https://dione.lib.unipi.gr/xmlui/handle/unipi/2420 Department of Digital Systems Tue, 14 Apr 2026 21:01:55 GMT 2026-04-14T21:01:55Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19165 Οι γεωπολιτικές προκλήσεις της ενεργειακής μετάβασης στην Ανατολική Μεσόγειο Μπαριάμη, Ρωξάνη - Ειρήνη Η παγκόσμια στροφή προς ένα πιο βιώσιμο ενεργειακό μοντέλο, με έμφαση στις ανανεώσιμες πηγές και τη μείωση της χρήσης ορυκτών καυσίμων, αναδεικνύεται ως κρίσιμο ζήτημα των διεθνών σχέσεων και της γεωπολιτικής δυναμικής του 21ου αιώνα. Η Ανατολική Μεσόγειος, περιοχή στρατηγικής σημασίας και πλούσια σε ενεργειακούς πόρους, βρίσκεται στο επίκεντρο ενός σύνθετου πλέγματος προκλήσεων που συνδέονται με την ενεργειακή μετάβαση. Η εργασία διερευνά τις γεωπολιτικές διαστάσεις αυτής της διαδικασίας, εξετάζοντας τις θαλάσσιες διεκδικήσεις, τις περιφερειακές αντιπαραθέσεις, καθώς και τον ρόλο που διαδραματίζουν εξωτερικοί παράγοντες, όπως οι ΗΠΑ, η Ευρωπαϊκή Ένωση και άλλες διεθνείς δυνάμεις. Παράλληλα, αναλύονται οι δυνατότητες ενίσχυσης της συνεργασίας μέσω θεσμικών πρωτοβουλιών και διακρατικών ενεργειακών δικτύων, καθώς και η αξιοποίηση τεχνολογικών καινοτομιών προς όφελος της ενεργειακής ασφάλειας και της περιφερειακής σταθερότητας. Η μεθοδολογική προσέγγιση βασίζεται σε συστηματική βιβλιογραφική επισκόπηση και ανάλυση γεωπολιτικών και ενεργειακών δεδομένων, με στόχο τη διαμόρφωση ολοκληρωμένων συμπερασμάτων. Τα ευρήματα δείχνουν ότι, παρότι οι εντάσεις και οι ανταγωνισμοί ενδέχεται να επιβραδύνουν την πρόοδο, η ύπαρξη κοινών συμφερόντων και η ανάπτυξη πλαισίων συνεργασίας δημιουργούν προϋποθέσεις για μια ομαλή και αμοιβαία επωφελή μετάβαση. Wed, 01 Jan 2025 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/19165 2025-01-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19163 Κυβερνοασφάλεια και προστασία δεδομένων σε smart grids : προοπτικές και προκλήσεις στην εποχή των 6G δικτύων Πανάγου, Κωνσταντίνα Θεοδώρα Η παρούσα εργασία εξετάζει το κρίσιμο ζήτημα της κυβερνοασφάλειας και της προστασίας των δεδομένων στα Έξυπνα Δίκτυα (Smart Grids), εστιάζοντας στις προκλήσεις και τις προοπτικές που αναδύονται με την έλευση των δικτύων 6G. Η μετάβαση προς ένα πιο ψηφιοποιημένο και αποκεντρωμένο ενεργειακό μοντέλο, αν και προσφέρει σημαντικά οφέλη στην ενεργειακή απόδοση και τη διαχείριση των πόρων, εισάγει ταυτόχρονα νέες ευπάθειες. Η ευρεία χρήση συσκευών IoT και έξυπνων μετρητών διευρύνει την επιφάνεια επίθεσης, καθιστώντας τις κρίσιμες υποδομές ευάλωτες σε κακόβουλες ενέργειες, όπως οι επιθέσεις εισαγωγής ψευδών δεδομένων (FDIA) και τα δίκτυα botnet. Στο πλαίσιο αυτό, η