Back to search

National and Kapodistrian University of Athens

Training data for AI and the GDPR – Legal challenges and possible solutions

Abstract

dc:description

Η παρούσα διατριβή ασχολείται με το ζήτημα της συμβατότητας μεταξύ της απόκτησης δεδομένων εκπαίδευσης για μοντέλα τεχνητής νοημοσύνης και του ΓΚΠΔ. Εκτός από το ζήτημα του προσδιορισμού της κατάλληλης νομικής βάσης για τη συλλογή δεδομένων κατάρτισης και των απαιτήσεων για τη συλλογή ειδικών κατηγοριών δεδομένων, θα συζητηθεί επίσης, η συμμόρφωση με τις αρχές του περιορισμού του σκοπού, της ελαχιστοποίησης των δεδομένων και του περιορισμού της αποθήκευσης. Τέλος, θα παρουσιαστούν οι μέθοδοι συλλογής και επεξεργασίας δεδομένων που ενισχύουν την προστασία των δεδομένων και θα επισημανθούν τα πλεονεκτήματα και τα μειονεκτήματα των αντίστοιχων μεθόδων. Στην παρούσα διατριβή υποστηρίζεται ότι η συμβατότητα της απόκτησης δεδομένων εκπαίδευσης ΤΝ και του ΓΚΠΔ είναι δυνατή, εφόσον πληρούνται ορισμένες προϋποθέσεις. Στις περισσότερες περιπτώσεις, το άρθρο 6 παράγραφος 1 στοιχείο στ) του ΓΚΠΔ θα χρησιμεύσει ως νομική βάση για την απόκτηση δεδομένων κατάρτισης. Όσον αφορά τα δεδομένα εκπαίδευσης για μεγάλα γλωσσικά μοντέλα, είναι κρίσιμο να ελεγχθεί το μοντέλο ΤΝ από επιθέσεις επαναπροσδιορισμού. Η επεξεργασία ειδικών κατηγοριών δεδομένων ως δεδομένων κατάρτισης αποδεικνύεται δύσκολη να πραγματοποιηθεί με τρόπο συμβατό με τον ΓΚΠΔ και θα πρέπει να αποφεύγεται. Όσον αφορά την ποσότητα των δεδομένων κατάρτισης που συλλέγονται, πρέπει να τηρείται η αρχή της ελαχιστοποίησης των δεδομένων και ο υπεύθυνος επεξεργασίας πρέπει να αποφεύγει τη συλλογή υπερβολικού όγκου δεδομένων, παρόλο που η συλλογή μεγάλου όγκου δεδομένων μπορεί να διευκολυνθεί εύκολα με τη χρήση ρομπότ συγκομιδής δεδομένων (scraping bots). Βασικό στοιχείο για την επίτευξη συμμόρφωσης με τον ΓΚΠΔ είναι η χρήση μεθόδων που ενισχύουν την προστασία των δεδομένων, όπως η ανωνυμοποίηση, η ψευδωνυμοποίηση, η κρυπτογράφηση και η χρήση συνθετικών δεδομένων.

Author and committee

dc:creator, dc:contributor.*
Author dc:creator
  • Hellfeuer Laura

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:3450302

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Hellfeuer Laura. Training data for AI and the GDPR – Legal challenges and possible solutions. 2025. https://pergamos.lib.uoa.gr/uoa/dl/object/3450302