https://dione.lib.unipi.gr/xmlui/handle/unipi/78 Mon, 20 Apr 2026 04:51:37 GMT 2026-04-20T04:51:37Z https://dione.lib.unipi.gr/xmlui/handle/unipi/17921 Security in WiFi protocols and analysis of their impact on mobile health technologies Chatzisofroniou, Georgios; Χατζησωφρονίου, Γεώργιος Η παρούσα διατριβή παρουσιάζει μία αξιολόγηση ασφάλειας των επικοινωνιών Wi-Fi, και τον αντίκτυπό τους μέσω αλυσιδωτών επιθέσεων σε κινητές εφαρμογές στον τομέα της υγείας. Η έρευνα είναι δομημένη σε δύο βασικούς άξονες: (1) τις απειλές ασφάλειας του Wi-Fi, εστιάζοντας συγκεκριμένα στις επιθέσεις συσχέτισης στο πρωτόκολλο IEEE 802.11, όπως και την ανάλυση ασφάλειας του Wi-Fi Easy Connect — του βασικού πρωτοκόλλου διασύνδεσης συσκευών Internet of Things (IoT) με ασύρματα δίκτυα, και (2) τις συνέπειες των ευπαθειών αυτών στον τομέα της υγείας, μέσω επιθέσεων τύπου man-in-the-middle που εκμεταλλεύονται αδυναμίες σε κινητές εφαρμογές, αλλά και συσκευές για τη συλλογή του ψηφιακού φαινότυπου. Πιο συγκεκριμένα, το πρώτο μέρος αυτής της διατριβής εξετάζει τις επιθέσεις συσχέτισης που εκμεταλλεύονται χαρακτηριστικά ευχρηστίας των σύγχρονων λειτουργικών συστημάτων. Εξερευνώντας αυτές τις επιθέσεις και αξιολογώντας την αποτελεσματικότητάς τους έναντι των υφιστάμενων μηχανισμών άμυνας, αποδεικνύεται ότι, παρά τις προσπάθειες από τη βιομηχανία για αντιμετωπιστούν, παραμένουν έγκυρες και αποτελεσματικές επιθέσεις. Επιπλέον, αναλύεται η ασφάλεια του πρωτοκόλλου Wi-Fi Easy Connect, που εισήχθη ως αντικαταστάτης του Wi-Fi Protected Setup (WPS) και αποτελεί τη βασική μέθοδο σύνδεσης IoT συσκευών με ασύρματα δίκτυα. Πραγματοποιείται μία εις βάθος ανάλυση ασφάλειας και ιδιωτικότητας του πρωτοκόλλου. Τα ευρήματά αποκαλύπτουν ότι, αντί να ενισχύει την ασφάλεια, το Wi-Fi Easy Connect εισάγει αδυναμίες που διευρύνουν την επιφάνεια επίθεσης για κακόβουλους χρήστες. Στη μελέτη ελήφθησαν υπόψη οι απαντήσεις από τη Wi-Fi Alliance σχετικά με τα ευρήματα, ενώ τονίζεται η ανάγκη για διατήρηση της ισορροπίας μεταξύ των απαιτήσεων ευχρηστίας και ασφάλειας, κατά το σχεδιασμό των ασύρματων πρωτοκόλλων. Το δεύτερο μέρος της διατριβής αναλύει τη σημασία των επιθέσεων Wi-Fi σε κινητές συσκευές στον τομέα της υγείας. Ειδικότερα, μελετάται η περίπτωση ενός επιτιθέμενου που έχει καταφέρει να τοποθετηθεί ως man-in-the-middle, εκμεταλλευόμενος τις ευπάθειες Wi-Fi που αναλύθηκαν στο πρώτο μέρος. Από αυτή τη θέση, εξετάζονται πιθανοί κίνδυνοι που μπορεί να προκύψουν από την περαιτέρω εκμετάλλευση αδυναμιών σε ιατρικές εφαρμογές για κινητά ή από την ανάλυση μη κρυπτογραφημένης κίνησης για την εκτέλεση προηγμένων επιθέσεων phishing. Αρχικά, πραγματοποιείται μία ευρείας κλίμακας αξιολόγηση ασφάλειας σε 140 ιατρικές εφαρμογές για κινητά σε πλατφόρμες Android και iOS. Η ανάλυση αποκαλύπτει σημαντικά κενά ασφάλειας, όπως ανεπαρκείς μηχανισμούς προστασίας δεδομένων, και μετάδοση ευαίσθητων πληροφοριών υγείας (PHI) μέσω μη