{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5359379"},"canonical_url":"https://search.dev.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5359379","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Ασφαλής Ενσωμάτωση Τηλεμετρίας Αισθητήρων Σε Αποτελέσματα Μεγάλων Γλωσσικών Μοντέλων Μέσω Στεγανογραφικής Εφαρμογής","abstract":"Στη σημερινή εποχή το Διαδίκτυο αποτελεί όλο και περισσότερο αναπόσπαστο κομμάτι κάθε ατομικής και κοινωνικής δραστηριότητας. Ωστόσο, στο πλαίσιο της νέας αυτής πραγματικότητας εγείρονται όλο και περισσότερα ερωτήματα γύρω από την εμπιστευτικότητα των επικοινωνιών που υλοποιούνται μέσω των (υπο)δικτύων που συνθέτουν το Διαδίκτυο. Λαμβάνοντας υπόψη τα παραπάνω, η μέθοδος κειμενικής στεγανογραφίας μέσω μεγάλων γλωσσικών μοντέλων (LLMs) αποτελεί μία πρωτοπόρο μέθοδο εξασφάλισης της εμπιστευτικότητας, η οποία επιτυγχάνει την ασφαλή ενσωμάτωση κρίσιμων δεδομένων μέσα σε ένα κείμενο, με τέτοιο τρόπο, ώστε τα εν λόγω δεδομένα να είναι αδιαχώριστα από το υπόλοιπο κείμενο. Στην παρούσα διπλωματική εργασία αρχικά μελετήθηκαν οι παραδοσιακές μέθοδοι εξασφάλισης εμπιστευτικότητας και συγκεκριμένα η συμμετρική και η ασύμμετρη κρυπτογράφηση, αναδεικνύοντας παράλληλα τους περιορισμούς τους. Στη συνέχεια, και με βάση την υπάρχουσα βιβλιογραφία, επιλέχθηκε και μελετήθηκε ένας αλγόριθμος κειμενικής στεγανογραφίας, ο οποίος επιτρέπει την ενσωμάτωση κρίσιμων δεδομένων μέσα στο κείμενο που παράγεται από ένα μεγάλο γλωσσικό μοντέλο (LLM) όπως το Chatgpt. Έπειτα, πραγματοποιήθηκε μία σύντομη επισκόπιση των Internet of Things (IoT) τεχνολογιών και αναδείχθηκε η ανάγκη διασφάλισης της εμπιστευτικότητας των πληροφοριών που αυτές παράγουν. Όσον αφορά το πειραματικό μέρος της εργασίας, χρησιμοποιώντας ως την πλατοφόρμα IoT Thingsboard και το LLM περιβάλλον Ollama, προτάθηκε μία πειραματική τοπολογία, η οποία προσομοιάζει ένα IoT περιβάλλον, όπου τα δεδομένα προς ενσωμάτωση είναι οι μετρήσεις βιομηχανικών αισθητήρων. Η τοπολογία αυτή παράγει δεδομένα αισθητήρων και τα συγκεντρώνει σε έναν κεντρικό server, ο οποίος χρησιμοποιεί LLMs για να παράξει ένα κείμενο μέσα στο οποίο ενσωματώνει τα παραπάνω δεδομένα. Το κείμενο αυτό στέλνεται στον τελικό χρήστη, ο οποίος με τη σειρά του εξάγει τα ενσωματωμένα δεδομένα και διαβάζει τις μετρήσεις των αισθητήρων. Το τελικό αποτέλεσμα είναι η ασφαλής μετάδοση των μετρήσεων των αισθητήρων στο τελικό χρήστη με τη μορφή κειμένου, χωρίς τη χρήση κρυπτογράφησης. Η συγκεκριμένη εφαρμογή μπορεί να χρησιμοποιηθεί σε πραγματικές βιομηχανικές εγκαταστάσεις δίνοντας λύση στο πρόβλημα της ασφαλούς μετάδοσης μετρήσεων, χωρίς να υπόκειται στους περιορισμούς των κρυπτογραφικών προσεγγίσεων.","abstract_html":"Στη σημερινή εποχή το Διαδίκτυο αποτελεί όλο και περισσότερο αναπόσπαστο κομμάτι κάθε ατομικής και κοινωνικής δραστηριότητας. Ωστόσο, στο πλαίσιο της νέας αυτής πραγματικότητας εγείρονται όλο και περισσότερα ερωτήματα γύρω από την εμπιστευτικότητα των επικοινωνιών που υλοποιούνται μέσω των (υπο)δικτύων που συνθέτουν το Διαδίκτυο. Λαμβάνοντας υπόψη τα παραπάνω, η μέθοδος κειμενικής στεγανογραφίας μέσω μεγάλων γλωσσικών μοντέλων (LLMs) αποτελεί μία πρωτοπόρο μέθοδο εξασφάλισης της εμπιστευτικότητας, η οποία επιτυγχάνει την ασφαλή ενσωμάτωση κρίσιμων δεδομένων μέσα σε ένα κείμενο, με τέτοιο τρόπο, ώστε τα εν λόγω δεδομένα να είναι αδιαχώριστα από το υπόλοιπο κείμενο. Στην παρούσα διπλωματική εργασία αρχικά μελετήθηκαν οι παραδοσιακές μέθοδοι εξασφάλισης εμπιστευτικότητας και συγκεκριμένα η συμμετρική και η ασύμμετρη κρυπτογράφηση, αναδεικνύοντας παράλληλα τους περιορισμούς τους. Στη συνέχεια, και με βάση την υπάρχουσα βιβλιογραφία, επιλέχθηκε και μελετήθηκε ένας αλγόριθμος κειμενικής στεγανογραφίας, ο