Dissertations https://dione.lib.unipi.gr/xmlui/handle/unipi/1 2026-07-26T17:13:46Z 2026-07-26T17:13:46Z Φραγκούλης, Βασίλειος - Νικόλαος https://dione.lib.unipi.gr/xmlui/handle/unipi/19634 2026-07-24T23:30:48Z 2026-07-01T00:00:00Z

Σχεδιασμός και υλοποίηση ασφαλούς συστήματος ηλεκτρονικού εμπορίου (e-shop) με Spring Boot και JWT Φραγκούλης, Βασίλειος - Νικόλαος Η παρούσα πτυχιακή εργασία πραγματεύεται τον σχεδιασμό και την υλοποίηση ενός ολοκληρωμένου συστήματος ηλεκτρονικού εμπορίου (N21). Κεντρικό ζήτημα της εργασίας είναι η ασφάλεια του συστήματος, η οποία υλοποιείται μέσω πολλαπλών και συμπληρωματικών μηχανισμών αυθεντικοποίησης και εξουσιοδότησης. Για την ανάπτυξη του backend επιλέχθηκε το πλαίσιο Spring Boot 4.0.3 σε συνδυασμό με Java 17, ενώ το frontend αναπτύχθηκε με Next.js 16.2, React 19 και TypeScript 5. Ως σύστημα διαχείρισης βάσης δεδομένων χρησιμοποιήθηκε η PostgreSQL, με τη διαχείριση μεταναστεύσεων σχήματος να γίνεται μέσω Flyway. Για την αποθήκευση εικόνων χρησιμοποιείται το Cloudinary CDN, ενώ η υποδομή είναι εγκατεστημένη στην πλατφόρμα Hetzner Cloud. Στο επίπεδο ασφάλειας υλοποιήθηκαν: (a) JSON Web Tokens (JWT) αποθηκευμένα σε HttpOnly cookies, (β) OAuth2 μέσω Google, (γ) TOTP-based 2FA για διαχειριστές, (δ) rate limiting μέσω Bucket4j, και (ε) CSRF protection μέσω SameSite cookies. Λειτουργικά, το σύστημα διαθέτει πλήρη υποστήριξη καταλόγου προϊόντων, καλαθιού αγορών, ολοκλήρωσης παραγγελίας με την πύλη πληρωμών Viva Wallet Smart Checkout v2, αποστολής email ειδοποιήσεων μέσω Zoho Mail και Brevo, και ολοκληρωμένου διαχειριστικού panel. Τα αποτελέσματα επιβεβαιώνουν ότι είναι εφικτή η κατασκευή ενός σύγχρονου, ασφαλούς και πλήρως λειτουργικού συστήματος ηλεκτρονικού εμπορίου χρησιμοποιώντας ανοιχτού κώδικα τεχνολογίες, με χαρακτηριστικά ασφαλείας αντίστοιχα των εμπορικών λύσεων.

2026-07-01T00:00:00Z Ψύμαρνος, Βασίλειος https://dione.lib.unipi.gr/xmlui/handle/unipi/19633 2026-07-24T23:43:23Z 2026-07-01T00:00:00Z