μελέτη αναλύει προηγμένες τεχνολογικές λύσεις για τη θωράκιση του δικτύου. Εξετάζεται ο ρόλος της τεχνολογίας Blockchain και των αλγορίθμων συναίνεσης (όπως ο PBFT) στη διασφάλιση της ακεραιότητας των ενεργειακών συναλλαγών σε microgrids. Ιδιαίτερη έμφαση δίνεται στις τεχνικές ομομορφικής κρυπτογράφησης (PHE και TFHE), οι οποίες επιτρέπουν την ανάλυση δεδομένων κατανάλωσης και την ανίχνευση ανωμαλιών χωρίς να παραβιάζεται η ιδιωτικότητα των χρηστών. Επιπλέον, η εργασία διερευνά τη συμβολή της Τεχνητής Νοημοσύνης (AI) και του Edge Intelligence στην ανάπτυξη μηχανισμών προληπτικής ασφάλειας και ανθεκτικότητας. Μέσω της βιβλιογραφικής ανασκόπησης σύγχρονων ερευνητικών δεδομένων, αναδεικνύεται η ανάγκη για μετάβαση σε κβαντικά ασφαλείς λύσεις (quantum-safe solutions) και την υιοθέτηση αρχιτεκτονικών «Μηδενικής Εμπιστοσύνης» (Zero Trust). Συμπερασματικά, η εργασία υπογραμμίζει ότι η ασφάλεια των Smart Grids απαιτεί μια ολιστική προσέγγιση, η οποία θα συνδυάζει την τεχνολογική καινοτομία με αυστηρά διεθνή πρότυπα και πολιτικές προστασίας, διασφαλίζοντας τη σταθερότητα και την εμπιστοσύνη στο ενεργειακό σύστημα του μέλλοντος. Thu, 01 Jan 2026 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/19163 2026-01-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19143 Διαχείριση κινδύνων ασφαλείας και ιδιωτικότητας σε συστήματα τεχνητής νοημοσύνης Αλέστας, Βασίλειος Η ανάπτυξη των συστημάτων Τεχνητής Νοημοσύνης (ΤΝ) σε κρίσιμους τομείς της κοινωνίας και της οικονομίας έχει αναδείξει νέες προκλήσεις που σχετίζονται με την ασφάλεια των πληροφοριών και την προστασία της ιδιωτικότητας. Τα συστήματα, λόγω της εξάρτησής τους από μεγάλο όγκο δεδομένων, της πολυπλοκότητας και της δυναμικής τους συμπεριφοράς, εισάγουν κινδύνους που δεν καλύπτονται επαρκώς από τις παραδοσιακές προσεγγίσεις διαχείρισης κινδύνων. Στο πλαίσιο αυτό, η παρούσα διπλωματική εργασία εξετάζει συστηματικά τη διαχείριση κινδύνων ασφάλειας και ιδιωτικότητας σε συστήματα Τεχνητής Νοημοσύνης. Αρχικά, παρουσιάζονται οι βασικές έννοιες της Τεχνητής Νοημοσύνης και οι τεχνολογίες που την απαρτίζουν, καθώς και η επίδρασή της στην κοινωνία και στο κανονιστικό περιβάλλον. Στη συνέχεια, αναλύονται οι κύριοι κίνδυνοι ασφάλειας και ιδιωτικότητας που προκύπτουν κατά τον κύκλο ζωής των συστημάτων AI. Παράλληλα, παρουσιάζεται η διαδικασία διαχείρισης και αξιολόγησης κινδύνων, βασισμένη σε διεθνή πρότυπα και πλαίσια, όπως του ISO και του NIST, αλλά και ο ρόλος του Ρυθμιστικού πλαισίου για την Τεχνητή Νοημοσύνη, όπως ο ευρωπαϊκός κανονισμός AI Act. Τέλος, η εργασία εξετάζει σύγχρονα πλαίσια χαρτογράφησης και ταξινόμησης