21706 research outputs found
Sort by
Πολυπρακτορικά συστήματα για την άμυνα έναντι απειλών στο Διαδίκτυο των των Πραγμάτων
No full textΔιατριβή (Διδακτορική)--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2025.The rising security threats in the Internet of Things correspond to the rapid proliferation of smart devices across homes, industries, and healthcare environments. Addressing these threats while maintaining low computational power and energy consumption has limited the range of viable solutions. Consequently, energy-efficient Machine Learning and Deep Learning techniques, capable of analyzing and classifying vast amounts of data in real-time, have been extensively researched and developed.
In this context this thesis explores the application of a Graph Neural Network to analyze the structure of complex IoT networks and process network data from nodes and edges. The graph depiction of the network infrastructure reflects the communication among the interconnected entities, assisting in local identification of network breaches. We aim to create a sophisticated anomaly detection approach which identifies specific attack patterns based on their IP flow features, providing a robust and scalable solution in near-real time performance. A distributed attack detection powered by the Intelligent Agents is proposed to deploy the developed algorithm, leveraging the benefits offered by distributed systems, also minimizing power and bandwidth resource consumption.
Evaluation of the proposed method is conducted through extensive lab experiments utilizing both online and simulated datasets, as well as real pilot testing. The aim is to assess the effectiveness of the approach in terms of detection accuracy and detection delay, and also to highlight the power consumption and bandwidth overhead across different attack scenarios and network infrastructure.
The research conducted in this study was funded by the European Union as part of the SerIoT project. This project aimed to develop, implement and test a generic IoT framework by incorporating attack detection, mitigation, QoS and Energy-Aware Routing, advanced analytics and user-friendly data analytics with visual monitoring. The proposed advanced anomaly detection module was part of its overarching architecture, by contributing to the project's objective of improving network security and resilience against emerging threats in the IoT domain. The project was hosted at the Informatics and Telematics Institute (ITI) of CERTH, providing a strong research environment that facilitated its successful implementation.Η ραγδαία εξάπλωση των έξυπνων συσκευών τόσο σε οικιακά όσο και βιομηχανικά περιβάλλοντα, είναι άρρηκτα συνδεδεμένη με την ανάγκη για ασφάλεια του Διαδικτύου των Πραγμάτων (IoT). Η αντιμετώπιση των απειλών, διατηρώντας παράλληλα χαμηλή υπολογιστική ισχύ και ενεργειακή κατανάλωση, περιορίζει σημαντικά το εύρος των εφικτών λύσεων. Ως εκ τούτου, έχουν αναπτυχθεί και μελετηθεί εκτενώς τεχνικές Μηχανικής Μάθησης και Βαθείας Μάθησης που είναι ενεργειακά αποδοτικές και ταυτόχρονα ικανές να αναλύουν και να ταξινομούν τεράστιους όγκους δεδομένων σε πραγματικό χρόνο.
Στο πλαίσιο αυτό, η παρούσα διατριβή διερευνά τη σύνθετη δομή των ΙοΤ δικτύων και προτείνει την εφαρμογή ενός Νευρωνικού Δικτύου Γράφων (Graph Neural Network - GNN) για την αποτύπωση της σύνθεσης της ΙοΤ υποδομής και την επεξεργασία των δεδομένων που προέρχονται από τους κόμβους και τις ακμές του. Η γραφική απεικόνιση της δικτυακής υποδομής στοχεύει στην αποτύπωση της επικοινωνίας μεταξύ των διασυνδεδεμένων οντοτήτων, διευκολύνοντας τον τοπικό εντοπισμό ανωμαλιών. Στόχος είναι η ανάπτυξη μιας προηγμένης προσέγγισης ανίχνευσης ανωμαλιών, η οποία θα αναγνωρίζει συγκεκριμένα πρότυπα επιθέσεων βάσει των χαρακτηριστικών των IP ροών τους, παρέχοντας μια αξιόπιστη και επεκτάσιμη λύση με απόδοση σχεδόν σε πραγματικό χρόνο. Προτείνεται η κατανεμημένη ανίχνευση επιθέσεων, βασισμένη σε Έξυπνους Πράκτορες (Intelligent Agents), για την υλοποίηση του αλγορίθμου, αξιοποιώντας τα πλεονεκτήματα των κατανεμημένων συστημάτων μα και ελαχιστοποιώντας παράλληλα την κατανάλωση ενέργειας και εύρους ζώνης.
