{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3450302"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3450302","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Training data for AI and the GDPR – Legal challenges and possible solutions","abstract":"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.","abstract_html":"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.","abstract_has_math":false,"creators":["Hellfeuer Laura"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-11-19T06:31:36Z","subjects":["Δίκαιο – Νομοθεσία","Law and Legislation"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3450302"],"render_values":[{"text":"uoadl:3450302","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3450302","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3450302","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3450302","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Hellfeuer Laura"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2025"]},{"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":["Δίκαιο – Νομοθεσία","Law and Legislation"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3450302","https://pergamos.lib.uoa.gr/uoa/dl/object/3450302"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["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.","This thesis is dealing with the question of compatibility between the acquisition of training data for AI models and the GDPR. Next to the issue of determining the suitable legal basis for the collection of training data and the requirements for the collection of special categories of data, the conformity with the principles of purpose limitation, data minimisation and storage limitation will be discussed. Finally, data protection enhancing methods of data acquisition and processing of data will be presented and the advantages and disadvantages of the respective methods will be highlighted. This thesis argues that compatibility of the acquisition of AI training data and the GDPR is possible, provided that certain conditions are met. In most cases, Article 6(1) lit. f GDPR will serve as legal basis for the acquisition of training data. As far as training data for Large Language Models is concerned, it is crucial here to vet the AI model against re-identification attacks. The processing of special categories of data as training data proves difficult to perform in a GDPR-compliant way and should be avoided. Concerning the quantity of training data that is collected, the data minimisation principle must be observed, and the data controller must refrain from collecting an excessive amount of data, even though collecting a bulk of data can be facilitated easily using scraping bots. A key to achieving GDPR compliance is the use of data protection enhancing methods such as anonymisation, pseudonymisation, encryption and the use of synthetic data."]},{"key":"dc:title","label":"Title","values":["Training data for AI and the GDPR – Legal challenges and possible solutions"]}]}],"canonical_facts":{"dc:creator":["Hellfeuer Laura"],"dc:date":["2025"],"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.","This thesis is dealing with the question of compatibility between the acquisition of training data for AI models and the GDPR. Next to the issue of determining the suitable legal basis for the collection of training data and the requirements for the collection of special categories of data, the conformity with the principles of purpose limitation, data minimisation and storage limitation will be discussed. Finally, data protection enhancing methods of data acquisition and processing of data will be presented and the advantages and disadvantages of the respective methods will be highlighted. This thesis argues that compatibility of the acquisition of AI training data and the GDPR is possible, provided that certain conditions are met. In most cases, Article 6(1) lit. f GDPR will serve as legal basis for the acquisition of training data. As far as training data for Large Language Models is concerned, it is crucial here to vet the AI model against re-identification attacks. The processing of special categories of data as training data proves difficult to perform in a GDPR-compliant way and should be avoided. Concerning the quantity of training data that is collected, the data minimisation principle must be observed, and the data controller must refrain from collecting an excessive amount of data, even though collecting a bulk of data can be facilitated easily using scraping bots. A key to achieving GDPR compliance is the use of data protection enhancing methods such as anonymisation, pseudonymisation, encryption and the use of synthetic data."],"dc:identifier":["uoadl:3450302","https://pergamos.lib.uoa.gr/uoa/dl/object/3450302"],"dc:language":["English"],"dc:subject":["Δίκαιο – Νομοθεσία","Law and Legislation"],"dc:title":["Training data for AI and the GDPR – Legal challenges and possible solutions"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:31:36Z"}