ασφαλών καναλιών, επιτρέποντας επιθέσεις που μπορούν να συνδυαστούν με τις επιθέσεις του πρώτου μέρους. Έπειτα, μελετώνται οι κίνδυνοι που συνδέονται με την ανάλυση του ψηφιακού φαινότυπου, όπου παρουσιάζεται ο τρόπος με τον οποίο πρότυπα συμπεριφοράς που εξάγονται από ψηφιακά ίχνη, μπορούν να χρησιμοποιηθούν για την αξιολόγηση ψυχολογικών χαρακτηριστικών. Αναλύεται ο τρόπος με τον οποίο ψηφιακοί δείκτες, όπως δείκτες παρορμητικότητας, μπορούν να εξαχθούν από μη ασφαλή κανάλια (π.χ. μία παραβιασμένη VoIP σύνδεση μέσω Wi-Fi), επιτρέποντας στοχευμένες κυβερνοεπιθέσεις, περιλαμβανομένων επιθέσεων phishing. Η έρευνα αναδεικνύει τη συνεχώς εξελισσόμενη απειλή των ασύρματων επικοινωνιών, ιδίως σε έξυπνες συσκευές, και την κρίσιμη ανάγκη για ισχυρότερες άμυνες ασφαλείας. Τα ευρήματα παρέχουν πληροφορίες σχετικά με τους κινδύνους που προκύπτουν από τον σχεδιασμό πρωτοκόλλων που ευνοούν την ευχρηστία έναντι της ασφάλειας, καθώς και την παρουσία ευπαθειών Wi-Fi, ιδιαίτερα εκείνων που επιτρέπουν στους επιτιθέμενους να επιτύχουν θέσεις man-in-the-middle. Αποδεικνύουμε πώς τέτοιες ευπάθειες μπορούν να αξιοποιηθούν περαιτέρω για επιθέσεις σε κινητές εφαρμογές αλλά και στοχευμένες επιθέσεις τύπου phishing με τη χρήση τεχνικών ανάλυσης του ψηφιακού φαινότυπου. Πέρα από τον εντοπισμό των αδυναμιών, προτείνουμε και αναλυτικές στρατηγικές αποκατάστασης για τον περιορισμό των κινδύνων. Tue, 01 Jul 2025 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/17921 2025-07-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/17844 Digital audio processing methods for voice pathology detection Miliaresi, Ioanna; Μηλιαρέση, Ιωάννα Η παθολογία της φωνής περιλαμβάνει ένα ευρύ φάσμα διαταραχών που επηρεάζουν την ποιότητα και παραγωγή της φωνής, καθιστώντας τη διάγνωση και ταξινόμησή τους μια σύνθετη πρόκληση. Η παρούσα διατριβή εστιάζει στην ανάπτυξη καινοτόμων μεθόδων μηχανικής μάθησης για την αυτόματη ταξινόμηση φωνητικών και αναπνευστικών παθολογιών, αξιοποιώντας πολυτροπικά δεδομένα και προηγμένες αρχιτεκτονικές νευρωνικών δικτύων. Αντιμετωπίζονται βασικές προκλήσεις, όπως η περιορισμένη διαθεσιμότητα δεδομένων και η ανάγκη για υψηλή γενίκευση και προσαρμοστικότητα των μοντέλων. Στο πλαίσιο αυτό, παρουσιάζονται πέντε μοντέλα βαθιάς μάθησης που συνδυάζουν ηχητικά, ιατρικά και ηλεκτρογλωττογραφικά δεδομένα. Εφαρμόζονται τεχνικές επεξεργασίας ήχων μεταβλητής διάρκειας, επαύξησης δεδομένων και μηχανισμοί προσοχής, βελτιώνοντας την ακρίβεια και αξιοπιστία της διάγνωσης. Τα αποτελέσματα δείχνουν σημαντική ενίσχυση στην απόδοση των ταξινομητών σε διαφορετικά σύνολα δεδομένων, αποδεικνύοντας τη δυναμική των πολυτροπικών και ευέλικτων αρχιτεκτονικών στον τομέα της φωνητικής παθολογίας. Wed, 01 Jan 2025 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/17844 2025-01-01T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/17821 Advanced techniques for efficient privacy preserving data mining