οποίος επιτρέπει την ενσωμάτωση κρίσιμων δεδομένων μέσα στο κείμενο που παράγεται από ένα μεγάλο γλωσσικό μοντέλο (LLM) όπως το Chatgpt. Έπειτα, πραγματοποιήθηκε μία σύντομη επισκόπιση των Internet of Things (IoT) τεχνολογιών και αναδείχθηκε η ανάγκη διασφάλισης της εμπιστευτικότητας των πληροφοριών που αυτές παράγουν. Όσον αφορά το πειραματικό μέρος της εργασίας, χρησιμοποιώντας ως την πλατοφόρμα IoT Thingsboard και το LLM περιβάλλον Ollama, προτάθηκε μία πειραματική τοπολογία, η οποία προσομοιάζει ένα IoT περιβάλλον, όπου τα δεδομένα προς ενσωμάτωση είναι οι μετρήσεις βιομηχανικών αισθητήρων. Η τοπολογία αυτή παράγει δεδομένα αισθητήρων και τα συγκεντρώνει σε έναν κεντρικό server, ο οποίος χρησιμοποιεί LLMs για να παράξει ένα κείμενο μέσα στο οποίο ενσωματώνει τα παραπάνω δεδομένα. Το κείμενο αυτό στέλνεται στον τελικό χρήστη, ο οποίος με τη σειρά του εξάγει τα ενσωματωμένα δεδομένα και διαβάζει τις μετρήσεις των αισθητήρων. Το τελικό αποτέλεσμα είναι η ασφαλής μετάδοση των μετρήσεων των αισθητήρων στο τελικό χρήστη με τη μορφή κειμένου, χωρίς τη χρήση κρυπτογράφησης. Η συγκεκριμένη εφαρμογή μπορεί να χρησιμοποιηθεί σε πραγματικές βιομηχανικές εγκαταστάσεις δίνοντας λύση στο πρόβλημα της ασφαλούς μετάδοσης μετρήσεων, χωρίς να υπόκειται στους περιορισμούς των κρυπτογραφικών προσεγγίσεων.","abstract_has_math":false,"creators":["Γιαννής Δημήτριος","Giannis Dimitrios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-07-24T01:01:51Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5359379"],"render_values":[{"text":"uoadl:5359379","href":null,"code":true}]}]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5359379","outbound_label":"Repository record","outbound_source":"dc:identifier"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Γιαννής Δημήτριος","Giannis Dimitrios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5359379","https://pergamos.lib.uoa.gr/uoa/dl/object/5359379"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Στη σημερινή εποχή το Διαδίκτυο αποτελεί όλο και περισσότερο αναπόσπαστο κομμάτι κάθε ατομικής και κοινωνικής δραστηριότητας. Ωστόσο, στο πλαίσιο της νέας αυτής πραγματικότητας εγείρονται όλο και περισσότερα ερωτήματα γύρω από την εμπιστευτικότητα των επικοινωνιών που υλοποιούνται μέσω των (υπο)δικτύων που συνθέτουν το Διαδίκτυο. Λαμβάνοντας υπόψη τα παραπάνω, η μέθοδος κειμενικής στεγανογραφίας μέσω μεγάλων γλωσσικών μοντέλων (LLMs) αποτελεί μία πρωτοπόρο μέθοδο εξασφάλισης της εμπιστευτικότητας, η οποία επιτυγχάνει την ασφαλή ενσωμάτωση κρίσιμων δεδομένων μέσα σε ένα κείμενο, με τέτοιο τρόπο, ώστε τα εν λόγω δεδομένα να είναι αδιαχώριστα από το υπόλοιπο κείμενο. Στην παρούσα διπλωματική εργασία αρχικά μελετήθηκαν οι παραδοσιακές μέθοδοι εξασφάλισης εμπιστευτικότητας και συγκεκριμένα η συμμετρική και η ασύμμετρη κρυπτογράφηση, αναδεικνύοντας παράλληλα τους περιορισμούς τους. Στη συνέχεια, και με βάση την υπάρχουσα βιβλιογραφία, επιλέχθηκε και μελετήθηκε ένας αλγόριθμος κειμενικής στεγανογραφίας, ο οποίος επιτρέπει την ενσωμάτωση κρίσιμων δεδομένων μέσα στο κείμενο που παράγεται από ένα μεγάλο γλωσσικό μοντέλο (LLM) όπως το Chatgpt. Έπειτα, πραγματοποιήθηκε μία σύντομη επισκόπιση των Internet of Things (IoT) τεχνολογιών και αναδείχθηκε η ανάγκη διασφάλισης της εμπιστευτικότητας των πληροφοριών που αυτές παράγουν. Όσον αφορά το πειραματικό μέρος της εργασίας, χρησιμοποιώντας ως την πλατοφόρμα IoT Thingsboard και το LLM περιβάλλον Ollama, προτάθηκε μία πειραματική τοπολογία, η οποία προσομοιάζει ένα IoT περιβάλλον, όπου τα δεδομένα προς ενσωμάτωση είναι οι μετρήσεις βιομηχανικών αισθητήρων. Η τοπολογία αυτή παράγει δεδομένα αισθητήρων και τα συγκεντρώνει σε έναν κεντρικό server, ο οποίος χρησιμοποιεί