Indoor Location Fingerprinting Privacy: A Comprehensive Survey

室内定位系统（IPS）的广泛应用源于全球导航卫星系统（GNSS）在室内环境下的限制，导致基于位置的服务（LBS）的广泛采用。具体而言，室内定位指纹技术利用用户设备的多样信号指纹，使位置服务提供商（LSP）能够精确识别位置。尽管室内定位指纹技术在各个领域都有广泛的应用，但它也引入了显著的隐私风险，因为LSP和潜在的对手都可以获得这些敏感信息，从而危及用户的隐私。因此，在这种情况下，有关隐私漏洞的担忧需要集中探讨隐私保护机制。为了回应这些担忧，本文综述了基于密码学、匿名化、差分隐私（DP）和联邦学习（FL）技术的室内定位指纹隐私保护机制的全面评估。我们还提出了一个独特而新颖的隐私漏洞、对手和攻击模型的分组，以及适用于室内定位指纹系统的可用评估指标。鉴于本文中所确定的限制和研究空白，我们强调了未来研究的许多前景机会，旨在激励对推进该领域感兴趣的研究人员。本文综述对研究人员具有参考价值，并为那些超出此特定研究领域的人提供了清晰的概述。

如何保护室内定位指纹系统中用户的隐私？

使用密码学、匿名化、差分隐私和联邦学习等技术来实现室内定位指纹系统中的隐私保护。

本文提出了一个全面的关于室内定位指纹系统中隐私保护机制的综述，包括了密码学、匿名化、差分隐私和联邦学习等技术。同时，本文还提出了隐私漏洞、对手和攻击模型以及可用的评估指标等方面的分类方法。未来的研究方向包括更有效的隐私保护机制和更准确的攻击模型。

最近的相关研究包括《Protecting User Privacy in Indoor Positioning Systems》、《Privacy-Preserving Indoor Localization: A Survey》等。