本研究提出了名为SAFELOC的新框架，旨在解决室内定位中的数据中毒攻击和设备异质性问题。通过结合神经网络和动态显著性图聚合，显著降低了定位误差，提高了移动设备的运行效率，实验结果表明其在多场景下优于现有技术。

本研究提出了一种名为Sonic的数据中毒攻击方法，针对聚类算法。Sonic通过增量和可扩展的聚类算法，提高了对图形和基于密度的聚类方法的中毒攻击的效率和可转移性。实验证明了Sonic的效果和效率。