Η αξιολόγηση της προτεινόμενης μεθόδου πραγματοποιείται αφενός μέσω εκτεταμένων εργαστηριακών πειραμάτων, αξιοποιώντας τόσο διαδικτυακά όσο και προσομοιωμένα σύνολα δεδομένων, αφετέρου μέσα σε πραγματικές πιλοτικές δοκιμές. Σκοπός είναι η εκτίμηση της αποτελεσματικότητας της προσέγγισης με όρους ακρίβειας ανίχνευσης και ταχύτητας εντοπισμού, αλλά και η εκτίμηση της κατανάλωσης ενέργειας και του επιπρόσθετου φόρτου εύρους ζώνης υπό διαφορετικά σενάρια επιθέσεων και τοπολογίες δικτύου.
Η έρευνα που παρουσιάζεται στην παρούσα μελέτη χρηματοδοτήθηκε από την Ευρωπαϊκή Ένωση στο πλαίσιο του έργου SerIoT. Το έργο αυτό στόχευσε στην ανάπτυξη, υλοποίηση και δοκιμή μιας ενιαίας λύσης ανίχνευσης και αντιμετώπισης απειλών σε περιβάλλοντα IoT, ενσωματώνοντας μηχανισμούς ανίχνευσης επιθέσεων, μετριασμού των κινδύνων, δρομολόγησης -τηρώντας υψηλά επίπεδα ποιότητας υπηρεσίας (QoS) και ενεργειακής κατανάλωσης, προηγμένης ανάλυσης δεδομένων και φιλικού προς το χρήστη περιβάλλοντος παρακολούθησης. Η προτεινόμενη μέθοδος ανίχνευσης ανωμαλιών αποτέλεσε μέρος της συνολικής αρχιτεκτονικής του έργου, συμβάλλοντας στο στόχο της ενίσχυσης της ασφάλειας και της ανθεκτικότητας των δικτύων απέναντι σε απειλές στο πεδίο του IoT. Το έργο υλοποιήθηκε στο Ινστιτούτο Πληροφορικής και Τηλεματικής (ΙΠΤΗΛ) του ΕΚΕΤΑ, προσφέροντας ένα ισχυρό ερευνητικό περιβάλλον που συνέβαλε καθοριστικά στην επιτυχή του υλοποίηση
The role of ambidextrous leadership in improving business innovation and competitiveness
No full textΔιπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2025.Η παρούσα μελέτη εξέτασε τον κρίσιμο ρόλο της αμφιδέξιας ηγεσίας στην ενίσχυση της καινοτομίας και της ανταγωνιστικότητας των επιχειρήσεων. Ο κύριος σκοπός της εργασίας ήταν να διερευνήσει πώς οι διπλές ηγετικές συμπεριφορές – αυτές που προάγουν τόσο την εξερεύνηση όσο και την εκμετάλλευση – συμβάλλουν στη διαμόρφωση ενός περιβάλλοντος που ενθαρρύνει τη δημιουργικότητα και τη στρατηγική προσαρμοστικότητα. Η μεθοδολογία βασίστηκε σε εμπειρική συλλογή δεδομένων από 56 συμμετέχοντες, οι οποίοι αξιολόγησαν σε διάφορες διαστάσεις τις πρακτικές καινοτομίας μέσω πενταβάθμιας κλίμακας. Τα αποτελέσματα αποκάλυψαν ότι τα ανώτερα στελέχη παρουσιάζουν υψηλότερες αξιολογήσεις όσον αφορά την ικανότητα διαχείρισης καινοτόμων πρωτοβουλιών, ενώ οι διαφορές μεταξύ των ιεραρχικών επιπέδων των επιχειρήσεων είναι στατιστικά σημαντικές. Επιπρόσθετα, διαπιστώθηκε θετική συσχέτιση μεταξύ των διαφόρων διαστάσεων, υποδηλώνοντας μια ολιστική προσέγγιση που συνδυάζει την οργανωτική κουλτούρα, τη στρατηγική διαχείριση πόρων και την ανάπτυξη δεξιοτήτων ως κρίσιμους παράγοντες για την ανταγωνιστικότητα. Η έρευνα συμβάλλει στην κατανόηση των μηχανισμών που οδηγούν στην επιτυχή εφαρμογή αμφιδέξιων ηγετικών πρακτικών, παρέχοντας πρακτικές και θεωρητικές προτάσεις για μελλοντική ανάπτυξη
Adversarial attacks on deep learning, enhancing the robustness and stability of the models
Get PDFΔιπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2025.The scientific revolution brought about by Artificial Intelligence (AI) and its
