Defence and security intelligence organisations receive large volumes of unstructured textual reports on a daily basis. In the organisational setting that motivates this dissertation, the annual inflow exceeds twenty thousand pages of bulletins and briefs covering political, military, social and technological topics. These documents are currently archived chronologically, without conceptual indexing, semantic search or automated analysis. The consequences are delayed retrieval, an inability to detect trends across documents, heavy dependence on manual reading by analysts, and an elevated risk of omission under information overload.

The aim of this dissertation is to design a standalone, offline information system that applies open-source natural language processing to the analysis and visualisation of such reports, without transmitting any content to external or cloud-based services. The work is delimited to the design and to a Minimum Viable Product prototype; it does not cover production deployment, classified data or organisational change management.

The methodology follows a structured, sequential system-development process. It comprises a focused literature review of the relevant research areas, elicitation and specification of functional and non-functional requirements, architectural design of a layered system, implementation of a Minimum Viable Product, and evaluation of that prototype against a quality model together with a set of task-level performance measures. The design integrates named-entity recognition, relation and event extraction, automatic summarisation, natural-language search and event-timeline visualisation over heterogeneous document formats.

The contribution is twofold: a reference architecture for offline, AI-assisted processing of high-volume reports under strict data-sovereignty constraints, and an evaluated prototype that establishes the technical feasibility of one pillar of that architecture. The prototype demonstrates that retrieval-augmented generation over a corpus of long documents, with locally hosted models, no outbound connectivity and complete retrieval provenance, is achievable on commodity hardware without a GPU. On a 283-page validation corpus, measured inside its deployed containers without a GPU, the prototype ingested every document without error at 0.85 seconds per page, returned the correct document at rank one for all fifteen known-item queries (Recall@5 = MRR@5 = 1.000) in a median of 114 milliseconds, and composed an answer with a local 3.8-billion-parameter model in a median of 41 seconds. It does not implement the structured extraction of relations and events, the event-timeline visualisation, or the access-control layer, and no feasibility claim is made for those. The isolation constraint proved not to be the obstacle; the engineering effort demanded by structured extraction, visualisation and security did.

Οι υπηρεσίες πληροφοριών του χώρου της άμυνας και της ασφάλειας λαμβάνουν καθημερινά μεγάλο όγκο αδόμητων κειμενικών αναφορών. Στο οργανωσιακό πλαίσιο που αποτελεί την αφορμή της παρούσας εργασίας, ο ετήσιος όγκος υπερβαίνει τις είκοσι χιλιάδες σελίδες δελτίων και ενημερωτικών σημειωμάτων, τα οποία καλύπτουν πολιτικά, στρατιωτικά, κοινωνικά και τεχνολογικά θέματα. Τα έγγραφα αυτά αρχειοθετούνται σήμερα αποκλειστικά με χρονολογική σειρά, χωρίς εννοιολογική επισήμανση, χωρίς σημασιολογική αναζήτηση και χωρίς αυτοματοποιημένη ανάλυση. Οι συνέπειες είναι η καθυστερημένη ανάκτηση της πληροφορίας, η αδυναμία εντοπισμού τάσεων μεταξύ εγγράφων, η έντονη εξάρτηση από τη χειρωνακτική ανάγνωση εκ μέρους των αναλυτών και ο αυξημένος κίνδυνος παραλείψεων υπό συνθήκες υπερφόρτωσης πληροφορίας.

Βασικός στόχος της εργασίας είναι η σχεδίαση ενός αυτόνομου, εκτός δικτύου πληροφοριακού συστήματος, το οποίο αξιοποιεί τεχνολογίες επεξεργασίας φυσικής γλώσσας ανοικτού κώδικα για την ανάλυση και οπτικοποίηση των εν λόγω αναφορών, χωρίς μεταφορά περιεχομένου σε εξωτερικές υπηρεσίες ή υπηρεσίες νέφους. Το αντικείμενο της εργασίας περιορίζεται στη σχεδίαση και στην ανάπτυξη ενός πρωτοτύπου ελάχιστου βιώσιμου προϊόντος και δεν περιλαμβάνει παραγωγική εγκατάσταση, διαβαθμισμένα δεδομένα ή διαχείριση οργανωσιακής αλλαγής.

Η μεθοδολογία ακολουθεί δομημένη, διαδοχική διαδικασία ανάπτυξης συστήματος. Περιλαμβάνει στοχευμένη βιβλιογραφική επισκόπηση των σχετικών ερευνητικών περιοχών, άντληση και προδιαγραφή λειτουργικών και μη λειτουργικών απαιτήσεων, αρχιτεκτονική σχεδίαση στρωματοποιημένου συστήματος, υλοποίηση ελάχιστου βιώσιμου προϊόντος και αξιολόγηση του πρωτοτύπου έναντι μοντέλου ποιότητας λογισμικού και μετρικών επίδοσης ανά εργασία. Η σχεδίαση ενοποιεί αναγνώριση οντοτήτων, εξαγωγή σχέσεων και γεγονότων, αυτόματη περίληψη, αναζήτηση με φυσική γλώσσα και οπτικοποίηση χρονογραμμών γεγονότων σε ετερογενείς μορφές εγγράφων.

Η συνεισφορά είναι διττή: μια αρχιτεκτονική αναφοράς για εκτός δικτύου επεξεργασία αναφορών υψηλού όγκου υπό αυστηρούς περιορισμούς κυριαρχίας δεδομένων, και ένα αξιολογημένο πρωτότυπο που τεκμηριώνει την τεχνική εφικτότητα ενός εκ των πυλώνων της. Το πρωτότυπο δείχνει ότι η ανάκτηση με επαυξημένη παραγωγή (retrieval-augmented generation) πάνω σε σώμα μακρών εγγράφων, με τοπικά μοντέλα, χωρίς καμία εξερχόμενη σύνδεση και με πλήρη ιχνηλασιμότητα ανάκτησης, είναι εφικτή σε συμβατικό υλικό χωρίς GPU. Σε σώμα επικύρωσης 283 σελίδων, χωρίς GPU, το πρωτότυπο επεξεργάστηκε κάθε έγγραφο χωρίς σφάλμα (0,85 s ανά σελίδα), επέστρεψε το σωστό έγγραφο στην πρώτη θέση και για τα δεκαπέντε ερωτήματα (Recall@5 = MRR@5 = 1,000) σε 114 ms και συνέθεσε απάντηση με τοπικό μοντέλο 3,8 δισ. παραμέτρων σε 41 s. Δεν υλοποιεί τη δομημένη εξαγωγή σχέσεων και γεγονότων, την οπτικοποίηση χρονογραμμής, ούτε το επίπεδο ελέγχου πρόσβασης, και δεν διατυπώνεται ισχυρισμός εφικτότητας γι' αυτά. Ο περιορισμός της απομόνωσης δεν αποδείχθηκε το εμπόδιο· η μηχανική προσπάθεια που απαιτούν η δομημένη εξαγωγή, η οπτικοποίηση και η ασφάλεια, ναι.