Κίνδυνοι στην ιδιωτικότητα και την προστασία δεδομένων σε περιβάλλον μεγάλων γλωσσικών μοντέλων

Καρανικόλας, Οδυσσέας Αλέξανδρος

dc.contributor.advisor	Γκρίτζαλης, Στέφανος
dc.contributor.author	Καρανικόλας, Οδυσσέας Αλέξανδρος
dc.date.accessioned	2026-02-26T06:44:20Z
dc.date.available	2026-02-26T06:44:20Z
dc.date.issued	2026-02
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/18929
dc.description.abstract	Η παρούσα διπλωματική εργασία διερευνά το σύνθετο τοπίο των κινδύνων ιδιωτικότητας και προστασίας δεδομένων που προκύπτει από την ευρεία χρήση των μεγάλων γλωσσικών μοντέλων. Βασικός άξονας της έρευνας είναι η αξιολόγηση της εγγενούς τάσης των μοντέλων να απομνημονεύουν και να αναπαράγουν ευαίσθητα προσωπικά δεδομένα, η ανάλυση των επιπτώσεων στην απόδοση των μοντέλων που έχουν οι τεχνικές προστασίας της ιδιωτικότητας, καθώς και η διερεύνηση της επάρκειας του κανονιστικού πλαισίου (GDPR, AI Act) ως προς τη σαφή κατανομή ευθυνών, και την αντιμετώπιση της αλγοριθμική αδιαφάνεια. Η μεθοδολογική προσέγγιση βασίστηκε στη συστηματική βιβλιογραφική ανασκόπηση και στην ανάλυση τεκμηριωμένων περιστατικών διαρροής και κανονιστικών ρυθμίσεων, με στόχο τη διαμόρφωση μιας ολοκληρωμένης εικόνας των προκλήσεων και των δυνατών λύσεων. Τα ευρήματα της μελέτης καταδεικνύουν ότι τα μεγάλα γλωσσικά μοντέλα εισάγουν μια νέα κατηγορία κινδύνων, η οποία δεν αντιμετωπίζεται αποτελεσματικά από τις παραδοσιακές μεθόδους αξιολόγησης λογισμικού. Επιβεβαιώθηκε πως φαινόμενα όπως η ακούσια απομνημόνευση και οι επιθέσεις χειραγώγησης εισόδων παραμένουν κρίσιμα, ακόμη και όταν εφαρμόζονται τα βασικά μέτρα ασφαλείας. Ταυτόχρονα, διαπιστώθηκε πως οι αυστηρές τεχνικές παρεμβάσεις για την προστασία της ιδιωτικότητας συχνά επιβαρύνουν την ακρίβεια του συστήματος, καθιστώντας σαφές ότι η τεχνική θωράκιση, παρότι αναγκαία, δεν επαρκεί από μόνη της για να διασφαλίσει την κανονιστική συμμόρφωση και την εμπιστοσύνη των χρηστών. Ως απάντηση σε όλες αυτές τις προκλήσεις, η εργασία τονίζει την ανάγκη για ένα ολιστικό σύστημα διακυβέρνησης που υπερβαίνει τις τεχνικές λύσεις, αξιοποιώντας ουσιαστικά τα εργαλεία διαφάνειας, όπως τις κάρτες μοντέλων και δεδομένων, και αναγνωρίζοντας τη σημασία των ελέγχων τρίτων μερών και των προτύπων πιστοποίησης. Ο συνδυασμός των εργαλείων αυτών μπορεί να γεφυρώσει το χάσμα μεταξύ της τεχνικής πολυπλοκότητας των σύγχρονων μοντέλων και των νομικών απαιτήσεων, διευκολύνοντας τη λογοδοσία και την ουσιαστική αξιολόγηση των κινδύνων. Συμπερασματικά, η μελέτη συνεισφέρει στη θεμελίωση ενός συνεκτικού πλαισίου για την ασφαλή και υπεύθυνη αξιοποίηση των γλωσσικών μοντέλων, προτείνοντας τη μετάβαση από στατικές διαδικασίες ελέγχου σε δυναμικούς μηχανισμούς συνεχούς αξιολόγησης.	el
dc.format.extent	83	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-sa/3.0/gr/	*
dc.title	Κίνδυνοι στην ιδιωτικότητα και την προστασία δεδομένων σε περιβάλλον μεγάλων γλωσσικών μοντέλων	el
dc.title.alternative	Privacy and data protection risks in large language models	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων	el
dc.description.abstractEN	The present thesis investigates the complex landscape of privacy and data protection risks emerging from the use of large language models. It focuses on evaluating the inherent tendency of these models to memorize and reproduce sensitive personal data, analyzing how privacy-preserving techniques affect their accuracy and overall performance, and assessing the adequacy of current regulatory frameworks, such as the GDPR and AI Act, in addressing algorithmic opacity. The methodological approach was based on a systematic literature review and analysis of documented data leakage incidents and institutional regulations, aiming to develop a comprehensive view of the challenges and potential solutions. The findings of the study demonstrate that large language models introduce a novel category of risks that are not effectively addressed by traditional software evaluation methods. It was confirmed that phenomena such as unintended memorization and input manipulation attacks remain critical, even when basic security measures are applied. At the same time, it was found that strict technical interventions for privacy protection often compromise system accuracy, making it clear that technical hardening, while necessary, is not sufficient on its own to ensure regulatory compliance and user trust. In response to these challenges, the thesis emphasized the need for a holistic governance system that transcends technical solutions, effectively utilizing transparency tools such as model and data cards, and recognizing the importance of third party audits and certification standards. The combination of these tools can bridge the gap between the technical complexity of modern models and legal requirements, facilitating accountability and effective risk assessment. In conclusion, the study contributes to the foundation of a coherent framework for the safe and responsible utilization of language models, proposing a transition from static control processes to dynamic mechanisms of continuous evaluation.	el
dc.contributor.master	Κυβερνοασφάλεια και Τεχνολογίες Τεχνητής Νοημοσύνης / MSc Cybersecurity & AI Technologies	el
dc.subject.keyword	Μεγάλα γλωσσικά μοντέλα	el
dc.subject.keyword	Ιδιωτικότητα	el
dc.subject.keyword	Προστασία δεδομένων	el
dc.subject.keyword	GDPR	el
dc.subject.keyword	Κανονιστική συμμόρφωση	el
dc.date.defense	2026-02-20

Files in this item

Name:: Karanikolas_mte24015.pdf
Size:: 2.142Mb
Format:: PDF
Description:: Μεταπτυχιακή διατριβή

View/Open

This item appears in the following Collection(s)

Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Παρόμοια Διανομή 3.0 Ελλάδα