Πρόβλεψη αποχώρησης πελατών από πολυκαναλικά δεδομένα CRM με τη χρήση μοντέλων βαθιάς μάθησης και αρχιτεκτονικών προσοχής Ψύμαρνος, Βασίλειος Αντικείμενο της παρούσας πτυχιακής εργασίας είναι η μελέτη, η ανάπτυξη και η σύγκριση προηγμένων μοντέλων Βαθιάς Μάθησης (Deep Learning) με σκοπό την πρόβλεψη της αποχώρησης πελατών (Customer Churn Prediction). Στον σύγχρονο επιχειρηματικό κόσμο, η διατήρηση των υπαρχόντων πελατών είναι ζωτικής σημασίας, καθώς η απόκτηση νέων κοστίζει σημαντικά περισσότερο. Για τον λόγο αυτό, οι εταιρείες αναζητούν έξυπνους τρόπους ώστε να αναγνωρίζουν έγκαιρα ποιοι καταναλωτές δείχνουν σημάδια μειωμένου ενδιαφέροντος, με σκοπό να τους προσφέρουν κίνητρα για να παραμείνουν. Για τις ανάγκες της εργασίας, χρησιμοποιήθηκαν πραγματικά και σύνθετα επιχειρηματικά δεδομένα από ένα Omnichannel CRM σύστημα (δεδομένα πελατών, online παραγγελίες, αλληλεπιδράσεις με την εξυπηρέτηση πελατών, ιστορικό συσκευών, χρήση κουπονιών και email καμπάνιες). Αντί για μια στατική ανάλυση των δεδομένων αυτών, η συγκεκριμένη προσέγγιση εστιάζει στη χρονική εξέλιξη της συμπεριφοράς του κάθε πελάτη. Στο πλαίσιο αυτό, σχεδιάστηκε και υλοποιήθηκε μια ολοκληρωμένη διαδικασία προεπεξεργασίας δεδομένων, η οποία μετέτρεψε το διάσπαρτο ιστορικό ενεργειών των χρηστών σε δομημένες χρονικές ακολουθίες (sequences) σταθερού μήκους. Πάνω σε αυτές τις χρονικές ακολουθίες εκπαιδεύτηκαν και συγκρίθηκαν τρεις διαφορετικές αρχιτεκτονικές νευρωνικών δικτύων: 1. Τα δίκτυα LSTM (Long Short-Term Memory), τα οποία εξειδικεύονται στην απομνημόνευση μακροπρόθεσμων εξαρτήσεων σε ακολουθίες δεδομένων. 2. Τα δίκτυα GRU (Gated Recurrent Unit), που αποτελούν μια πιο απλή και υπολογιστικά ελαφρύτερη παραλλαγή των LSTM. 3. Τα μοντέλα Transformer, τα οποία χρησιμοποιούν τον μηχανισμό πολλαπλής προσοχής (Multi-Head Attention) και αποτελούν την τεχνολογία αιχμής στη σύγχρονη Τεχνητή Νοημοσύνη. Τα μοντέλα αξιολογήθηκαν και συγκρίθηκαν με βάση καθιερωμένες μετρικές της Επιστήμης Δεδομένων, όπως η ακρίβεια (Accuracy), η πιστότητα (Precision), η ανάκληση (Recall), το F1- Score και η καμπύλη AUC-ROC. Τα αποτελέσματα της έρευνας έδειξαν ότι η χρήση χρονικών ακολουθιών επιτρέπει στα νευρωνικά δίκτυα να εντοπίζουν μοτίβα σταδιακής αποστασιοποίησης των πελατών. Η τελική σύγκριση αναδεικνύει τα πλεονεκτήματα και τα μειονεκτήματα της κάθε αρχιτεκτονικής, προσφέροντας χρήσιμα συμπεράσματα τόσο σε επιστημονικό όσο και σε πρακτικό επιχειρηματικό επίπεδο για την εφαρμογή τέτοιων συστημάτων στην αγορά.

2026-07-01T00:00:00Z Σγουρός, Σταμάτιος https://dione.lib.unipi.gr/xmlui/handle/unipi/19632 2026-07-24T23:32:03Z 2026-01-01T00:00:00Z

Αρχιτεκτονική και μηχανισμοί ασφάλειας του macOS Σγουρός, Σταμάτιος Η παρούσα εργασία πραγματεύεται τη συστηματική και θεωρητικά τεκμηριωμένη ανάλυση της αρχιτεκτονικής ασφάλειας του λειτουργικού συστήματος macOS, προσεγγίζοντάς το ως ένα συνεκτικό και πολυεπίπεδο σύστημα προστασίας. Στο θεωρητικό επίπεδο, η μελέτη εδράζεται στις θεμελιώδεις αρχές της ασφάλειας πληροφοριακών συστημάτων, με έμφαση στην τριάδα εμπιστευτικότητας, ακεραιότητας και διαθεσιμότητας, στο μοντέλο Authentication– Authorization–Accountability (AAA), καθώς και στα σύγχρονα μοντέλα ελέγχου πρόσβασης και στη στρατηγική Defense-in-Depth. Σε επίπεδο αρχιτεκτονικής, αναλύεται η δομή του Darwin και του υβριδικού πυρήνα XNU, με ιδιαίτερη έμφαση στη διαχείριση εικονικής μνήμης, στην απομόνωση διεργασιών και στη διαβάθμιση προνομίων ως βασικών μηχανισμών επιβολής ασφάλειας. Η εμπιστευτικότητα δεδομένων εξετάζεται μέσω της αλληλεπίδρασης του APFS, της κρυπτογράφησης FileVault, των μηχανισμών Data Protection και του Secure Enclave, αναδεικνύοντας τη σημασία της ιεραρχικής διαχείρισης κλειδιών και της hardware-assisted ασφάλειας. Παράλληλα, το μοντέλο ασφάλειας εφαρμογών αποτιμάται υπό το πρίσμα της αλυσίδας εμπιστοσύνης που συγκροτούν το code signing, ο Gatekeeper, η notarization, το sandboxing και το Hardened Runtime. Επιπροσθέτως, αναλύονται οι μηχανισμοί διασφάλισης ακεραιότητας του συστήματος, όπως το System Integrity Protection, το signed system volume και η αλυσίδα secure boot, καθώς και το πλαίσιο ελέγχου πρόσβασης σε ευαίσθητους πόρους μέσω του TCC. Η συγκριτική αποτίμηση με άλλα σύγχρονα λειτουργικά συστήματα καταδεικνύει ότι η καθετοποιημένη προσέγγιση του macOS επιτρέπει υψηλό βαθμό ενοποίησης μηχανισμών ασφάλειας, ενισχύοντας τη συνολική ανθεκτικότητα του συστήματος. Το macOS αναδεικνύεται ως χαρακτηριστικό παράδειγμα σύγχρονης αρχιτεκτονικής ασφάλειας λειτουργικών συστημάτων, όπου η σύζευξη υλικού και λογισμικού, σε συνδυασμό με πολυεπίπεδες πολιτικές ελέγχου, οδηγεί σε αυξημένο επίπεδο προστασίας, χωρίς ωστόσο να εξαλείφει πλήρως τις εγγενείς προκλήσεις της ασφάλειας σε περιβάλλοντα υψηλής πολυπλοκότητας.

