Ενίσχυση της επιχειρησιακής συνέχειας και της οργανωσιακής ανθεκτικότητας μέσω τοπικών μεγάλων γλωσσικών μοντέλων

Πολίτης, Κωνσταντίνος

dc.contributor.advisor	Γκρίτζαλης, Στέφανος
dc.contributor.author	Πολίτης, Κωνσταντίνος
dc.date.accessioned	2026-02-27T11:05:45Z
dc.date.available	2026-02-27T11:05:45Z
dc.date.issued	2026-02-12
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/18938
dc.description.abstract	Η παρούσα πτυχιακή εργασία εξετάζει τη σύγκλιση της Διοικητικής Επιστήμης και της Τεχνητής Νοημοσύνης στον κρίσιμο τομέα της Επιχειρησιακής Συνέχειας, με στόχο την ενίσχυση της οργανωσιακής ανθεκτικότητας. Αρχικά, αναλύεται διεξοδικά το κανονιστικό πλαίσιο των διεθνών προτύπων ISO 22301 και ISO/IEC 27001, εστιάζοντας στον κύκλο Plan – Do – Check - Act (PDCA) και στη μεθοδολογία της Ανάλυσης Επιχειρησιακών Επιπτώσεων (BIA). Στη συνέχεια, η μελέτη μεταβαίνει στην πρακτική εφαρμογή, διερευνώντας τη δυνατότητα αξιοποίησης ενός τοπικού Μεγάλου Γλωσσικού Μοντέλου (Local LLM), συγκεκριμένα του Mistral 7B, ως ψηφιακού συμβούλου συμμόρφωσης σε περιβάλλον Μικρομεσαίας Επιχείρησης, διασφαλίζοντας παράλληλα την ιδιωτικότητα των δεδομένων μέσω τοπικής εκτέλεσης. Μέσω της υλοποίησης αρχιτεκτονικής RAG (Retrieval-Augmented Generation) και της προσομοίωσης σεναρίου επίθεσης Ransomware, η έρευνα τεκμηριώνει ότι η Τεχνητή Νοημοσύνη δύναται να ανακαλέσει με ακρίβεια κρίσιμες πολιτικές ασφαλείας και να υποστηρίξει τη λήψη αποφάσεων υπό πίεση, υπό την προϋπόθεση ότι συνδυάζεται με κατάλληλο σχεδιασμό εντολών (prompt engineering) και ανθρώπινη επίβλεψη.	el
dc.format.extent	60	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.title	Ενίσχυση της επιχειρησιακής συνέχειας και της οργανωσιακής ανθεκτικότητας μέσω τοπικών μεγάλων γλωσσικών μοντέλων	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων	el
dc.description.abstractEN	This thesis explores the convergence of Business Continuity Management and Artificial Intelligence, aiming to enhance organizational resilience through innovative technological solutions. Initially, it provides a comprehensive theoretical analysis of ISO 22301 and ISO/IEC 27001 international standards, focusing on the PDCA cycle and the Business Impact Analysis (BIA) methodology as foundations for effective governance. Subsequently, the study practically investigates the feasibility of utilizing a Local Large Language Model (Local LLM), specifically Mistral 7B, as a compliance advisor within an SME environment, while ensuring data privacy through offline execution. Through the implementation of a Retrieval-Augmented Generation (RAG) architecture and the simulation of a Ransomware attack scenario, the research demonstrates that AI can accurately retrieve security policies and support decision-making processes, provided that it is supported by robust prompt engineering and maintained under human oversight to mitigate inherent technical limitations.	el
dc.contributor.master	Κυβερνοασφάλεια και Τεχνολογίες Τεχνητής Νοημοσύνης / MSc Cybersecurity & AI Technologies	el
dc.subject.keyword	Επιχειρησιακή συνέχεια	el
dc.subject.keyword	Τεχνητή νοημοσύνη	el
dc.subject.keyword	Αρχιτεκτονική RAG	el
dc.subject.keyword	Κυβερνοασφάλεια	el
dc.subject.keyword	Διαχείριση κρίσεων	el
dc.subject.keyword	Business continuity	el
dc.subject.keyword	Artificial Intelligence	el
dc.subject.keyword	Local large language models	el
dc.subject.keyword	Cybersecurity	el
dc.subject.keyword	Crisis management	el
dc.date.defense	2026-02-20

Αρχεία σε αυτό το τεκμήριο

Name:: Politis_mte24026.pdf
Μέγεθος:: 922.8Kb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα