·       Μελέτη της τεχνολογίας Generative AI και των LLMs.

·       Αξιολόγηση εργαλείων όπως ChatGPT, Claude, Gemini και Copilot.

·       Διερεύνηση της εφαρμογής τους σε επιχειρήσεις ICT.

·       Μελέτη των επιπτώσεων στην παραγωγικότητα και την ποιότητα υπηρεσιών.

·       Ανάλυση ζητημάτων ασφάλειας, ιδιωτικότητας και κανονιστικής συμμόρφωσης.

·       Διαμόρφωση προτάσεων βέλτιστων πρακτικών υιοθέτησης.

Η ραγδαία ανάπτυξη των Μεγάλων Γλωσσικών Μοντέλων (Large Language Models - LLMs) και εργαλείων όπως τα ChatGPT, Claude, Gemini και Copilot δημιουργεί νέες δυνατότητες για την υποστήριξη επιχειρήσεων Πληροφορικής και Επικοινωνιών. Η διπλωματική εργασία θα διερευνήσει τις δυνατότητες αξιοποίησης των εργαλείων αυτών σε επιχειρησιακές και τεχνικές διαδικασίες, καθώς και τα οφέλη και τους περιορισμούς που προκύπτουν από την υιοθέτησή τους.

Περιοχές Εφαρμογής

·    Τεχνική Υποστήριξη (Help Desk)

·       Ανάπτυξη Λογισμικού και DevOps

·       Κυβερνοασφάλεια

·       Διαχείριση Έργων Πληροφορικής

·       Διαχείριση Γνώσης και Επιχειρησιακών Διαδικασιών

·       Ενσύρματα και Ασύρματα Δίκτυα Επικοινωνιών

·       Wi‑Fi, 5G και 6G Δίκτυα

·       Δίκτυα NTN και Δορυφορικές Επικοινωνίες

·       Software Defined Networking (SDN) και Network Automation

·       Network Operations Centers (NOC) και AIOps

Η εργασία μπορεί να περιλαμβάνει βιβλιογραφική ανασκόπηση, συγκριτική αξιολόγηση εργαλείων Generative AI, μελέτη περίπτωσης σε πραγματικό ή εργαστηριακό περιβάλλον, καθώς και σχεδίαση και ανάλυση ερωτηματολογίου σε επαγγελματίες του χώρου ICT.

Η εργασία αναμένεται να καταγράψει τις δυνατότητες και τους περιορισμούς των εργαλείων Generative AI, να αξιολογήσει τη συνεισφορά τους στις επιχειρήσεις ICT και να προτείνει ένα πλαίσιο βέλτιστων πρακτικών για την αξιοποίησή τους.

Τεχνητής Νοημοσύνη

Μηχανική Μάθηση

Δίκτυα

Τεχνολογίες Νέφους

Βασικές γνώσεις Πληροφορικής, Δικτύων Υπολογιστών και Τεχνητής Νοημοσύνης. Επιθυμητή είναι η εξοικείωση με εργαλεία παραγωγικής τεχνητής νοημοσύνης και σύγχρονα περιβάλλοντα ICT.

Επιστημονικά Άρθρα

·       Brown, T. et al. (2020). Language Models are Few-Shot Learners.

·       Ouyang, L. et al. (2022). Training Language Models to Follow Instructions with Human Feedback.

·       OpenAI (2023). GPT-4 Technical Report.

·       Touvron, H. et al. (2023). LLaMA: Open and Efficient Foundation Language Models.

·       Bommasani, R. et al. (2021). On the Opportunities and Risks of Foundation Models.

·       Wei, J. et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models.

·       Kellerer, W. et al. (2022). Machine Learning for Networking.

·       Zhang, C. et al. (2024). Large Language Models for Telecommunications Networks: A Survey.

·       Saad, W. et al. (2023). Generative AI for Future Wireless Networks.

·       Chen, M. et al. (2021). Evaluating Large Language Models Trained on Code.

Βιβλία

·       Russell & Norvig – Artificial Intelligence: A Modern Approach.

·       Chip Huyen – Designing Machine Learning Systems.

·       Tom Taulli – Generative AI for Business.

·       Provost & Fawcett – Data Science for Business.

·       Alpaydin – Introduction to Machine Learning.

·       Goodfellow, Bengio & Courville – Deep Learning.

Διαδικτυακές Πηγές

·       ChatGPT (OpenAI) – https://chatgpt.com

·       Claude (Anthropic) – https://claude.ai

·       Gemini (Google) – https://gemini.google.com

·       Microsoft Copilot – https://copilot.microsoft.com

·       Perplexity AI – https://www.perplexity.ai

AI Governance

·       EU AI Act – https://artificialintelligenceact.eu

·       NIST AI Risk Management Framework – https://www.nist.gov/itl/ai-risk-management-framework

·       OECD AI Principles – https://oecd.ai/en/ai-principles

·       European Commission AI Strategy – https://digital-strategy.ec.europa.eu

AI για Δίκτυα και Τηλεπικοινωνίες

·       ETSI ENI – https://www.etsi.org/committee/1414-eni

·       ITU AI for Good – https://aiforgood.itu.int

·       O-RAN Alliance – https://www.o-ran.org

·       TM Forum Autonomous Networks – https://www.tmforum.org/topics/autonomous-networks/

·       Cisco AI Networking

·       Juniper Mist AI

Επιχειρησιακή Υιοθέτηση Generative AI

·       McKinsey – The Economic Potential of Generative AI

·       Deloitte – State of Generative AI in the Enterprise

·       Gartner – Generative AI Research Hub

·       IBM – What is AIOps?

Modern offensive security operations increasingly require evasion-aware code generation that can adapt to specific endpoint detection and response (EDR) telemetry.

This thesis investigates the following research question:

Can state-of-the-art large language models, when provided with structured detection feedback from a SigmaHQ or Yara based evaluation pipeline, iteratively refine red team payloads to reduce detection rates against a configured EDR baseline, while preserving functional behavior?

A closed-loop evaluation pipeline will be implemented as a Model Context Protocol (MCP) server exposing detection-evaluation tools to the LLM under test. 
The pipeline consists of four stages:
•    Lab Environment: a snapshot-restored Windows VM with Sysmon and open-source Elastic Agent forwarding telemetry to a local Elasticsearch instance.
•    Detection Evaluation: a curated SigmaHQ/Yara or other ruleset is converted to Lucene (Elastic’s query language like MS’s KQL) queries via pySigma and executed against the telemetry of each run, returning per-rule firing data and MITRE ATT&CK mappings.
•    Feedback Provider: an MCP tool aggregates fired rules, triggering field values, and source code into a structured prompt context for the LLM.
Iterative refinement: the LLM proposes code modifications, which are rebuilt, re-executed, and re-evaluated until either full evasion is reached or a configurable iteration limit has been met.
Four hosted models will be evaluated:
•    Kimi K2 Thinking
•    Qwen 3.6 Plus
•    DeepSeek Pro V4
•    GLM-5.1
Cloud hosted models were selected over locally self-hosted alternatives to avoid three known limitations of the small-model class: degraded reasoning under long iterative contexts, increased hallucination rates during multi-step code transformation, and context-window resource exhaustion as detection feedback accumulates across iterations.
Evaluation metrics: Detection-rate reduction relative to the baseline payload, functionality preservation rate (verified via behavioural tests in the lab), number of iterations to evasion, and a token-cost / wall-clock-time efficiency metric per model.
The aforementioned models can be accessed and deployed via platforms such as Hugging Face or Ollama, both of which provide access to a wide variety of open-source models.

Ασφάλεια Δικτύων Υπολογιστών

Ασφάλεια Δικτύων Υπολογιστών

[1] Akil et al., 2025. LLMalMorph: On the Feasibility of Generating Variant Malware using Large-Language-Models. arXiv:2507.09411. https://arxiv.org/abs/2507.09411
[2] MalGEN authors, 2025. MalGEN: A Generative Agent Framework for Modeling Malicious Software in Cybersecurity. arXiv:2506.07586. https://arxiv.org/abs/2506.07586
[3] Botacin et al., 2025. Automated Malware Source Code Generation via Uncensored LLMs and Adversarial Evasion of Censored Models. Applied Sciences, MDPI, 15(17):9252. https://www.mdpi.com/2076-3417/15/17/9252
[4] Isozaki et al., 2024. Towards Automated Penetration Testing: Introducing LLM Benchmark, Analysis, and Improvements. arXiv:2410.17141. https://arxiv.org/abs/2410.17141
[5] Shao et al., 2024. NYU CTF Bench: A Scalable Open-Source Benchmark Dataset for Evaluating LLMs in Offensive Security. NeurIPS 2024, arXiv:2406.05590. https://arxiv.org/abs/2406.05590

.

.

.

.

.

Οι κύριοι στόχοι της παρούσας μελέτης είναι: (i) να προσδιοριστεί πού προκύπτουν καταστάσεις ανταγωνισμού (race conditions) στις σύγχρονες αρχιτεκτονικές κατανεμημένων εφαρμογών, (ii) να εξεταστεί πώς οι επιτιθέμενοι τις εκμεταλλεύονται χρησιμοποιώντας τεχνικές σε επίπεδο δικτύου, (iii) να αναλυθεί πώς τα χαρακτηριστικά των πρωτοκόλλων επηρεάζουν τη δυνατότητα εκμετάλλευσης, (iv) να ανασκοπηθούν τα υπάρχοντα εργαλεία, οι μελέτες και οι πραγματικές περιπτώσεις επιθέσεων, και (v) να αξιολογηθούν οι αμυντικοί μηχανισμοί και οι αρχιτεκτονικές στρατηγικές για τον μετριασμό τέτοιων ευπαθειών.

H παρούσα διπλωματική παρουσιάζει μια δομημένη επισκόπηση των απομακρυσμένων επιθέσεων race-condition σε συστήματα ιστού και δικτύων. Η έμφαση δίνεται σε race conditions που σχετίζονται με την ασφάλεια και μπορούν να ενεργοποιηθούν απομακρυσμένα, ιδίως σε σύγχρονες εφαρμογές ιστού και κατανεμημένα συστήματα που βασίζονται σε API. Η ανάλυση εξετάζει διάφορα πρωτόκολλα ιστού, συμπεριλαμβανομένων των HTTP/1.1, HTTP/2 και HTTP/3, και διερευνά πώς τα χαρακτηριστικά τους επηρεάζουν τη δυνατότητα εκμετάλλευσης. Οι συνθήκες ανταγωνισμού που αφορούν μόνο τοπικά συστήματα και τα ζητήματα που σχετίζονται με το υλικό (hardware) δεν εμπίπτουν στο πεδίο εφαρμογής της παρούσας μελέτης.

Ασφάλεια Δικτύων Υπολογιστών

Ασφάλεια Δικτύων Υπολογιστών

M. Amin Nasiri, E. Chatzoglou, G. Kambourakis, QUIC-er Races: HTTP/3 Won't Save You from TOCTOU Vulnerabilities, International Journal of Information Security, 2026, Springer.

Η διπλωματική εργασία στοχεύει στην ανάπτυξη προδιαγραφών και τη σχεδίαση μίας εφαρμογής για κινητά (που να μπορεί να χρησιμοποιείται και μέσω υπολογιστών) που να υποστηρίζει την ευζωία των χρηστών, εφαρμόζοντας τις θεωρίες, τις μεθόδους και τις τεχνικές της Πυθαγόρειας Ακαδημίας https://pythagoreanacademia.org/  

1. Μελέτη σχετικών εφαρμογών για κινητά τηλέφωνα και το διαδίκτυο, που υποστρίζουν την ευζωία, διεθνώς, και ανάλυση της λειτουργικότητάς τους.

2. Μελέτη των θεωριών και των μεθοδων και των μετρήσεων που εφαρμόζει η Πυθαγόρειος Ακαδημία στο Καρλόβασι της Σάμου.  Θα δοθεί πρόσβαση και θα γίνουν συνεντεύξεις με στελέχη της ακαδημίας.

3. Κατάρτιση προδιαγραφών για μία εφαρμογή κινητών με κατάλληλη λειτουργικότητα, ώστε να υποστηρίζει και να βοηθά τους συμμετέχοντες στα προγράμματα της Πυθαγόρειας Ακαδημίας, στην καθημερινή τους ζωή.

4. Δημιουργία πρωτότυπης σχεδίασης της εφαρμογής σε κατάλληλο περιβάλλον πρωτυποποίησης (π.χ. FIGMA) ώστε με βάση την διπλωματική να μπορεί να ακολουθήσει η ανάπτυξη της εφαρμογής.

Τεχνολογία Λογισμικού.

Ανάλυση και Σχεδίαση Πληροφοριακών Συστημάτων 

Γνώση εφαρμογών ευζωίας (well-being) ή όρεξη για βαθιά μάθησή τους. 