software Krasadakis, Panteleimon; Κρασαδάκης, Παντελεήμων Η διατήρηση της ιδιωτικότητας είναι υψίστης σημασίας στην εποχή της λήψης αποφάσεων με γνώμονα τα δεδομένα, ιδιαίτερα σε τομείς όπως η εξόρυξη δεδομένων και η ανάλυση νομικών εγγράφων. Αυτή η διατριβή διερευνά τη διασταύρωση των τεχνικών εξόρυξης δεδομένων για τη διατήρηση της ιδιωτικότητας και επεξεργασία φυσικής γλώσσας για την αντιμετώπιση ανησυχιών που σχετίζονται με κινδύνους απορρήτου και εμπιστευτικότητας δεδομένων. Η έρευνα επικεντρώνεται στην ανάπτυξη καινοτόμων προσεγγίσεων και μεθοδολογίες για την προστασία του ιδιωτικού απορρήτου με ταυτόχρονη εξαγωγή σημαντικών πληροφοριών. Ειδικότερα, εστιάζει στα προβλήματα της απόκρυψης συχνών στοιχείων και επεξεργασία φυσικής γλώσσας για γλώσσες ή τομείς χαμηλών πόρων. Αξιοποιώντας προηγμένες τεχνικές και αλγορίθμους εξόρυξης δεδομένων, η μελέτη διερευνά στρατηγικές για τη διαχείριση του απορρήτου στην κοινή χρήση δεδομένων. Μέσα από εξονυχιστικό πειραματισμό και ανάλυση, αυτή η διατριβή συνεισφέρει νέες ιδέες και πρακτικές λύσεις για τη βελτίωση του απορρήτου, λαμβάνοντας υπόψη την ποιότητα των δεδομένων και προσπαθεί να βρει λύσεις που είναι κατάλληλες για τον πραγματικές εφαρμογές. Τα ευρήματα προσφέρουν πολύτιμη συμβολή τόσο στην ακαδημαϊκή έρευνα όσο και στον ιδιωτικό τομέα. Fri, 13 Dec 2024 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/17821 2024-12-13T00:00:00Z https://dione.lib.unipi.gr/xmlui/handle/unipi/16874 Interpretable machine learning for undeclared work prediction Alogogianni, Eleni; Αλογογιάννη, Ελένη Η αδήλωτη εργασία, μια θεμελιώδης πτυχή της άτυπης οικονομίας, αποτελεί ένα περίπλοκο κοινωνικοοικονομικό ζήτημα που υπονομεύει την ευημερία των εργαζομένων, των επιχειρήσεων και τη σταθερότητα του κράτους πρόνοιας. Οι Επιθεωρήσεις Εργασίας είναι επιφορτισμένες με την καταπολέμηση αυτής της παράνομης πρακτικής της απασχόλησης, ωστόσο συχνά αποδεικνύονται ανεπαρκείς, αντιμετωπίζοντας ελλείψεις σε ανθρώπινους πόρους και κατάλληλα εργαλεία. Η παρούσα διδακτορική διατριβή επιδιώκει να ενισχύσει τις δυνατότητες των δημοσίων αρχών επιβολής του εργατικού δικαίου να αντιμετωπίσουν την αδήλωτη εργασία και άλλες παραβιάσεις του εργατικού δικαίου μέσω του σχεδιασμού και της ανάπτυξης ενός καινοτόμου συστήματος μηχανικής μάθησης. Αυτό το σύστημα δημιουργεί ερμηνεύσιμα μοντέλα πρόβλεψης για αυτές τις παραβιάσεις και προσφέρει τρία κύρια οφέλη. Πρώτον, μέσω της ακριβούς πρόβλεψης των επιχειρήσεων που ενδεχομένως απασχολούν αδήλωτους εργαζομένους, συμβάλλει σημαντικά στην αποδοτική κατανομή των πόρων της Αρχής, διευκολύνοντας τον αποτελεσματικό σχεδιασμό στοχευμένων επιτόπιων επιθεωρήσεων και άλλων αποτρεπτικών και προληπτικών μέτρων. Δεύτερον, μέσω της παροχής σαφών εξηγήσεων για αυτές τις προβλέψεις, βελτιώνει τις γνώσεις των επιθεωρητών εργασίας, τους εμπλέκει ενεργά στη διαδικασία σχεδιασμού επιθεωρήσεων και αυξάνει την εμπιστοσύνη και την αποδοχή