2026-01-01T00:00:00Z Τάσσου, Κωνσταντίνα https://dione.lib.unipi.gr/xmlui/handle/unipi/19631 2026-07-24T23:33:21Z 2026-01-01T00:00:00Z

Αξιολόγηση της αποτελεσματικότητας εργαλείων τεχνητής νοημοσύνης στην ανάλυση και πρόβλεψη δεδομένων Τάσσου, Κωνσταντίνα Αντικείμενο της παρούσας διπλωματικής εργασίας αποτελεί η διερεύνηση της αποτελεσματικότητας που παρουσιάζουν τα εργαλεία Τεχνητής Νοημοσύνης (ΤΝ) στο πεδίο της ανάλυσης και πρόβλεψης δεδομένων σε σύγκριση με την εμπειρική ανάλυση. Για τις ανάγκες της πειραματικής διαδικασίας αξιοποιήθηκε το σύνολο δεδομένων «Hotel Booking Demand Dataset», το οποίο απαρτίζεται από πραγματικές ξενοδοχειακές κρατήσεις, με κεντρικό στόχο τη μοντελοποίηση και πρόβλεψη της μεταβλητής του Μέσου Ημερήσιου Εσόδου (Average Daily Rate - ADR). Η ερευνητική προσέγγιση διαρθρώθηκε σε διακριτά μεθοδολογικά στάδια. Αρχικά, πραγματοποιήθηκε ενδελεχής προ-επεξεργασία και εξυγίανση των δεδομένων (data cleaning), η οποία περιλάμβανε τον εντοπισμό και τη διαχείριση ακραίων τιμών (outliers), καθώς και τον κατάλληλο μετασχηματισμό των μεταβλητών για τη διασφάλιση της αξιοπιστίας των αποτελεσμάτων. Στο πλαίσιο της στατιστικής ανάλυσης, εφαρμόστηκαν μοντέλα απλής και πολυπαραγοντικής παλινδρόμησης, προκειμένου να ερμηνευθούν οι προσδιοριστικοί παράγοντες που διαμορφώνουν την τιμολογιακή πολιτική στον ξενοδοχειακό κλάδο. Ιδιαίτερη έμφαση δόθηκε στην τμηματοποίηση των δεδομένων (segmentation), μια στρατηγική που συνέβαλε καθοριστικά στη βελτιστοποίηση της ερμηνευτικής ισχύος και της προβλεπτικής ικανότητας των παραγόμενων μοντέλων. Σε επόμενο στάδιο, η ανάλυση επεκτάθηκε με τη χρήση προηγμένων εργαλείων ΤΝ, και συγκεκριμένα των μοντέλων ChatGPT και Gemini. Η συγκριτική αξιολόγηση των δύο αυτών προσεγγίσεων αποκάλυψε ουσιώδεις διαφοροποιήσεις στη φιλοσοφία επίλυσης: ενώ το ChatGPT προέκρινε τη χρήση γραμμικών μοντέλων με υψηλό βαθμό ερμηνευσιμότητας, το Gemini υιοθέτησε πολυπλοκότερες μη γραμμικές τεχνικές, επιτυγχάνοντας ανώτερες επιδόσεις ως προς την ακρίβεια των προβλέψεων. Συνοψίζοντας, τα αποτελέσματα της εργασίας δείχνουν ότι η επιλογή της μεθοδολογίας εξαρτάται από τον στόχο της ανάλυσης. Τα παραδοσιακά στατιστικά μοντέλα προσφέρουν υψηλή ερμηνευσιμότητα και κατανόηση των δεδομένων, ενώ τα μοντέλα τεχνητής νοημοσύνης επιτυγχάνουν μεγαλύτερη προβλεπτική ακρίβεια. Συνεπώς, προτείνεται ένας υβριδικός συνδυασμός των δύο προσεγγίσεων, ο οποίος μπορεί να αξιοποιηθεί αποτελεσματικά σε περιβάλλοντα λήψης αποφάσεων.

2026-01-01T00:00:00Z