Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/40361Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Κουτσουκέρας, Πέτρος | el |
| dc.date.accessioned | 2026-09-10T07:15:56Z | - |
| dc.date.available | 2026-09-10T07:15:56Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/40361 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Δίκτυα | el |
| dc.subject | Κυβερνοασφάλεια | el |
| dc.subject | Ασφάλεια | el |
| dc.subject | 6 G | en |
| dc.title | Ασφαλές AI-Driven Edge Computing για δίκτυα 6G - προκλήσεις και λύσεις κυβερνοασφάλειας | el |
| dc.type | bachelorThesis | - |
| heal.type | bachelorThesis | - |
| heal.type.en | Bachelor thesis | en |
| heal.type.el | Προπτυχιακή/Διπλωματική εργασία | el |
| heal.classification | Δίκτυα - 6G | - |
| heal.classification | Ασύρματες επικοινωνίες | - |
| heal.classification | Κυβερνοασφάλεια | - |
| heal.classification | 6G - Συστήματα κινητής επικοινωνίας | - |
| heal.dateAvailable | 2026-09-10T07:16:56Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.publicationDate | 2026 | - |
| heal.abstract | Η εξέλιξη των ασύρματων τηλεπικοινωνιών έχει οδηγήσει στην ανάπτυξη της έκτης γενιάς δικτύων (6G), η οποία στοχεύει στην παροχή ταχυτήτων άνω του 1 Tbps, καθυστέρησης κάτω των 0,1 ms και μαζικής συνδεσιμότητας. Η ενσωμάτωση τεχνολογιών όπως το Edge Computing και η Τεχνητή Νοημοσύνη (AI) διαδραματίζει καθοριστικό ρόλο στην επίτευξη αυτών των χαρακτηριστικών. Το Edge Computing, σε αντίθεση με το παραδοσιακό Cloud Computing, επεξεργάζεται τα δεδομένα τοπικά, μειώνοντας τον χρόνο απόκρισης και τον φόρτο του δικτύου. Ωστόσο, η υιοθέτηση αυτής της προσέγγισης εισάγει σοβαρές προκλήσεις κυβερνοασφάλειας, συμπεριλαμβανομένης της έλλειψης κεντρικοποιημένων μηχανισμών ελέγχου, της διευρυμένης επιφάνειας επίθεσης και, κυρίως, της προστασίας της ιδιωτικότητας των δεδομένων. Στην παρούσα πτυχιακή εργασία αναλύονται οι βασικότερες απειλές κυβερνοασφάλειας σε AI-driven Edge περιβάλλοντα δικτύων 6G. Παρουσιάζονται σύγχρονες τεχνικές ανίχνευσης και πρόληψης απειλών με την προσθήκη της τεχνητής νοημοσύνης. Επιπλέον, προτείνονται αρχιτεκτονικές ασφαλείας και βέλτιστες πρακτικές που έχουν αναδειχθεί μέσα από τη βιβλιογραφία καθώς και πραγματικές εφαρμογές. | el |
| heal.abstract | The evolution of wireless communications has led to the development of new network generations, reaching the sixth generation (6G). 6G is expected to offer users, extremely high data rates combined with low latency and massive connectivity. The integration of technologies such as Edge Computing and Artificial Intelligence (AI) have a significant role in achieving it. Edge Computing, in contrast to traditional Cloud Computing technology, is more efficient in processing data. Major features of it, is the improving of the response time and the reducing of network congestion. The key characteristic is the decentralized data process instead of the centralized aspect of the cloud. The edge is not going to remove all the usage of Cloud. Cloud will continue to co-exist with edge. Each technology will be used where it is optimal according to its features. AI will be embedded to 6G and Edge environments. This addition will enhance the network and will provide new applications. However, this adoption has many challenges. More specifically it introduces major cybersecurity challenges, including the lack of centralized control mechanisms, increased attack surfaces, and, the need to ensure data privacy. This thesis analyzes the main cybersecurity threats in AI-driven edge environments for 6G networks. It presents modern detection and prevention techniques against cyber threats. It emphasizes through the case study in Federated Learning Environment, the use of a certain defense algorithm which is Krum, to prevent certain category of cyber-attacks, which is Data Poisoning. Additionally, it demonstrates security architectures and best practices that have emerged from the recent literature. | en |
| heal.advisorName | Τσορμπατζόγλου, Ανδρέας | el |
| heal.committeeMemberName | Αγγέλης, Κωνσταντίνος | el |
| heal.committeeMemberName | Γιαννακέας, Νικόλαος | el |
| heal.academicPublisher | Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.academicPublisherID | uoi | - |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Προπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε. | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ΚΟΥΤΣΟΥΚΕΡΑΣ ΠΕΤΡΟΣ - ΠΛΗΡΟΦΟΡΙΚΗΣ.pdf | 2.08 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