Πυθαγόρειος Ακαδημία : https://pythagoreanacademia.org/  

https://www.google.com/search?q=review+of+wellbeing+mobile+apps

.

.

.

.

.

Στόχος της εργασίας αποτελεί η βελτιστοποίηση βασικών μετρικών απόδοσης, όπως η καθυστέρηση μετάδοσης, η αξιοπιστία και η ενεργειακή αποδοτικότητα σε ενσωματωμένα δορυφορικά-επίγεια δίκτυα έκτης γενιάς (6G). Τα αποτελέσματα θα συγκριθούν με συμβατικές στρατηγικές και με σενάρια που βασίζονται αποκλειστικά σε δορυφορικά ή επίγεια δίκτυα, αναδεικνύοντας τους συμβιβασμούς (trade-offs) μεταξύ καθυστέρησης, ενεργειακής αποδοτικότητας και αξιοπιστίας σε υβριδικά περιβάλλοντα 6G.

Η ενσωμάτωση δορυφορικών δικτύων στις αρχιτεκτονικές 6G εισάγει σημαντική ετερογένεια ως προς την καθυστέρηση, τη χωρητικότητα και την ενεργειακή κατανάλωση των διαθέσιμων συνδέσεων. Η πολυσυνδεσιμότητα (multi-connectivity) μεταξύ επίγειων και δορυφορικών συνδέσεων μπορεί να βελτιώσει την αξιοπιστία και τη διαθεσιμότητα, ωστόσο απαιτεί αποδοτικούς μηχανισμούς ελέγχου, έτσι ώστε να αποφεύγεται η περιττή αύξηση της καθυστέρησης και της κατανάλωσης ενέργειας.

Η διπλωματική εργασία στοχεύει στον σχεδιασμό και την αξιολόγηση μηχανισμών διαχείρισης πολυσυνδεσιμότητας σε ενσωματωμένα δορυφορικά–επίγεια δίκτυα (Integrated Satellite–Terrestrial Networks, ISTNs), με χρήση τεχνικών μηχανικής μάθησης. Το πρόβλημα διατυπώνεται ως πρόβλημα διαδοχικής λήψης αποφάσεων, όπου ένας ελεγκτής βασισμένος σε μηχανική μάθηση επιλέγει δυναμικά μεταξύ επίγειας σύνδεσης, δορυφορικής σύνδεσης ή ταυτόχρονης χρήσης πολλαπλών συνδέσεων, με βάση την κατάσταση του καναλιού, το φορτίο του δικτύου και τις απαιτήσεις ποιότητας υπηρεσίας.

Τηλεπικοινωνίες

Ασύρματες Επικοινωνίες

Δορυφορικές Επικοινωνίες

Θεωρία πληροφορίας

Εμπειρία σε εργαλεία προσομοίωσης (π.χ. Matlab)

Γνώση μοντέλων διάδοσης

M. Khalid, J. Ali and B. -h. Roh, "Artificial Intelligence and Machine Learning Technologies for Integration of Terrestrial in Non-Terrestrial Networks," in IEEE Internet of Things Magazine, vol. 7, no. 1, pp. 28-33, January 2024, doi: 10.1109/IOTM.001.2300190.

B. Al Homssi et al., "Artificial Intelligence Techniques for Next-Generation Massive Satellite Networks," in IEEE Communications Magazine, vol. 62, no. 4, pp. 66-72, April 2024, doi: 10.1109/MCOM.004.2300277.

M. F. Özer, A. Yazar and H. Arslan, "ML-Based Dynamic Network Switching Framework for Nonterrestrial Networks in 5G and Beyond," in IEEE Aerospace and Electronic Systems Magazine, vol. 40, no. 4, pp. 42-56, April 2025, doi: 10.1109/MAES.2025.3528383.

M. A. Jamshed et al., "Non-Terrestrial Networks for 6G: Integrated, Intelligent, and Ubiquitous Connectivity," in IEEE Communications Standards Magazine, vol. 9, no. 3, pp. 86-93, Sept. 2025, doi: 10.1109/MCOMSTD.2025.3572635.

Η εργασία αυτή αναλύει τον αντίκτυπο των ρομπότ με τεχνητή νοημοσύνη στην καθημερινότητα και τις ανθρώπινες σχέσεις, με έμφαση σε ηθικές ανησυχίες όπως η εξάρτηση, η κοινωνική απομόνωση, η συναισθηματική προσκόλληση και η χειραγώγηση.