individual technologies have radically changed the academic, research and business
world. The establishment of AI in our everyday life is a reality, and its integration into
our daily tasks and operations is increasingly observed. This fact has led many to
conclude that this scientific discipline has established the 4th industrial revolution,
and not unfairly so, as the changes in the everyday life of citizens, in the way
industries and businesses operate, in the experimental and academic activity and
direction of universities and research centers, and in many other generalized, and
more specialized, areas of everyday life. As expected, the exponential growth
observed in the development of artificial intelligence, in addition to the remarkable
advances it has brought about in the aforementioned areas, has also revealed several
vulnerabilities, which are related either to the security of the various models and
algorithms, or to the data itself. Based on the latter, a particular area of research and
practical applications that have emerged in recent years and is of concern to
researchers, practitioners and programmers alike is the issue of
adversarial attacks on AI models. These attacks exploit their nature and function, i.e.
their ability to train, learn and generalize large data sets, by modifying the algorithms
during the data input phase, during their training, during the prediction and inference
phase or at some other stage of their implementation. This, in turn, may lead to
incorrect decisions and predictions, and thus to negative consequences for real-world
applications. In this thesis, we conduct a detailed review of the various attacks that
have been developed in the deep learning domain, i.e., in the family of artificial
intelligence algorithms involving neural networks, the most advanced branch of
artificial intelligence, as it relates to its most complex and sophisticated applications.
In addition to the categorization of attacks on deep learning models, in-depth research
is being carried out on methods to counteract attacks by improving the robustness and
stability of the overall model architectures. Finally, we proceed to examine and compare
methodologies studied, both in the attack phase and that of increasing the defense of
deep learning neural models, at the experimental level, on image and text datasets
The Modern Trombone
No full textΠτυχιακό Project--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2025.Η βιβλιοθήκη διαθέτει αντίτυπο του project μόνο σε ηλεκτρονική μορφή
The impact of interest rates on stock exchanges: pre- and post-Covid comparative analysis
No full textΠτυχιακή εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2025.Η βιβλιοθήκη διαθέτει αντίτυπο της πτυχιακής μόνο σε ηλεκτρονική μορφή.