekommer i hälsojournaler, socialförsäkringshandlingar och löneregister. Varje medborgare och bosatt person har ett. Det fungerar som huvudnummer för sjukvård och förmåner. Se sidan om säkerhet och efterlevnad för hur GDPR gäller denna datatyp.

Lucka i stöd för skriftsystem

Hellensk text använder ett annat skriftsystem än latinska språk. Det är en kärnproblematik för PII-verktyg.

Unicode-intervall: Hellenska tecken finns i U+0370–U+03FF och U+1F00–U+1FFF. Verktyg som bara är byggda för ASCII eller latinska skriftsystem kan inte hantera dessa tecken.

NER-modell: spaCy:s el_core_news-modell hanterar hellensk NER. Men den kräver explicit konfiguration. De flesta standardpipelines använder bara engelska. De ger inga resultat på dokument med hellenskt skriftsystem.

Blandade skriftsystem: Dokument från landet blandar ofta hellenskt och latinskt skriftsystem. Varumärken och tekniska termer skrivs med latinska tecken. Brödtext är på hellenska. En pipeline måste hantera båda.

Böjningsformer: Namn ändrar form i hellenska meningar. Γεώργιος Παπαδόπουλος i nominativ blir Γεωργίου Παπαδόπουλου i genitiv. Ett verktyg behöver morfologisk analys för att fånga båda formerna.

Se FAQ för frågor om flerspråkig PII-detektering.

Efterlevnadsrisker inom turism

Turism driver 38 % av HDPA:s ärenden. Skala och säsongsvariation skapar de största riskerna.

PMS-lagring: Hotellsystem samlar in passnummer, födelsedatum och kontaktuppgifter. HDPA fann att många system sparar dessa uppgifter i fem år eller mer. De flesta hade inget angivet syfte. De flesta hade svaga säkerhetskontroller.

Betalningsdata: Hotell hanterar kortdata från inhemska och utländska gäster. Fakturor innehåller delvisa kortnummer. Bokningssystem innehåller fullständiga kortuppgifter. Både PCI DSS och GDPR är tillämpliga.

Säsongspersonal: Hotell- och restaurangpersonal arbetar ofta under 4–6 månader. HDPA fann många fall där åtkomst inte avlägsnades när personal slutade. Denna lucka är vanlig i branscher med hög personalomsättning.

Teknisk checklista för HDPA-efterlevnad

För behandling av dokument på hellenska språket, använd minst följande stack. AFM-detektering kräver tvåstegs-modulo-kontrollsummavalidering. AMKA-detektering kräver tolkning av födelsedatum och könssiffra. Lägg till hellensk NER via spaCy el_core_news. Inkludera detektering av pass och nationella ID-handlingar i båda skriftsystemen.

För turismoperatörer behövs även två organisatoriska steg. Först: dokumentera lagringstider för PMS-data. Andra: ta bort systemåtkomst när säsongspersonal slutar. Dessa steg åtgärdar de vanligaste HDPA-fynden.

Se prissättning för API-abonnemang anpassade för dokumentintensiva arbetsflöden inom hotell och restaurang.


anonym.legal detekterar AFM och AMKA med fullständig kontrollsummavalidering. Det stödjer hellensk NER via spaCy el_core_news-pipelinen.

Källor

Redo att skydda din data?

Börja anonymisera PII med 285+ entitetstyper 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.