LLMs για να παράξει ένα κείμενο μέσα στο οποίο ενσωματώνει τα παραπάνω δεδομένα. Το κείμενο αυτό στέλνεται στον τελικό χρήστη, ο οποίος με τη σειρά του εξάγει τα ενσωματωμένα δεδομένα και διαβάζει τις μετρήσεις των αισθητήρων. Το τελικό αποτέλεσμα είναι η ασφαλής μετάδοση των μετρήσεων των αισθητήρων στο τελικό χρήστη με τη μορφή κειμένου, χωρίς τη χρήση κρυπτογράφησης. Η συγκεκριμένη εφαρμογή μπορεί να χρησιμοποιηθεί σε πραγματικές βιομηχανικές εγκαταστάσεις δίνοντας λύση στο πρόβλημα της ασφαλούς μετάδοσης μετρήσεων, χωρίς να υπόκειται στους περιορισμούς των κρυπτογραφικών προσεγγίσεων.","Nowadays, the Internet is increasingly becoming an integral part of every individual and social activity. However, in the context of this new reality, more and more questions are being raised about the confidentiality of communications carried out through the (sub)networks that make up the Internet. Taking the above into account, text steganography through LLMs is a pioneering method of ensuring confidentiality, which achieves the secure embedding of critical data within a text in such a way that the data is inseparable from the rest of the text. This thesis initially examined traditional methods of ensuring confidentiality, specifically symmetric and asymmetric encryption, while highlighting their limitations. Subsequently, based on the existing literature, a text steganography algorithm was selected and studied, which allows the embedding of critical data within text generated by a large language model (LLM) such as Chatgpt. A brief overview of Internet of Things (IoT) technologies was then conducted, highlighting the need to ensure the confidentiality of the information they produce. Regarding the experimental part of the work, using Thingsboard as IoT platform and Ollama as LLM runtime, an experimental topology was proposed that simulates an (IoT) environment, where the data to be integrated are industrial sensor measurements. This topology generates sensor data and collects it on a central server, which uses LLMs to generate a text that incorporates the above data. This text is sent to the end user, who in turn extracts the embedded data and reads the sensor measurements. The end result is the secure transmission of sensor measurements to the end user in text form, without the use of encryption. This application can be used in real industrial facilities, providing a solution to the problem of secure transmission of measurements, without being subject to the limitations of cryptographic approaches."]},{"key":"dc:title","label":"Title","values":["Ασφαλής Ενσωμάτωση Τηλεμετρίας Αισθητήρων Σε Αποτελέσματα Μεγάλων Γλωσσικών Μοντέλων Μέσω Στεγανογραφικής Εφαρμογής"]}]}],"canonical_facts":{"dc:creator":["Γιαννής Δημήτριος","Giannis Dimitrios"],"dc:date":["2026"],"dc:description":["Στη σημερινή εποχή το Διαδίκτυο αποτελεί όλο και περισσότερο αναπόσπαστο κομμάτι κάθε ατομικής και κοινωνικής δραστηριότητας. Ωστόσο, στο πλαίσιο της νέας αυτής πραγματικότητας εγείρονται όλο και περισσότερα ερωτήματα γύρω από την εμπιστευτικότητα των επικοινωνιών που υλοποιούνται μέσω των (υπο)δικτύων που συνθέτουν το Διαδίκτυο. Λαμβάνοντας υπόψη τα παραπάνω, η μέθοδος κειμενικής στεγανογραφίας μέσω μεγάλων γλωσσικών μοντέλων (LLMs) αποτελεί μία πρωτοπόρο μέθοδο εξασφάλισης της εμπιστευτικότητας, η οποία επιτυγχάνει την ασφαλή ενσωμάτωση κρίσιμων δεδομένων μέσα σε ένα κείμενο, με τέτοιο τρόπο, ώστε τα εν λόγω δεδομένα να είναι αδιαχώριστα από το υπόλοιπο κείμενο. Στην παρούσα διπλωματική εργασία αρχικά μελετήθηκαν οι παραδοσιακές μέθοδοι εξασφάλισης εμπιστευτικότητας και συγκεκριμένα η συμμετρική και η ασύμμετρη κρυπτογράφηση, αναδεικνύοντας παράλληλα τους περιορισμούς