Η παρούσα εργασία διερευνά τη δυναμική επίδραση των επιτοκίων στη μεταβλητότητα των χρηματιστηριακών αγορών, εστιάζοντας στους δείκτες S&P 500 και Nasdaq, κατά τις περιόδους πριν και μετά της πανδημίας Covid-19. Η έρευνα αξιοποιώντας υποδείγματα GARCH και την κλίση της καμπύλης αποδόσεων (spread μεταξύ 10ετούς και 3μηνιαίου ομολόγου), αναδεικνύει τη μη γραμμική και μεταβαλλόμενη σχέση μεταξύ των επιτοκιακών μεταβολών και της μεταβλητότητας των χρηματιστηριακών δεικτών. Τα εμπειρικά ευρήματα καταδεικνύουν ότι η επίδραση των επιτοκίων στην αστάθεια των αγορών ενισχύθηκε σημαντικά μετά την πανδημία. Η αύξηση των επιτοκίων συνδέεται με έντονες διακυμάνσεις στους χρηματιστηριακούς δείκτες, ως αποτέλεσμα των μεταβαλλόμενων προσδοκιών για μελλοντικά επιτόκια και της σχετικής αβεβαιότητας για την πορεία της νομισματικής πολιτικής, οδηγώντας σε αυξημένες απαιτήσεις για υψηλότερες αναμενόμενες αποδόσεις
An empirical analysis of the relationship between corporate financial performance and ESG factors in the airline sector
No full textΔιπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2025.Η διπλωματική αυτή εργασία θα εξετάσει τη σχέση μεταξύ της Εταιρικής Οικονομικής Απόδοσης (Corporate Financial Performance, CFP) και των Περιβαλλοντικών, Κοινωνικών και Διακυβερνητικών Παραγόντων (Environmental, Social, Governance - ESG) στον αεροπορικό κλάδο. Με την αυξανόμενη ανάγκη για βιώσιμη ανάπτυξη και κοινωνική υπευθυνότητα, οι αεροπορικές εταιρείες καλούνται να βελτιώσουν τις επιδόσεις τους στους τομείς ESG, διατηρώντας παράλληλα την οικονομική τους βιωσιμότητα.
Η έρευνα θα βασιστεί σε ένα εκτενές σύνολο δεδομένων από μεγάλες αεροπορικές εταιρείες παγκοσμίως, εξετάζοντας τη σχέση μεταξύ των οικονομικών επιδόσεων και των παραγόντων ESG, ενώ θα ληφθούν υπόψη και τα λειτουργικά χαρακτηριστικά των εταιρειών. Στόχος της εργασίας είναι να προσφέρει εμπειρικά δεδομένα σχετικά με τη στρατηγική ενσωμάτωση των ESG παραγόντων, αναδεικνύοντας τον ρόλο τους στην επίτευξη βιώσιμης ανάπτυξης και ανθεκτικότητας στον αεροπορικό κλάδο
Artificial Intelligence in HR Analytics: risks, ethical challenges, and organizational responses
Get PDFΔιπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2025.As artificial intelligence (AI) becomes increasingly embedded in business operations, its application in Human Resource Management (HRM) is reshaping how organizations recruit, evaluate,
and engage employees. This diploma thesis addresses the intersection between AI and HR at a conceptual level, specifically focusing on the ethical, technological, operational and regulatory risks
associated with its implementation. Based on a systematic review of the literature on scholarly
and industry sources published over the last five years (2020 2025), the thesis outlines such issues
as algorithmic bias, data privacy concerns, and reputational risk alongside the threat of excessive
automation.
The analysis identifies fairness, transparency, accountability, and human oversight as key concepts of responsible use of AI in HR. It also highlights two threads of the HR departments: to
be able to use AI to drive efficiency and predictive insights in the face of promoting employee
trust, diversity and well-being. In an effort to synthesize existing discussions, this thesis presents
governance strategies, ethical frameworks, and design principles that should be used to promote
sustainable adoption of AI in HRM.
Lastly, the study presents future research directions, such as the empirical verification of biasmitigation methods, the long-term labour impacts of AI on workforce well-being, and the creation
of governance models that balance disruptive innovation with humanistic values. The results show
that the future of AI in HR not only relies on technological advancements but on the capacity
of organizations and their capacity to weigh efficiency with ethical dimensions, compliance, and
inclusivity
Donna Caduta
Get PDFΠτυχιακό Project--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2025.Η βιβλιοθήκη διαθέτει αντίτυπο του project μόνο σε ηλεκτρονική μορφή.Το συγκεκριμένο πτυχιακό project έχει ως θεματική το σύγχρονο ρεπερτόριο του βιολιού και συγκεκριμένα την πρεμιέρα τεσσάρων νέων έργων για βιολί. Στο πλαίσιο αυτό, ανατέθηκε σε τέσσερις φοιτητές της ειδίκευσης σύνθεσης του Πανεπιστημίου Μακεδονίας να συνθέσουν από ένα έργο διάρκειας περίπου δέκα λεπτών. Η επιλογή της θεματικής προέκυψε από την ανάγκη να ερμηνεύσω πρωτότυπα έργα, κατόπιν συνεργασίας με τους συνθέτες προκειμένου να εξερευνηθούν νέοι τρόποι παιξίματος και ερμηνείας μέσω της συμβατικής τεχνικής και του πειραματισμού.
Στόχος του project είναι να φωτίσει την σχέση μεταξύ συνθέτη και εκτελεστή/ερμηνευτή μέσω της καλλιτεχνικής εμπειρικής έρευνας (practice based research). Πραγματοποιήθηκε λεπτομερής καταγραφή όλων των ενεργειών για την προετοιμασία των τεσσάρων έργων μέχρι και τη δημόσια παρουσίασή τους σε συναυλία. Επίσης, με την έμπρακτη συνεργασία συνθέτη και performer ερευνήθηκαν οι δυνατότητες και τα ηχοχρώματα του βιολιού ανάλογα με τις προτιμήσεις των συνθετών.
Ένας ακόμη στόχος αυτού του πρότζεκτ είναι η εξερεύνηση νέων ήχων, τεχνικών, χροιάς και ερμηνείας του βιολιού μέσα στο σύγχρονο ρεπερτόριο καθώς και η σχέση που μπορεί να έχουν αυτά με τους παραδοσιακούς τρόπους παιξίματος. Για τον σκοπό αυτό, πραγματοποιήθηκαν συναντήσεις και συζητήσεις ώστε να ερευνήσουμε τις δυνατότητες του βιολιού καθώς και να πειραματιστούμε πάνω σε τεχνικές και ήχους που μπορούν να παραχθούν προκειμένου να δημιουργηθούν τα τέσσερα έργα.
Μετά την παράδοση των κομματιών, πραγματοποιήθηκε η εύρεση συνοδευτικών μουσικών οργάνων – στην περίπτωση που οι συνθέτες επιθυμούσαν να χρησιμοποιήσουν – και έτσι ξεκίνησε η περίοδος μελέτης που διήρκησε τρεις με τέσσερεις εβδομάδες. Κατόπιν, πραγματοποιήθηκαν οι πρόβες, συνήθως με την παρουσία των συνθετών με σκοπό την επίλυση αποριών και την παρακολούθηση της εξέλιξης των κομματιών τους. Όσο πλησίαζε η ημερομηνία της συναυλίας πραγματοποιήθηκαν γενικές πρόβες στον χώρο της συναυλίας
Passenger flow analysis and forecasting in public bus transportation using neural networks
Get PDFΔιπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2025.This thesis explores the application of advanced neural network architectures, with a
particular emphasis on a hybrid Graph Convolutional Network–Gated Recurrent Unit
(GCN-GRU) model, to predict passenger volumes across selected bus stops in Genova's
public transport network. With the use of Python, data cleaning, preparation and
exploration has been made, extracting several useful graphs and maps. Drawing on
spatiotemporal data, this research integrates graph-based learning to model spatial
relationships and recurrent neural structures to capture temporal dependencies. The
hybrid GCN-GRU model is evaluated against several benchmark approaches, including
a standalone GRU, an ARIMAX (AutoRegressive Integrated Moving Average with
Exogenous Variables) model, and an XGBoost regressor. Results demonstrate that the
GCN-GRU model consistently outperforms traditional time series and tabular models in
terms of Mean Absolute Error (MAE) and Root Mean Squared Error (RMSE), offering a
more nuanced and accurate understanding of urban passenger flow dynamics.
Furthermore, the thesis discusses key implementation steps on Google Cloud Platform
(GCP), highlights limitations, particularly those relating to data inconsistencies between
stop identifiers, and outlines promising directions for future work, such as real-time
inference applications. Ultimately, this thesis showcases the power and flexibility of
neural network-based models, particularly graph-informed architectures, for advancing
the precision of demand forecasting in public transportation systems
Η επίδραση του φύλου στο στυλ ηγεσίας και στην παρακίνηση των εκπαιδευτικών: μία εμπειρική έρευνα βασισμένη στις απόψεις Ελλήνων εκπαιδευτικών της Δευτεροβάθμιας εκπαίδευσης
No full textΔιπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2025.Η παρούσα εργασία διερευνά την επίδραση του φύλου στο στυλ ηγεσίας και στην παρακίνηση των εκπαιδευτικών στη Δευτεροβάθμια εκπαίδευση στην Ελλάδα. Σε ένα πλαίσιο όπου η εκπαιδευτική ηγεσία αποκτά όλο και πιο κρίσιμο ρόλο στην αποτελεσματική λειτουργία των σχολικών μονάδων, εξετάζεται κατά πόσο το φύλο του διευθυντή επηρεάζει την αντίληψη των εκπαιδευτικών ως προς την ηγετική του συμπεριφορά και τις παρακινητικές του πρακτικές και στρατηγικές εντός τόσο δημοσίων όσο και ιδιωτικών σχολικών μονάδων και φορέων. Το θεωρητικό υπόβαθρο της έρευνας βασίστηκε σε σύγχρονες θεωρίες ηγεσίας (μετασχηματιστική, συναλλακτική, laissez-faire, ηθική) και παρακίνησης (Maslow, Herzberg, Vroom, Deci & Ryan, Adams), καθώς και σε εμπειρικές μελέτες σχετικές με τη διάσταση του φύλου στην εκπαιδευτική διοίκηση και ηγεσία. Η ερευνητική προσέγγιση ήταν ποσοτική, με συλλογή δεδομένων από 110 εκπαιδευτικούς μέσω τυποποιημένων εργαλείων (Multifactor Leadership Questionnaire - MLQ και Situational Motivation Scale - SIMS). Η στατιστική ανάλυση ανέδειξε ότι το φύλο του διευθυντή δεν συνιστά προσδιοριστικό παράγοντα διαφοροποίησης στο ηγετικό στυλ. Ωστόσο, εντοπίστηκαν διαφοροποιήσεις στις επιμέρους παραμέτρους της παρακίνησης, δηλαδή οι άνδρες ηγέτες βασίζονται περισσότερο σε εξωτερικά κίνητρα, ενώ οι γυναίκες ανέδειξαν στοιχεία ενσυναίσθησης και ενδυνάμωσης. Παράλληλα, οι άνδρες εκπαιδευτικοί τείνουν προς την απουσία παρακίνησης, ενώ οι γυναίκες εκπαιδευτικοί προσανατολίζονται προς την εσωτερική και προσωπική παρακίνηση. Συνολικά, η έρευνα επιβεβαιώνει ότι αν και το φύλο δεν αποτελεί από μόνο του καθοριστικό παράγοντα για την ηγετική αποτελεσματικότητα, επηρεάζει επιμέρους διαστάσεις των ηγετικών και παρακινητικών πρακτικών στο εκπαιδευτικό περιβάλλον. Τέλος, αναδεικνύεται η αναγκαιότητα της περαιτέρω ενσωμάτωσης της οπτικής του φύλου στην επιμόρφωση στελεχών της εκπαίδευσης, καθώς και στη χάραξη πολιτικών που προάγουν ισότιμες συνθήκες πρόσβασης και αξιολόγησης στο πλαίσιο της εκπαιδευτικής ηγεσίας