τους στα αποτελέσματα και τις συστάσεις των μοντέλων. Τρίτον, μέσω του εντοπισμού και της εξαγωγής των κυρίαρχων προτύπων που σχετίζονται με κάθε παραβίαση, προσφέρει αξιόπιστες γνώσεις για τις επικρατούσες τάσεις στην αγορά εργασίας, υποστηρίζοντας έτσι την αποτελεσματική και στρατηγική λήψη αποφάσεων για παρεμβάσεις πολιτικής. Η ερευνητική μελέτη και εφαρμογή μηχανικής μάθησης είναι ειδικά προσαρμοσμένες στις επιχειρηματικές ανάγκες και διαθέσιμα δεδομένα της Ελληνικής Επιθεώρησης Εργασίας, ωστόσο οι προτεινόμενες προσεγγίσεις και τεχνικές, οι οποίες αναλύονται διεξοδικά κατά τις έξι φάσεις της μεθοδολογίας CRISP-DM, μπορούν να εφαρμοστούν σε οποιαδήποτε αρχή επιβολής διατάξεων της εργατικής νομοθεσίας. Για τους σκοπούς της μελέτης και εφαρμογής, χρησιμοποιείται ένα σύνολο πραγματικών δεδομένων που ενσωματώνει δεδομένα επιθεωρήσεων, επιχειρήσεων και απασχόλησης και επιστρατεύονται τέσσερις αλγόριθμοι συσχετιστικής ταξινόμησης (Associative Classification), μιας προηγμένης μεθόδου μηχανικής μάθησης που είναι γνωστή για την υψηλή προγνωστική της ακρίβεια και βελτιωμένη ερμηνευτικότητα. Κατά την εφαρμογή τριών επαναλήψεων του κύκλου ζωής μηχανικής μάθησης σύμφωνα με τη μεθοδολογία CRISP-DM, αναπτύσσονται συνολικά 96 μοντέλα πρόβλεψης αδήλωτης εργασίας και άλλων παραβιάσεων, χρησιμοποιώντας διάφορες τεχνικές μηχανικής δεδομένων για την αντιμετώπιση των ζητημάτων ανισορροπίας τάξεων και επικάλυψης τάξεων που συχνά ενυπάρχουν στα σύνολα δεδομένων επιθεώρησης εργασίας, με στόχο τη βελτίωση της προγνωστικής τους ισχύος και της ερμηνευτικότητας των αποτελεσμάτων τους. Η μελέτη αξιολογεί τα μοντέλα τόσο για την απόδοση πρόβλεψης όσο και για τη σαφήνεια των εξαγόμενων τοπικών και καθολικών εξηγήσεων. Επιπλέον, δίνεται έμφαση στην προσαρμοστικότητα των τεχνικών μηχανικής μάθησης στο λειτουργικό πλαίσιο ενός δημόσιου ιδρύματος, αναλύοντας προκλήσεις και προτείνοντας λύσεις για τη διευκόλυνση της ομαλής ενσωμάτωσης και αποδοχής τέτοιων καινοτόμων προσεγγίσεων στον δημόσιο τομέα. Συνολικά, αυτή η έρευνα αντιπροσωπεύει ένα ολοκληρωμένο και λεπτομερές έργο μηχανικής μάθησης που έχει σχεδιαστεί για εφαρμογή στο επιχειρηματικό περιβάλλον ενός δημόσιου ιδρύματος υπεύθυνου για την αποτελεσματική καταπολέμηση της παράνομης πρακτικής της αδήλωτης εργασίας. Δίνει έμφαση σε προηγμένες τεχνικές και μεθόδους που επιτυγχάνουν ανώτερη απόδοση πρόβλεψης, βελτιωμένη ερμηνευτικότητα και απρόσκοπτη ενσωμάτωση στις υπάρχουσες επιχειρησιακές διαδικασίες. Ο απώτερος στόχος της παρούσας διδακτορικής διατριβής είναι να προωθήσει τον σχεδιασμό, την εφαρμογή και την ενσωμάτωση τέτοιων καινοτόμων προσεγγίσεων στις αρμόδιες δημόσιες αρχές, ενισχύοντας έτσι την ικανότητά τους να αντιμετωπίζουν τις παραβιάσεις της εργατικής νομοθεσίας πιο αποτελεσματικά και στρατηγικά. Not available until 31/12/2027 Mon, 01 Jul 2024 00:00:00 GMT https://dione.lib.unipi.gr/xmlui/handle/unipi/16874 2024-07-01T00:00:00Z