Diploma Theses

Οι τελευταίες δεκαετίες χαρακτηρίζονται από την ραγδαία άνθηση των νέων τεχνολογιών, επιφέροντας αλλαγές σε διάφορους τομείς, αναμεσά τους και ο τομέας της Εκπαίδευσης. Στόχος της παρούσας διπλωματικής είναι η σχεδίαση και ανάπτυξη ενός ψηφιακού παιχνιδιού εκμάθησης Μαθηματικών σε μαθητές Δευτεροβάθμιας Εκπαίδευσης, ως εργαλείο όχι απλά συμπληρωματικό της δια ζώσης διδασκαλίας αλλά ακόμα και υποκατάστατο της. Στόχος είναι οι μαθητές να αποκτήσουν Μαθηματικές γνώσεις μέσα από ένα μοντέλο ασύγχρονης διδασκαλίας, χωρίς την παρεμβολή κάποιου δασκάλου, προσδοκώντας θετικά αποτελέσματα σε επίπεδο γνωστικό, όσο και ψυχολογικό.  

Στα πλαίσια της παρούσας διπλωματικής εργασίας, θα δημιουργηθεί και θα αναπτυχθεί το σενάριο και όποιες άλλες εκδοχές μπορεί να λάβει το παιχνίδι. Αξίζει να σημειωθεί πως ανάμεσα στους στόχους είναι το παιχνίδι να είναι όχι απλά φιλικό προς τον χρήστη, αλλά με τέτοιο τρόπο δομημένο ώστε να δημιουργεί ενδιαφέρον, διασκέδαση, συναισθήματα και σκέψη  προς τον παίκτη.

Μερικοί στόχοι είναι:

·         ο σχεδιασμός του παιχνιδιού,

·         η στελέχωση του με γραφικά, ήχους, εικόνες, βίντεο, animation, και

·         η λήψη δεδομένων συναισθήματος

ώστε να είναι θελκτικό προς τον χρήστη.

Τεχνητή Νοημοσύνη

Μηχανική Μάθηση

Γνώση Αγγλικής γλώσσας

Ικανές δεξιότητες προγραμματισμού

1.      Κουτρουμάνος Γ. & Νικολοπούλου Κ. (2013). Ψηφιακά παιχνίδια σε εξωσχολικό και σχολικό περιβάλλον: Σύγχρονη πραγματικότητα και μελλοντικές προοπτικές. (σ.σ.2). Αθήνα: Εκδοτικός Όμιλος Ίων.

2.      Πατσιούδη Α., (2020). Ψηφιακά παιχνίδια. Ορισμός, χαρακτηριστικά, κατηγορίες

3.      Richard E. Mayer, (2019). Computer Games in Education, ANNUAL Review of Psychology.

4.      Rodrigo Flores‑Gallegos, Richard E. Mayer, (2022). Learning Cognitive Skills by Playing Video Games at Home: Testing the Specific Transfer of General Skills Theory. Journal of Cognitive Enhancement, Springer

H ανάπτυξη ενός συνόλου κανόνων και απαραίτητων περιγραφών για τον έλεγχο εφαρμογών τεχνητής νοημοσύνης σύμφωνα με το EU AU Act 

Η εργασία περιλαμβάνει τα εξής:

- Αποδελτίωση του EU AI Act και ειδικά των κατηγοριών εφαρμογών ΑΙ που προβλέπει

- Μελέτη ανάλογων πλαισίων και εφαρμογών πιστοποίησης

- Προδιαγρφή των ελέγχων που πρέπει να γίνουν για την πιστοποίηση μίας εφαρμογής ΑΙ με βάση το AI Act

- Προδιαγραφή των περιγραφών που πρέπει να διαθέτει μία εφαρμογή ώστε να είναι ελέγξιμη με βάση το πλαίσιο

- Πιλοτική εφαρμογή σε 3 εφαρμογές ΑΙ

- Ανάπτυξη πίνακα ελέγχου προδιαγραφών σε XLS  

- ΗΔ Ι 

- ΗΔ ΙΙ

- Πλαίσιο Διαλειτουργικότητας

Πλαίσια ΠΙστοποίησης 

eu ai act : https://artificialintelligenceact.eu/

Confirmity assessment tools: https://www.google.com/search?q=eu+ai+act+certification+conformity+assessment+tools&sca_esv=e9ea40622f6d2cac&sca_upv=1&sxsrf=ADLYWIKtplD-gBwyVTkIhPKzDlaf1oc-eg%3A1726660491195&ei=i7_qZoPCC9i6i-gPgufFyA0&ved=0ahUKEwjDs-bJt8yIAxVY3QIHHYJzEdkQ4dUDCA8&uact=5&oq=eu+ai+act+certification+conformity+assessment+tools&gs_lp=Egxnd3Mtd2l6LXNlcnAiM2V1IGFpIGFjdCBjZXJ0aWZpY2F0aW9uIGNvbmZvcm1pdHkgYXNzZXNzbWVudCB0b29sczIFECEYoAFIzw1QmAJYuAxwAXgBkAEAmAG3AaAB9wWqAQMwLja4AQPIAQD4AQGYAgegAogGwgIKEAAYsAMY1gQYR8ICBRAhGJ8FwgIEECEYFZgDAIgGAZAGCJIHAzEuNqAHxyU&sclient=gws-wiz-serp

Η διπλωματική αυτή εργασία έχει ως στόχο την ανάπτυξη μιας πλατφόρμας ανάλυσης δεδομένων που θα συγκεντρώνει και θα αναλύει δεδομένα από φορητές συσκευές, για την παροχή πληροφοριών σχετικά με τη γνωστική κατάσταση των χρηστών.

Η πλατφόρμα θα συλλέγει δεδομένα από εφαρμογές που παρακολουθούν τη συμπεριφορά του χρήστη (GPS, μικρόφωνο, πληκτρολόγηση, επιτάχυνση, και μοτίβα ύπνου) και θα τα αναλύει για να ανιχνεύσει πρώιμα σημάδια γνωστικής εξασθένησης. Αυτή η ανάλυση μπορεί να παρέχει χρήσιμες πληροφορίες στους φροντιστές και τους επαγγελματίες υγείας σχετικά με τη γνωστική κατάσταση του χρήστη και την ανάγκη περαιτέρω αξιολόγησης. Η ανάπτυξη της πλατφόρμας θα περιλαμβάνει εργαλεία επεξεργασίας δεδομένων όπως Python και SQL, καθώς και εισαγωγή σε αλγόριθμους πρόβλεψης και ανάλυσης μοτίβων.

• Εισαγωγή στον Προγραμματισμό
• Εισαγωγή στις Βάσεις Δεδομένων
• Ανάλυση Δεδομένων

• Γνώση γλωσσών προγραμματισμού (Python, SQL)
• Γενικές γνώσεις σχετικά με την ανάλυση δεδομένων και την επεξεργασία σημάτων
• Εισαγωγικές γνώσεις μηχανικής μάθησης

Rak, G. (2024). The Shrink in Your Pocket. IEEE Spectrum, 61(7), 42-47.

https://spectrum.ieee.org/mood-tracker

Σκοπός της διπλωματικής εργασίας είναι η μελέτη, ο σχεδιασμός, η κατασκευή και η αξιολόγηση ενός μικρού υποβρύχιου ρομπότ (Mini ROV/AUV) χαμηλού κόστους, κατάλληλου για εφαρμογές επιθεώρησης και περιβαλλοντικής παρακολούθησης σε λίμνες, ποτάμια, λιμάνια και παράκτιες περιοχές.

Η εργασία περιλαμβάνει τον σχεδιασμό του μηχανικού μέρους του ρομπότ, την επιλογή και ενσωμάτωση υποβρύχιων κινητήρων (thrusters), στεγανού περιβλήματος, μπαταρίας, αισθητήρων (IMU, αισθητήρα πίεσης, θερμοκρασίας κ.ά.) και υποβρύχιας κάμερας. Θα αναπτυχθεί το απαραίτητο λογισμικό ελέγχου, ώστε το ρομπότ να μπορεί να εκτελεί βασικές κινήσεις, να συλλέγει δεδομένα και να μεταδίδει εικόνα ή μετρήσεις στον χειριστή.

Ρομποτική Όραση

Manos, Nikolaos, and Ergina Kavallieratou. "Underwater Robotics: Challenges and Solutions." (2025).

Η εργασία αποσκοπεί στον σχεδιασμό και την ανάπτυξη ενός μηχανισμού για multi-agent συστήματα που θα καταγράφει με ασφαλή κρυπτογραφικά τρόπο ολη την δραστηριότητα και θα διασφαλίζει την δίκαιη απόδοση ευθυνων σε περιστατικά ασφαλείας.

Στα σύγχρονα συστήματα τεχνητής νοημοσύνης, η μετάβαση από μεμονωμένα LLMs σε πολυ-πρακτορικά συστήματα (Multi-Agent Systems / Swarms) επιτρέπει την αυτόνομη επίλυση σύνθετων προβλημάτων μέσω καταμερισμού εργασιών (task delegation), δυναμικής επικοινωνίας και διαδοχικής λήψης αποφάσεων (orchestration chains). Ωστόσο, αυτή η αρχιτεκτονική δημιουργεί κρίσιμα κενά όπως απώλεια ιχνηλασιμότητας, δυνατότητα

αποποίησης ευθύνης και δυσκολία αναπαραγωγής της αλυσίδας σκέψηςγια την εκ των υστέρων εγκληματολογική ανάλυση. Ο βασικός στόχος της εργασίας είναι ο σχεδιασμός ενός μηχανισμού που θα υποστηρίζει την αδιάβλητη καταγραφής της δραστηριότητας των agents και συγκεκριμένα των επικοινωνιών (Agent-to-Agent - A2A), των κλήσεων εργαλείων (Agent-to-Tool - A2T) καθώς και των κρίσημων αποφάσεων των agents. Ο μηχανισμός αυτός θα εγγυάται την Μη-Αποποίησης της ευθύνης των agents με την ενσωμάτωση κρυπτογραφικών μηχανισμών (ασύμμετρη κρυπτογραφία, Merkle Trees, κτλ) για την ταυτοποίηση και επικύρωση κάθε ενέργειας.Επίσης θα είναι δυνατή η αναπαράστασης του δραστηριότητας του συστήματος με σκοπό την εύρεση του "Root Cause" ενός περιστατικού ασφαλείας.

• Τεχνητή Νοημοσύνη
• Ασφάλεια Συστημάτων Τεχνητής Νοημοσύνης
• Ανίχνευση και Διαχείριση Περιστατικών Ασφάλειας
• Κρυπτογραφία

Γνώση σχετικά με :

• Τεχνητή νοημοσύνη
• Agentic systems
• Κρυπτογραφία

• M. Kumar and D. Singh, "Enforcing Accountability in Autonomous Ops: A Zero-Trust Multi-Agent Framework With Forensic Reasoning Ledgers," 2026 14th International Symposium on Digital Forensics and Security (ISDFS), Boston, MA, USA, 2026, pp. 1-7, doi: 10.1109/ISDFS69419.2026.11459075.
• Vijayakumar, Bharathwaj, Sahana Karamutti Varadaraju, and Lathish Balaji Baskaran. "TRACE: Tamper-Resistant Accountability and Cryptographic Evidence for Multi-Agent AI Systems." 2026 IEEE 12th Conference on Big Data Security on Cloud (BigDataSecurity). IEEE, 2026.
• de Witt, Christian Schroeder, et al. "Open challenges in multi-agent security: Towards secure systems of interacting ai agents." arXiv preprint arXiv:2505.02077 (2025).

Η εργασία αποσκοπεί στον σχεδιασμό και την πειραματική υλοποίηση ενός πλαισίου ψηφιακής εγκληματολογίας για Μεγάλα Γλωσσικά Μοντέλα (LLMs) και αυτόνομους AI agents. Το πλαίσιο θα αναλύει τα εσωτερικά διανύσματα ενεργοποίησης (activation vectors) του μοντέλου κατά την επεξεργασία ενός αιτήματος, προκειμένου να διαγνώσει ποσοτικά αν, σε ποιο βαθμό και σε ποιο layer ενεργοποιήθηκαν ή καταστάλθηκαν οι ενσωματωμένοι μηχανισμοί άμυνας και άρνησης έναντι επιθέσεων prompt injection και jailbreaks.

Κατά τη διερεύνηση περιστατικών ασφαλείας (incident response) σε συστήματα βασισμένα σε LLMs, η ανάλυση των εξωτερικών καταγραφών (logs) συχνά αδυνατεί να εξηγήσει γιατί ένα μοντέλο εκτέλεσε μια μη εξουσιοδοτημένη ή επιβλαβή ενέργεια: οφείλεται σε αδυναμία αντίληψης της απειλής (semantic evasion), σε εσκεμμένη καταστολή των μηχανισμών άμυνας μέσω adversarial jailbreaks (mechanistic suppression), ή σε παράκαμψη λόγω αντικρουόμενων οδηγιών συστήματος; Η παρούσα εργασία αξιοποιεί τεχνικές μηχανιστικής ερμηνευσιμότητας και εργαλεία ανάλυσης διανυσματικών υποχώρων για την εξαγωγή των κανονικών διανυσμάτων ασφάλειας του μοντέλου. Στη συνέχεια, μέσω καταγραφής των διανυσμάτων κατάστασης του, αναπτύσσεται ένας μηχανισμός εγκληματολογικής τηλεμετρίας που χαρτογραφεί την τροχιά ενεργοποίησης των αμυνών κατά μήκος των επιπέδων του μοντέλου (transformer layers). Η αξιολόγηση του συστήματος θα πραγματοποιηθεί πάνω σε καθιερωμένα σύνολα δεδομένων άμεσων και έμμεσων επιθέσεων, παρέχοντας ένα ποσοτικό εργαλείο απόδοσης ευθυνών και εντοπισμού της ακριβούς αιτίας αποτυχίας των μηχανισμών προστασίας.

• Τεχνητή Νοημοσύνη
• Ασφάλεια Συστημάτων Τεχνητής Νοημοσύνης
• Ανίχνευση και Διαχείριση Περιστατικών Ασφάλειας

Γνώση σχετικά με :

• Τεχνητή νοημοσύνη
• Αρχιτεκτονική LLMs

• Zhou S, Wang K, Shi L, Wang H. Exposing the Ghost in the Transformer: Abnormal Detection for Large Language Models via Hidden State Forensics. IEEE Transactions on Information Forensics and Security. 2025;21:4074-4089.
• Kadali SDSS, Papalexakis E. Jailbreaking Leaves a Trace: Understanding and Detecting Jailbreak Attacks from Internal Representations of Large Language Models. ArXiv. 2026;abs/2602.11495.
• Jiang Y, Gao X, Peng T, et al. HiddenDetect: Detecting Jailbreak Attacks against Large Vision-Language Models via Monitoring Hidden States. ArXiv. 2025;abs/2502.14744

Η παρούσα διπλωματική εργασία θα εξετάζει την έννοια της «τριβής» (friction) στον σχεδιασμό ψηφιακών υπηρεσιών και τον τρόπο με τον οποίο αυτή επηρεάζει τη συμπεριφορά, την εμπειρία και τη λήψη αποφάσεων των χρηστών. Ως friction ορίζονται όλα εκείνα τα εμπόδια ( γνωστικά, λειτουργικά ή συναισθηματικά) που δυσκολεύουν ή καθυστερούν την ολοκλήρωση μιας ενέργειας μέσα σε ένα ψηφιακό περιβάλλον.

Η παρούσα διπλωματική εργασία θα εξετάζει την έννοια της «τριβής» (friction) στον σχεδιασμό ψηφιακών υπηρεσιών και τον τρόπο με τον οποίο αυτή επηρεάζει τη συμπεριφορά, την εμπειρία και τη λήψη αποφάσεων των χρηστών. Ως friction ορίζονται όλα εκείνα τα εμπόδια ( γνωστικά, λειτουργικά ή συναισθηματικά) που δυσκολεύουν ή καθυστερούν την ολοκλήρωση μιας ενέργειας μέσα σε ένα ψηφιακό περιβάλλον.

Σε ένα περιβάλλον όπου η εμπειρία χρήστη αποτελεί κρίσιμο παράγοντα επιτυχίας, η μείωση της τριβής συνδέεται άμεσα με την αύξηση της ικανοποίησης, της μετατροπής (conversion) και της αφοσίωσης των χρηστών.

Η εργασία εστιάζει στους εξής βασικούς άξονες:

• Ο ορισμός και οι κατηγορίες friction (γνωστική, λειτουργική, συναισθηματική)
• Ο τρόπος με τον οποίο η τριβή επηρεάζει τη συμπεριφορά των χρηστών
• Η σχέση μεταξύ friction, user experience (UX) και conversion rates
• Η διάκριση μεταξύ «αρνητικής» και «θετικής» τριβής (π.χ. για ασφάλεια ή προσοχή)

Ιδιαίτερη έμφαση θα δοθεί στα σημεία όπου εμφανίζεται friction μέσα σε μια ψηφιακή υπηρεσία:

• Φόρμες εγγραφής και διαδικασίες onboarding
• Ροές ολοκλήρωσης ενεργειών (checkout, submissions)
• Microcopy και μηνύματα διεπαφής
• Χρόνοι απόκρισης και τεχνικές καθυστερήσεις
• Πολυπλοκότητα επιλογών και πληροφοριών

Σε μεθοδολογικό επίπεδο, η εργασία θα βασιστεί σε:

• Αρχές User-Centered Design
• Behavioral Design και Digital Nudging
• Ανάλυση user journeys και pain points
• Μεθόδους αξιολόγησης UX (heuristic evaluation, usability testing)

Στο πρακτικό μέρος, θα πραγματοποιηθεί:

• Ανάλυση υπάρχουσας ψηφιακής υπηρεσίας (ή case study)
• Εντοπισμός σημείων τριβής (friction mapping)
• Ανασχεδιασμός βασικών ροών χρήστη
• Δημιουργία prototype με βελτιωμένη εμπειρία
• Συγκριτική αξιολόγηση (before vs after)

Παράλληλα, θα εξεταστούν κρίσιμες σχεδιαστικές επιλογές:

• Πότε πρέπει να μειώνεται η τριβή και πότε να διατηρείται
• Η ισορροπία μεταξύ ευκολίας και ασφάλειας
• Ο ρόλος του microcopy στη μείωση αβεβαιότητας
• Η χρήση nudges για καθοδήγηση της συμπεριφοράς

ΚΑΝΕΝΑ

ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

https://www.elgaronline.com/edcollbook/book/9781839106750/9781839106750.xml

https://www.elgaronline.com/edcollchap/book/9781839106750/book-part-9781839106750-40.xml

Σύγκριση προσομοίωσης και πραγματικών δεδομένων.

Μοντελοποίηση του Kalypso και ενός ιχθυοκλωβού σε προσομοιωτή θαλάσσιας ρομποτικής, ώστε να δοκιμάζονται αλγόριθμοι πλοήγησης/επιθεώρησης πριν από το πεδίο.

Υπολογιστική και Ρομποτική Όραση

Αγγλικά

Cieślak, P. (2019, June). Stonefish: An advanced open-source simulation tool designed for marine robotics, with a ros interface. In OCEANS 2019-Marseille (pp. 1-6). IEEE.

Στόχος της εργασίας είναι η έρευνα και η δημιουργία εκπαιδευτικών ενοτήτων  σε θέματα Διαδικτύου των Πραγμάτων με χρήση εργαστηριακών υποδομών και τεχνολογιών διαδικτύου. Ιδιαίτερη έμφαση δίνεται στην Α/μια και Β/μια εκπαίδευση καθώς και στην κατάρτιση άλλων ειδικοτήτων με χρήση σύγχρονων μεθόδων εκπαίδευσης. 

Στόχοι της διπλωματικής είναι η διερεύνηση του τοπίου της εκπαίδευσης σε θέματα Διαδικτύου των Πραγμάττωνστους παρακάτω κύριους άξονες:

·       Συστήματα εκπαίδευσης που βοηθούν τον εκπαιδευτή και εκπαιδευόμενο και προσαρμόζονται κατάλληλα στις ικανότητες των χρηστών

·       Εξέλιξη και προσαρμογή της διδακτικής με βάση την χρήση τεχνολογιών. Μέθοδοι διδασκαλίας, χρήση παιχνιδιών, τηλεκπαίδευση σε Α/μια και Β/μια και κατάρτιση. 

·       Τεχνολογίες μάθησης με έμφαση τον χώρο της επιστήμης και της εκπαίδευσης που α) βοηθούν τον μαθητευόμενο να δημιουργήσει τον δικό του χώρο εκπαίδευσης, ενισχύει την αναζήτηση, την δημιουργικότητα και έξυπνη εφαρμογή της θεωρίας β) υποστηρίζουν διάχυση πληροφορίας και χρήση απομακρυσμένων υποδομών μάθησης, πειραματισμού και εκπαίδευσης, πέρα από γεωγραφικά και άλλα σύνορα.

Σχεδιασμός, Ανάπτυξη και Επίδοση Δικτύων Νέας Γενιάς

Σύγχρονα Δίκτυα και Διασύνδεση ΔτΠ 

Θέματα Εφαρμογών Τεχνολογιών ΔτΠ

Πλατφόρμες εκπαίδευσης μέσω διαδικτύου

https://iot.ieee.org/education.html

Κατηγοριοποίηση συναισθηματικών καταστάσεων (θετικό–ουδέτερο–αρνητικό συναίσθημα) με βάση ECG και HRV χαρακτηριστικά.

Θα γίνει πείραμα με συμμετέχοντες όπου θα προκαλείται συναίσθημα μέσω video stimuli (π.χ. DEAP dataset protocol). Θα συλλεχθούν ECG δεδομένα από τον Polar H10 και θα εξαχθούν HRV χαρακτηριστικά. Στη συνέχεια θα εκπαιδευτεί μοντέλο Machine Learning (π.χ. SVM ή Gradient Boosting) για ταξινόμηση των συναισθηματικών καταστάσεων.

Προγραμματισμός, Ανάλυση Σημάτων, Μηχανική Μάθηση

Python ή Matlab, βασική στατιστική

Kumar, A., & Kumar, A. (2025). Human emotion recognition using machine learning techniques based on the physiological signal. Biomedical Signal Processing and Control, 100, 107039.

Kocaleva, M., Stojanova, A., Koceska, N., & Koceski, S. (2025). Emotion Detection from Physiological Markers Using Machine Learning. Informatica, 49(21), 29-44.

Ενίσχυση της ασφάλειας αποθετηρίων μοντέλων

Το αποθετήριο μοντέλων CDO προσφέρει βασική λειτουργικότητα ασφάλειας, η οποία όμως είναι απλοϊκή ενώ φαίνεται πως δεν είναι αρκετά αξιόπιστη. Επομένως, σκοπός της εργασίας είναι να επεκτείνει το CDO ώστε να μπορεί να διαλειτουργεί με state-of-the-art μηχανισμούς αυθεντικοποίησης και εξουσιοδότησης.  

• Διοίκηση Ασφάλειας Πληροφοριακών Συστημάτων
• Ασφάλεια και Ιδιωτικότητα στο Διαδίκτυο του Μέλλοντος

• CDO/Model repositories
• Authentication & Authorization Mechanisms

• https://www.eclipse.org/cdo/ 

Η εργασία αποσκοπεί στη συγκριτική και πειραματική αξιολόγηση της ικανότητας διαφορετικών Μεγάλων Γλωσσικών Μοντέλων (LLMs) να επιδιορθώνουν αυτόματα γνωστές και ανιχνευμένες ευπάθειες ασφαλείας (security vulnerabilities) σε πηγαίο κώδικα. Μέσω αναλυτικού benchmarking, επιδιώκεται να εκτιμηθεί κατά πόσο τα patches που προτείνουν τα LLMs επιλύουν ουσιαστικά την ευπάθεια, εάν εισάγουν νέες παρενέργειες ή regression bugs, καθώς και αν διατηρούν τη λειτουργική ορθότητα (functionality) του λογισμικού.

Ενώ η χρήση των LLMs για την παραγωγή κώδικα (code generation) έχει τύχει εκτενούς μελέτης, ιδιαίτερο ενδιαφέρον παρουσιάζει η αντίστροφη διαδικασία: η αξιοποίησή τους στην αυτοματοποιημένη επιδιόρθωση προγραμμάτων (Automated Program Repair – APR), με επίκεντρο τα σφάλματα ασφαλείας. Συχνά, τα εργαλεία στατικής ανάλυσης (SAST) εντοπίζουν ευπάθειες (π.χ. SQL Injections, XSS, Buffer Overflows), αλλά η διόρθωσή τους απαιτεί χρόνο και εξειδίκευση. Τα LLMs μπορούν να προτείνουν διορθωτικά patches, ωστόσο υπάρχει ο κίνδυνος οι προτεινόμενες αλλαγές να είναι επιφανειακές, να «σπάνε» τη λειτουργικότητα ή να αντικαθιστούν μία ευπάθεια με μια άλλη.

Η εργασία περιλαμβάνει:

• Την προετοιμασία μίας υλοποίησης αναφοράς με γνωστές ευπάθειες.
• Την εφαρμογή διαφορετικών μεθοδολογιών prompting και ροών επικοινωνίας (π.χ. παροχή μόνο του ευάλωτου κώδικα έναντι παροχής αναφορών από εργαλεία SAST/linter) σε πολλαπλά σύγχρονα LLMs.
• Την πειραματική αξιολόγηση των παραγόμενων διορθώσεων (patches) ως προς:

1. Την επιτυχή εξάλειψη της ευπάθειας (vulnerability mitigation).
2. Τη διατήρηση της ορθής λειτουργίας μέσω αυτοματοποιημένων ελέγχων.
3. Την αποφυγή εισαγωγής νέων τρωτοτήτων.

• Τη συγκριτική ανάλυση των μοντέλων και τη διατύπωση κατευθυντήριων οδηγιών για την ασφαλή ενσωμάτωση LLM-driven repair workflows στους μηχανισμούς CI/CD και DevSecOps.

• Ασφάλεια Πληροφοριακών Συστημάτων
• Ασφάλεια Δικτύων
• Τεχνολογία Λογισμικού

 Γνώση σχετικά με:

- Ασφάλεια λογισμικού και βασικές κατηγορίες ευπαθειών

- Εργαλεία ανάλυσης κώδικα και security testing (SAST, linters, unit testing)

- Χρήση LLMs και τεχνικών prompting / APIs

• Zhou, Xin, et al. "Large language model for vulnerability detection and repair: Literature review and the road ahead." ACM Transactions on Software Engineering and Methodology 34.5 (2025): 1-31.
• Kulsum, Ummay, et al. "A case study of llm for automated vulnerability repair: Assessing impact of reasoning and patch validation feedback." Proceedings of the 1st ACM International Conference on AI-Powered Software. 2024.
• Wang, Dong, et al. "On the Evaluation of Large Language Models in Multilingual Vulnerability Repair." ACM Transactions on Software Engineering and Methodology 35.7 (2026): 1-34.

Η εργασία στοχεύει στην αξιολόγηση των διαδικτυακών ιστοτόπων Ελληνικών δήμων. Θα αξιολογηθούν οι διαδικτυακοί τόποι του μεγαλύτερου δήμου της κάθε περιφερειακής ενότητας (74).

Για την πραγματοποίηση της εργασίας θα χρησιμοποιηθεί το εργαλείο αξιολόγησης ‘Local Online Service Index (LOSI)’ για την αξιολόγηση διαδικτυακών τόπων ελληνικών δήμων. Θα πραγματοποιηθεί ανάλυση των αποτελεσμάτων αξιολόγησης και σύγκριση με τα αντίστοιχα διεθνή δεδομένα που παρέχονται στην έκθεση ηλεκτρονικής διακυβέρνησης των Ηνωμένων Εθνών (United Nations e-Government Survey) για την εξαγωγή συμπερασμάτων σχετικά με τις τάσεις και τα χαρακτηριστικά των δημοτικών διαδικτυακών τόπων. Η εργασία περιλαμβάνει την επιλογή των χαρακτηριστικών των δήμων που θα αξιολογηθούν. Στη συνέχεια θα πραγματοποιηθεί αξιολόγηση των διαδικτυακών τόπων με χρήση του εργαλείου LOSI.

Η στατιστική επεξεργασία είναι επιπέδου στατιστικού φύλλου (π.χ. EXCEL).

• Ηλεκτρονική Διακυβέρνηση Ι
• Ηλεκτρονική Διακυβέρνηση ΙΙ

• Βιβλιογραφική έρευνα
• Έρευνα με ερωτηματολόγια
• Στατιστική ανάλυση 

https://publicadministration.un.org/egovkb/en-us/About/E-Government-at-Local-Level/Application-of-LOSI-methodology-in-countries

https://www.un.org/development/desa/publications/publication/2020-united-nations-e-government-survey

Πειραματισμός με το περιβάλλον OPENAI/CHATGPT και ανάπτυξη πρωτότυπου εξειδικευμένου BOT

Η διπλωματική εργασία περιλαμβάνει τα εξής βήματα:

• Ανάλυση του CHAT-GPT API

• Επιλογή κατάλληλης περιοχής εφαρμογής (με πρόταση του φοιτητή)  

• Αναλυση βιβλιογραφίας και εφαρμογών στην περιοχή που επιλέχτηκε.  

• Προσαρμογή / ανάπτυξη εξειδικευμένου LLM Agend σε περιβάλλον prompting (Chat GPT ή ανάλογο).

• Ανάπτυξη εφαρμογής HTML με χρήση του OpenAI API (θα δοθεί κατάλληλη πρόσβαση και ανάλογα tokens) 

• Αξιολόγηση εφαρμογής 

• Συγγραφή οδηγού χρήσης

.

Prompt Engineering

Γνώση του προτεινόμενου πεδίου εφαρμογής

/

Πειραματισμός με το περιβάλλον OPENAI/CHATGPT και ανάπτυξη πρωτότυπου εξειδικευμένου BOT

Η διπλωματική εργασία περιλαμβάνει τα εξής βήματα:

• Ανάλυση του CHAT-GPT API

• Επιλογή κατάλληλης περιοχής εφαρμογής (με πρόταση του φοιτητή)  

• Αναλυση βιβλιογραφίας και εφαρμογών στην περιοχή που επιλέχτηκε.  

• Προσαρμογή / ανάπτυξη εξειδικευμένου LLM Agend σε περιβάλλον prompting (Chat GPT ή ανάλογο).

• Ανάπτυξη εφαρμογής HTML με χρήση του OpenAI API (θα δοθεί κατάλληλη πρόσβαση και ανάλογα tokens) 

• Αξιολόγηση εφαρμογής 

• Συγγραφή οδηγού χρήσης

.

Prompt Engineering

Γνώση του προτεινόμενου πεδίου εφαρμογής

.

Σε αυτή τη διπλωματική θα μελετηθούν δίκαιες εκδοχές αλγορίθμων για συστήματα συστάσεων που τρέχουν σε γράφους. Θα θέλαμε οι συστάσεις να είναι δίκαιες τόσο για τους χρήστες όσο και για τα αντικείμενα.  Για παράδειγμα, θα θέλαμε μια τεχνολογική δουλειά (π.χ. μηχανικός αυτοκινήτων) να προτείνεται και σε άντρες και σε γυναίκες και όχι αποκλειστικά μόνο σε άντρες λόγω της εξάρτησης που υπάρχει ήδη στα υπό εκπαίδευση δεδομένα με πρότερες προκαταλήψεις χρηστών που αλληλεπίδρασαν με το σύστημα στο παρελθόν.

Τα συστήματα συστάσεων προτείνουν στους χρήστες στοιχεία (π.χ. ταινίες, βιβλία, φάρμακα, κλπ.) που πιθανόν να τους ενδιαφέρουν. Συνήθως χρησιμοποιούν ιστορική πληροφορία, όπως ποια αντικείμενα ο υπό εξέταση χρήστης ή χρήστες παρόμοιοι με αυτόν έχουν αλληλεπιδράσει στο παρελθόν. Σε αυτήν την εργασία θα εξετάσουμε αλγορίθμους συστάσεων που βασίζονται σε ένα πολυμερείς γράφους ανάμεσα στους χρήστες, στα αντικείμενα, στις κατηγορίες των αντικειμένων, κτλ., όπου οι κόμβοι αντιστοιχούν στους χρήστες, στα αντικείμενα και στις κατηγορίες των αντικειμένων και υπάρχει μια ακμή από ένα χρήστη σε ένα αντικείμενο, αν ο χρήσης έχει διαλέξει το συγκεκριμένο αντικείμενο στο παρελθόν, ενώ υπάρχει και μια ακμή μεταξύ των αντικειμένων και των κατηγοριών στις οποίες αυτά ανήκουν. Οι υπό εξέταση αλγόριθμοι (Personalized PageRank, SimRank, PathSim, κτλ.) θα υπολογίζουν ομοιότητες μεταξύ κόμβων του ίδιου τύπου. Για παράδειγμα, ο PageRank αλγόριθμος κάνει κάποιους τυχαίους περιπάτους σε αυτό το γράφο.  Ο τυχαίος περίπατος είναι ένας κλασικός τρόπος διάσχισης ενός γράφου. Ξεκινάει από ένα τυχαίο κόμβο, επισκέπτεται τυχαία κάποιο γείτονα του και μετά τυχαία κάποιο γείτονά του γείτονα, κ.ο.κ.

Μεγάλα Δεδομένα και Εξόρυξη Δεδομένων

Προγραμματισμός σε Python

Singh, A., & Joachims, T. (2018, July). Fairness of exposure in rankings. In Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining (pp. 2219-2228).

Η εργασία φιλοδοξεί να συμβάλει στην ολιστική κατανόηση του FinTech οικοσυστήματος, αναδεικνύοντας τις διαστάσεις θεωρίας–τεχνολογίας–εφαρμογής

Η διπλωματική εργασία αποσκοπεί στη διερεύνηση του ραγδαία αναπτυσσόμενου πεδίου της FinTech (Financial Technology), εστιάζοντας στον τρόπο με τον οποίο οι ψηφιακές τεχνολογίες επηρεάζουν και μετασχηματίζουν τα σύγχρονα χρηματοοικονομικά συστήματα.

Η μελέτη θα περιλαμβάνει:

·    Επισκόπηση και κατηγοριοποίηση βασικών τεχνολογιών FinTech (π.χ. blockchain, AI, cloud computing, APIs, robo-advisors)

·    Ανάλυση επιχειρησιακών μοντέλων και νέων ψηφιακών υπηρεσιών στον χρηματοοικονομικό τομέα

·    Διερεύνηση κύριων παραδειγμάτων και best practices από εταιρείες, startups και οργανισμούς που δραστηριοποιούνται στον χώρο

·    Συστηματική ανασκόπηση σχετικών ερευνητικών αποτελεσμάτων και τεχνολογικών εξελίξεων

·    Ανάλυση των επιπτώσεων στις παραδοσιακές δομές και στους κανονισμούς του χρηματοπιστωτικού τομέα

·    Συγκριτική χαρτογράφηση FinTech λύσεων στην Ελλάδα και σε επιλεγμένες διεθνείς αγορές

·    Ανάδειξη των προκλήσεων, των ευκαιριών και των κανονιστικών εξελίξεων στον τομέα

·    Μελέτη Περίπτωσης

Η εργασία φιλοδοξεί να συμβάλει στην ολιστική κατανόηση του FinTech οικοσυστήματος, αναδεικνύοντας τις διαστάσεις θεωρίας–τεχνολογίας–εφαρμογής

Χρηματοοικονομική Διοίκηση

-

-

Ανάπτυξη έξυπνης εφαρμογής με χρήση ανοιχτών δεδομένων.

Περαιτέρω ανάπτυξη της εφαρμογής propFinder που παρουσιάστηκε στο διαγωνισμό BoG Datathon 2023.

Συνδυασμός διαφορετικών συνόλων ανοιχτών δεδομένων

Αξιολόγηση των συνόλων ανοιχτών δεδομένων (επίπεδο εφαρμογής κτλ)

Δημιουργία της εφαρμογής.

- Διαχείριση Ανοιχτών, διασθνδεδεμένων και μεγάλων δεδομένων

- Business Analytics

- Ανάπτυξη εφαρμογών

- Ανάλυση δεδομένων

- Οπτικοποίηση

Seljan, S., Viličić, M., Nevistić, Z., Dedić, L., Grubišić, M., Cibilić, I., ... & Alexopoulos, C. (2022). Open Data as a Condition for Smart Application Development: Assessing Access to Hospitals in Croatian Cities. Sustainability, 14(19), 12014.

Φάκελος: https://1drv.ms/f/s!Av-aS0paP9KvimEMI3LMIVqwbB8G?e=yYTeoj

Στόχος είναι η κριτική επισκόπηση, παρουσίαση και αξιολόγηση της αποδοτικότητας των σημαντικότερων μεθόδων για τη γένεση κατάλληλων ελλειπτικών καμπυλών σε κρυπτογραφικά συστήματα ζευγισμών.

Τα τελευταία χρόνια όλο και περισσότεροι επιστήμονες ασχολούνται με τη μελέτη κρυπτογραφικών συστημάτων που βασίζονται στους λεγόμενους ζευγισμούς (pairings). Ζευγισμός είναι μια συνάρτηση που έχει ως πεδίο ορισμού τα σημεία μιας ελλειπτικής καμπύλης και πεδίο τιμών μια πολλαπλασιαστική ομάδα.  Για να οριστούν με ορθό τρόπο τα συγκεκριμένα κρυπτογραφικά συστήματα απαιτείται η ελλειπτική καμπύλη πάνω στην οποία βασίζονται να ικανοποιεί ορισμένες συνθήκες.  Στα πλαίσια αυτής της διπλωματικής εργασίας ζητείται να παρουσιαστούν αναλυτικά όλες οι γνωστές μέθοδοι για τη γένεση κατάλληλων ελλειπτικών καμπυλών για συστήματα ζευγισμών, να υλοποιηθούν ορισμένες από αυτές και να συγκριθούν ως προς την αποδοτικότητά τους.

Κρυπτογραφία

Κρυπτογραφία, καλή γνώση C/C++, εξοικείωση με το λειτουργικό σύστημα Linux.

1. S. Tanaka and K. Nakamula, "Constructing Pairing-Friendly Elliptic Curves Using Factorization of Cyclotomic Polynomials," Pairing 2008, LNCS 5209, pp. 136-145, 2008.

2. E. J. Kachisa, E. F. Schaefer, and M. Scott, "Constructing Brezing-Weng Pairing-Friendly Elliptic Curves Using Elements in the Cyclotomic Field," Pairing 2008, LNCS 5209, pp. 126-135, 2008.

  3. K. Karabina and E. Teske, ‘’On Prime-Order Elliptic Curves with Embedding Degrees k=3,4, and 6,’’ ANTS-VIII 2008, LNCS 5011, pp. 102-117, 2008.

Ανάλυση του φαινομένου διάδρασης και συνεργασίας Ανθρώπου-Παραγωγικής_ΤΝ, με προσανατολισμό στα παρακάτω θέματα:

(e.g., Anthropomorphism in AI and human identity; Dehumanized interactions; Relationships with robots or chatbots; Power dynamics in human-AI collaboration and hegemonic interactions)

Εντοπισμός των οφελών (benefits) και των εμποδίων (barriers, obstacles).

Έρευση και ανάλυση case studies

Διεξαγωγή ερωτηματολογίου σε εταιρείες-χρήστες υπηρεσιών παραγωγικής ΤΝ. 

https://onlinelibrary.wiley.com/pb-assets/assets/13652575/CFP-Theorising-the-Impacts%20of-Generative-Artificial-Intelligence-1734347192883.pdf

egov II

Διαλειτουργικότητα

Ανάπτυξη ερωτηματολογίου

Βιβλιογραφική ανασκόπηση

1. Davison, R.M., Laumer, S., Wong, L.H.M. and Tarafdar, M. (2023) Pickled Eggs: Generative AI as Research Assistant or Co-author? Information Systems Journal 33, 5, 989-994.
2. Davison, R.M., Chughtai, H., Nielsen, P., Marabelli, M., Iannacci, F., van Offenbeek, M., Tarafdar, M., Trenz, M., Techatassanasoontorn, A.A., Diaz Andrade, A. and Panteli, N. (2024) The Ethics of using Generative AI for Qualitative Data Analysis, Information Systems Journal 34, 5, 1433-1439.
3. Grover, V. (2024). Pivot points for generative AI in a global world. Journal of Global Information Technology Management, 27(4), 255-258.
4. Mikalef, P., Conboy, K., Lundström, J. E., & Popovič, A. (2022). Thinking responsibly about responsible AI and ‘the dark side’ of AI. European Journal of Information Systems, 31(3), 257-268.
5. Sheil, B. (1987) Thinking about artificial intelligence. Harvard Business Review, 65, 91-97.
6. Susarla, A., Gopal, R., Thatcher, J. B., & Sarker, S. (2023). The Janus effect of generative AI: Charting the path for responsible conduct of scholarly activities in information systems. Information Systems Research, 34(2), 399-408.