τους. Στη συνέχεια, και με βάση την υπάρχουσα βιβλιογραφία, επιλέχθηκε και μελετήθηκε ένας αλγόριθμος κειμενικής στεγανογραφίας, ο οποίος επιτρέπει την ενσωμάτωση κρίσιμων δεδομένων μέσα στο κείμενο που παράγεται από ένα μεγάλο γλωσσικό μοντέλο (LLM) όπως το Chatgpt. Έπειτα, πραγματοποιήθηκε μία σύντομη επισκόπιση των Internet of Things (IoT) τεχνολογιών και αναδείχθηκε η ανάγκη διασφάλισης της εμπιστευτικότητας των πληροφοριών που αυτές παράγουν. Όσον αφορά το πειραματικό μέρος της εργασίας, χρησιμοποιώντας ως την πλατοφόρμα IoT Thingsboard και το LLM περιβάλλον Ollama, προτάθηκε μία πειραματική τοπολογία, η οποία προσομοιάζει ένα IoT περιβάλλον, όπου τα δεδομένα προς ενσωμάτωση είναι οι μετρήσεις βιομηχανικών αισθητήρων. Η τοπολογία αυτή παράγει δεδομένα αισθητήρων και τα συγκεντρώνει σε έναν κεντρικό server, ο οποίος χρησιμοποιεί LLMs για να παράξει ένα κείμενο μέσα στο οποίο ενσωματώνει τα παραπάνω δεδομένα. Το κείμενο αυτό στέλνεται στον τελικό χρήστη, ο οποίος με τη σειρά του εξάγει τα ενσωματωμένα δεδομένα και διαβάζει τις μετρήσεις των αισθητήρων. Το τελικό αποτέλεσμα είναι η ασφαλής μετάδοση των μετρήσεων των αισθητήρων στο τελικό χρήστη με τη μορφή κειμένου, χωρίς τη χρήση κρυπτογράφησης. Η συγκεκριμένη εφαρμογή μπορεί να χρησιμοποιηθεί σε πραγματικές βιομηχανικές εγκαταστάσεις δίνοντας λύση στο πρόβλημα της ασφαλούς μετάδοσης μετρήσεων, χωρίς να υπόκειται στους περιορισμούς των κρυπτογραφικών προσεγγίσεων.","Nowadays, the Internet is increasingly becoming an integral part of every individual and social activity. However, in the context of this new reality, more and more questions are being raised about the confidentiality of communications carried out through the (sub)networks that make up the Internet. Taking the above into account, text steganography through LLMs is a pioneering method of ensuring confidentiality, which achieves the secure embedding of critical data within a text in such a way that the data is inseparable from the rest of the text. This thesis initially examined traditional methods of ensuring confidentiality, specifically symmetric and asymmetric encryption, while highlighting their limitations. Subsequently, based on the existing literature, a text steganography algorithm was selected and studied, which allows the embedding of critical data within text generated by a large language model (LLM) such as Chatgpt. A brief overview of Internet of Things (IoT) technologies was then conducted, highlighting the need to ensure the confidentiality of the information they produce. Regarding the experimental part of the work, using Thingsboard as IoT platform and Ollama as LLM runtime, an experimental topology was proposed that simulates an (IoT) environment, where the data to be integrated are industrial sensor measurements. This topology generates sensor data and collects it on a central server, which uses LLMs to generate a text that incorporates the above data. This text is sent to the end user, who in turn extracts the embedded data and reads the sensor measurements. The end result is the secure transmission of sensor measurements to the end user in text form, without the use of encryption. This application can be used in real industrial facilities, providing a solution to the problem of secure transmission of measurements, without being subject to the limitations of cryptographic approaches."],"dc:identifier":["uoadl:5359379","https://pergamos.lib.uoa.gr/uoa/dl/object/5359379"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Ασφαλής Ενσωμάτωση Τηλεμετρίας Αισθητήρων Σε Αποτελέσματα Μεγάλων Γλωσσικών Μοντέλων Μέσω Στεγανογραφικής Εφαρμογής"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-07-24T01:01:51Z"}