Περιλαμβάνει μελέτες περίπτωσης (π.χ. ρομπότ υποβοήθησης, ρομποτικά κατοικίδια, ρομπότ-συνοδοιπόροι) και επισκόπηση συστάσεων από ηθικούς και επαγγελματικούς φορείς. Προτείνονται καλές πρακτικές για τον ηθικό σχεδιασμό και χρήση κοινωνικών ρομπότ.

Εισαγωγή στη Ρομποτική

Αγγλικά

Campagna, G., & Rehm, M. (2025). A Systematic Review of Trust Assessments in Human–Robot Interaction. ACM Transactions on Human-Robot Interaction, 14(2), 1-35.

Mitchell, J. J., & Jeon, M. (2025). Exploring emotional connections: A systematic literature review of attachment in human-robot interaction. International Journal of Human–Computer Interaction, 1-22.

Επισκόπηση των κύριων προτάσεων Ε.Ε. & ISO, εφαρμογή σε 1–2 πρακτικά σενάρια.

Επισκόπηση των κύριων προτάσεων Ε.Ε. & ISO, εφαρμογή σε 1–2 πρακτικά σενάρια.

Εισαγωγή στη Ρομποτική

Αγγλικά

Nobile, C. G. (2023). Regulating smart robots and artificial intelligence in the European Union. Journal of Digital Technologies and Law, 1(1).

Segate, R. V., & Daly, A. (2024). Encoding the enforcement of safety standards into smart robots to harness their computing sophistication and collaborative potential: A legal risk assessment for European Union policymakers. European Journal of Risk Regulation, 15(3), 665-704.

Ferhataj, A., Memaj, F., Sahatcija, R., Ora, A., & Koka, E. (2025). Ethical concerns in AI development: analyzing students’ perspectives on robotics and society. Journal of Information, Communication and Ethics in Society, 23(2), 165-187.

Ο στόχος είναι η ανάπτυξη συστήματος που ανιχνεύει επίπεδα στρες (χαμηλό/μεσαίο/υψηλό) σε πραγματικό χρόνο με βάση παραμέτρους HRV από ECG μετρήσεις του Polar H10.

Tο στρες αποτελεί παράγοντα που επηρεάζει τη νοητική και σωματική υγεία. Η μέτρησή του μπορεί να γίνει με φυσιολογικά σήματα όπως το ECG και η μεταβλητότητα καρδιακού ρυθμού (HRV). Στη διπλωματική θα διεξαχθεί πείραμα με εθελοντές (φοιτητές ή ενήλικες) και θα καταγραφεί ECG μέσω του Polar H10 σε δύο συνθήκες:

1. Κατάσταση χαλάρωσης (baseline)
2. Κατάσταση στρες που θα προκληθεί με το Stroop Cognitive Stress Test ή Mental Arithmetic Task.

Η επικοινωνία με τον Polar H10 θα γίνει μέσω Bluetooth Low Energy (BLE) σε εφαρμογή Android ή Python, με αποθήκευση των δεδομένων σε βάση (π.χ. SQLite ή CSV). Το σήμα ECG θα επεξεργαστεί για εξαγωγή χαρακτηριστικών HRV (χρονικό και συχνοτικό πεδίο). Θα χρησιμοποιηθεί Machine Learning (SVM, Random Forest, ή LSTM) για ταξινόμηση μεταξύ «χαλάρωση» και «στρες».

Προγραμματισμός

Ανάλυση Σημάτων

Τεχνητή Νοημοσύνη ή Μηχανική Μάθηση

Προγραμματισμός (Python ή Java/Kotlin Android)

Βασική επεξεργασία σήματος

Βασικές αρχές Machine Learning

Umair, M., Chalabianloo, N., Sas, C., & Ersoy, C. (2021). HRV and stress: A mixed-methods approach for comparison of wearable heart rate sensors for biofeedback. IEEe Access, 9, 14005-14024.

Haque, Y., Zawad, R. S., Rony, C. S. A., Al Banna, H., Ghosh, T., Kaiser, M. S., & Mahmud, M. (2024). State-of-the-art of stress prediction from heart rate variability using artificial intelligence. Cognitive Computation, 16(2), 455-481.

. 

. 

. 