κινδύνων, όπως το Plot4AI, το MITRE ATLAS, το και το AI Risk Taxonomy, τα οποία συμβάλλουν στην κατανόηση και αποτύπωση των ρίσκων που διέπουν την τεχνολογία αυτή, και καταλήγει σε συμπεράσματα και μελλοντικούς προβληματισμούς. Thu, 15 Jan 2026 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/19143 2026-01-15T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/19126 Ανάλυση hot-spot για οδικά δεδομένα μέσω παράλληλης επεξεργασίας Ράμος, Πέτρος - Ιωάννης Τα συστήματα ανάλυσης οδικής κυκλοφορίας αποτελούν έναν σημαντικό τομέα μελέτης στην σύγχρονη εποχή. Λόγω της συνεχούς αύξησης του πλήθους των οχημάτων και της αυξανόμενης πολυπλοκότητας της δομής των οδικών δικτύων σε πυκνοκατοικημένες περιοχές, είναι σύνηθες καθημερινά να εμφανίζονται, ανά χρονικά διαστήματα, περιοχές με υψηλές τιμές συμφόρησης στο οδικό δίκτυο. Η ανάλυση και ο εντοπισμός αυτών των σημείων παρέχει σημαντική πληροφορία σχετικά με τη δομή και τις αδυναμίες του οδικού δικτύου. Συνεπώς καθίσταται αναγκαία η εύρεση μεθόδων που μπορούν να εκτελούν στατιστική ανάλυση χωρικά και χρονικά για την εμφάνιση hot-spot περιοχών ενδιαφέροντος. Παράλληλα, οι μέθοδοι αυτές πρέπει να είναι σε θέση να διαχειρίζονται τον μεγάλο όγκο δεδομένων που προκύπτει από τροχιές οχημάτων και να εξάγουν χρήσιμη πληροφορία ακόμη και από τα αραιά δείγματα στον χώρο. Ο Στόχος της συγκεκριμένης εργασίας είναι η δημιουργία ενός μοντέλου που αναδεικνύει hot-spot οδικών τμημάτων με στατιστικά σημαντικές τιμές κυκλοφοριακής συμφόρησης σε διαφορετικά χρονικά παράθυρα ανάλυσης. Το προτεινόμενο μοντέλο εφαρμόζεται σε δεδομένα τροχιών οχημάτων με αραιή δειγματοληψία και υλοποιείται σε περιβάλλον κατανεμημένων συστημάτων. Για την ανάλυση των hotspots χρησιμοποιείται ο δείκτης Getis-Ord G∗ i , ο οποίος εκτελεί υπολογισμούς στα χωροχρονικά δεδομένα. Επιπρόσθετα για την σχέση της γειτνίασης των δεδομένων χρησιμοποιείται ως συνάρτηση βάρους απόστασης ένα Γκαουσιανός πυρήνας. Η προτεινόμενη μεθοδολογία αποτελεί επέκταση προηγούμενων ερευνών. Ο προτεινόμενος αλγόριθμος στοχεύει στην αντιμετώπιση προβλημάτων που εμφανίζονται σε προηγούμενα μοντέλα. Επιδιώκει τον στόχο αυτόν βελτιώνοντας την παραλληλοποίηση των υπολογισμών μέσω της ομαδοποίησης χωροχρονικά κοντινών δεδομένων, ώστε μα μειωθεί η ανάγκη αναζήτησης των γειτονικών ακμών σε διαφορετικά συστήματα εκτέλεσης. Οι αναλύσεις και ο προτεινόμενος αλγόριθμος υλοποιήθηκαν στο περιβάλλον Apache Spark. Τα αποτελέσματα που εξάγονται, εκτελούνται σε κατανεμημένο σύστημα του Okeanos. Sun, 01 Feb 2026 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/19126 2026-02-01T00:00:00Z