. 

. 

Ανάλυση δυνατοτήτων της ΠΤΝ στο δικηγορικό κλάδο.
 

1. Ανάπτυξη δενδρου δυνατότητων της παραγωγικής ΤΝ στο δικηγορικό επάγγελμα

(θα δοθεί αρχικό δένδρο περίπου 100 δυνατοτήτων)
- Ανάλυση κάθε "φύλλου" του δένδρου σε 1/2 σελίδα (πως μπορεί να γίνει με LLM's, τι θα δώσει ως παραδοτέο)

2. Ερωτηματολόγιο ανάλυσης επιπέδου (ετοιμότητας) επιχειρήσεων / επαγγελματικών στον κλάδο ΧΧΧ για την αξιοποίηση της ΠΤΝ (Google Form που να βγάζει αποτέλεσμα για τον χρήστη)  - GAI Analyser 

3. Ερωτηματολόγιο για την ανίχνευση εκπαιδευτικών αναγκών επιχειρήσεων / επαγγελματιών στον κλάδο ΧΧΧ (google form, χωρίς βαθμούς, που απλά συλέγει προτιμήσεις για εκπαίδευση) - προτεραιότητες για την ΠΤΝ

Εκπαιδευτικό Υλικό

4. Υλικό και αυτοματοποιημένα test / tutorials κλπ για την εκμάθηση prompting / παρουσίαση 20 slides 

5. Oδηγός εφαρμογών της ΤΝ στον κλάδο (15+ σελίδες (δένδρο με περιγραφές))

6. Εκπαιδευτικό υλικό (επιλογή αντικειμενου απο δένδρο, γενική περιγραφή, ανάπτυξη παραδείγματος / επίλυση προβλήματος, PROMPT(s) παραπομπές και τεστ multiple choice)

.

Prompt engineering.

Αγάπη για τον νομικό κλαδο.

.

Η ΔΕ στοχεύει στην ανάπτυξη πρωτότυπης εφαρμογής σε περιβάλλον Agentic Generative AI για τον αυτοματοποιημένο έλεγχο νομικών κειμένων με βάση το Interoperable Europe Act και το νέο ευρωπαϊκό πλαίσιο διαλειτουργικότητας  

Η εργασία περιλαμβάνει τα εξής:

- Αποδελτίωση του Interoperable Europe Act και ειδικά των διαφόρων ελέγχων νομοθεσίας που προβλέπει, καθώς και του European Interoperability Framework (σε συνεργασία με τον διδάσκοντα)

- Μελέτη ανάλογων πλαισίων και εφαρμογών πιστοποίησης

- Προδιαγρφή των ελέγχων που πρέπει να γίνουν για την αξιολόγηση μίας νομοθεσίας βάση το ΙΕ Act

- Ανάπτυξη σχετικών prompts (θα δοθούν αρχικά, απο τον διδάσκοντα)

- Ανάπτυξη εφαρμογής / φόρμας HTML για την παραμετροποίηση των prompts  

- Πιλοτική εφαρμογή σε περιβάλλον OpenAI / API με χρήση agents

..

..

..

Μελέτη επίθεσης μηχανικής μάθησης κατά τεχνικών κλειδώματος λογικής και εφαρμογή της σε σύγχρονη τεχνική ακολουθιακού κλειδώματος

Μελέτη επίθεσης μηχανικής μάθησης κατά τεχνικών κλειδώματος λογικής και εφαρμογή της σε σύγχρονη τεχνική ακολουθιακού κλειδώματος

• Λογική Σχεδίαση
• Σχεδιαση Ψηφιακών Συστημάτων

Verilog, Python, ψηφιακά κυκλώματα

• L. Alrahis, S. Patnaik, M. Shafique and O. Sinanoglu, "OMLA: An Oracle-Less Machine Learning-Based Attack on Logic Locking," in IEEE Transactions on Circuits and Systems II: Express Briefs, vol. 69, no. 3, pp. 1602-1606, March 2022.
• . Stavrinos, C. Chalagiannis and E. Kalligeros, "FSMlock: Defending against Oracle-based Sequential Logic-Locking Attacks under Output-Corruption Requirements," 2025 IEEE European Test Symposium (ETS), Tallinn, Estonia, 2025.

Η εργασία στοχεύει στη δημιουργία παιχνιδιού με χρήση παραλλαγής του σπειροειδούς μοντέλου η οποία θα μπορεί να χρησιμοποιηθεί για ανάπτυξη από ένα άτομο με χρήση εργαλείων ανοιχτού κώδικα και χαμηλό κόστος.

Στο πλαίσιο της διπλωματικής εργασίας θα χρησιμοποιηθεί συνδυασμός των παρακάτω στοιχείων για την ανάπτυξη ενός παιχνιδιού :

(α) Χρήση του σπειροειδούς μοντέλου σε συνδυασμό με στοιχεία από τη λιτή ανάπτυξη λογισμικού.

(β) Προσαρμογή της για ανάπτυξη από ένα άτομο.

(γ) Χρήση του Godot ως μηχανής παιχνιδιού και προσαρμογή του μοντέλου ανάπτυξης λογισμικού για τα ιδιαίτερα χαρακτηριστικά της συγκεκριμένης μηχανής.

(δ) Για την ανάπτυξη θα χρησιμοποιηθούν κυρίως εργαλεία ανοικτού κώδικα, σε βαθμό που αυτό είναι δυνατόν.

(ε) Θα είναι διαθέσιμο τουλάχιστον σε περιβάλλον Windows και Linux.

Στα παραδοτέα περιλαμβάνονται τόσο το ίδιο το παιχνίδι, όσο και η σχετική τεκμηρίωση (τεκμηρίωση ανάλυσης, σχεδιασμού, υλοποίησης, ελέγχου κλπ).

Ανάλυση και Σχεδιασμός Πληροφοριακών Συστημάτων

Προγραμματισμός

https://godotengine.org/

Η δημιουργία ενός διαδικτυακού τόπου που θα συλλέγει, αποθηκεύει, αναλύει και παρουσιάζει δεδομένα από τρεις βασικές μονάδες μέτρησης (συσκευές ποιότητας αέρα εσωτερικού χώρου, μικροκλιματικούς σταθμούς και μετεωρολογικούς σταθμούς), αξιοποιώντας τεχνολογίες NB-IoT για την απομακρυσμένη επικοινωνία.

Η διπλωματική αποσκοπεί στην ανάπτυξη μιας ολοκληρωμένης web εφαρμογής που θα αποτελεί το κεντρικό σημείο διαχείρισης δεδομένων από αγροτικά IoT συστήματα. Οι συσκευές θα μεταδίδουν μετρήσεις περιβαλλοντικών και κλιματικών παραμέτρων στο cloud, όπου θα αποθηκεύονται και θα υποβάλλονται σε επεξεργασία. Η πλατφόρμα θα παρέχει:

• Διαδραστικά γραφήματα και χάρτες για την οπτικοποίηση δεδομένων σε πραγματικό χρόνο.
• Δυνατότητα φιλτραρίσματος και εξαγωγής ιστορικών δεδομένων.
• Ειδοποιήσεις βάσει προκαθορισμένων ορίων (π.χ. υψηλή θερμοκρασία, χαμηλή υγρασία εδάφους).
• Υποστήριξη πολλών τύπων αισθητήρων (εσωτερικού χώρου, μικροκλιματικών, μετεωρολογικών).

Η ανάπτυξη θα περιλαμβάνει σχεδίαση βάσης δεδομένων, επικοινωνία με τις συσκευές και υλοποίηση φιλικού UI για τον τελικό χρήστη. Η λύση θα είναι επεκτάσιμη, επιτρέποντας τη σύνδεση επιπλέον τύπων αισθητήρων στο μέλλον.

• Δίκτυα Υπολογιστών
• Δίκτυα Κινητών Επικοινωνιών
• Πρωτόκολλα και Αρχιτεκτονικές Διαδικτύου

• Βασικές γνώσεις IoT αρχιτεκτονικών και πρωτοκόλλων επικοινωνίας.
• Ανάπτυξη web εφαρμογών.
• Βάσεις δεδομένων.

• Wang, L. and Yang, H., 2024. Design of smart city environment monitoring and optimisation system based on NB-IoT technology. International Journal of Information and Communication Technology, 25(10), pp.47-61.
• Yan, Q., Huang, T., Liu, J., Lv, X. and Li, S., 2025, March. Design of Multi-Parameter Water Environment Monitoring System Based on NB-IoT. In Journal of Physics: Conference Series (Vol. 2975, No. 1, p. 012024). IOP Publishing.