解析（parsing）在软件项目中无处不在，从小型命令行工具到高安全性的网络客户端，再到大型编译器，都离不开解析器。然而，解析库的实现缺陷可能导致生成不正确的解析器，进而被恶意输入利用，引发系统崩溃或安全漏洞。本文提出了一种轻量级的验证框架Bohemia，旨在帮助解析库开发者将其作为集成测试的工具箱中的一员。该框架基于 Equivalence Modulo Inputs (EMI) 的概念，通过变异输入语法来对解析库进行压力测试。作者在多个采用不同解析算法的解析库上评估了Bohemia，发现了若干缺陷，其中一些已被开发者确认并修复。论文详细阐述了Bohemia的设计原理、实现方式以及实验结果，展示了其在提升解析库鲁棒性方面的潜力。读者可以从中了解一种基于语法变异的解析库测试方法，以及如何利用EMI技术挖掘潜在的解析器缺陷。

该论文提出了一种利用电磁干扰（EMI）信号注入来瘫痪无人机的新型反无人机技术。无人机的姿态控制依赖于惯性测量单元（IMU）提供的传感器数据，若数据被篡改，无人机将无法维持姿态并坠毁。以往的反无人机研究多采用声波共振干扰IMU内部传感器的机械结构，但该方法受限于传感器类型、型号和制造商，且易被其他未受影响的传感器或廉价塑料屏蔽层防御。本文的核心创新在于：通过EMI信号注入，直接干扰IMU与控制单元之间的通信通道，而非传感器本身。实验发现，对于特定控制单元板，无论使用何种传感器，都存在一个独特的敏感频率，在该频率下EMI信号能极大扭曲传感器数据。与通用电磁脉冲（EMP）攻击相比，该方法功率需求更低，且能减少对附近设备电路的永久性损坏。在真实无人机上的实验验证了该攻击的可行性，能瞬间瘫痪无人机。最后讨论了防御该攻击的实际挑战，例如需要识别并屏蔽敏感频率、加强通信通道的抗干扰能力等。论文的主要贡献包括：提出一种不依赖传感器具体型号的通用攻击方法，发现控制单元板上的敏感频率，并通过实验证明了攻击的有效性。该研究适合无人机安全研究人员、嵌入式系统安全工程师以及反无人机系统开发者阅读。

该论文首次揭示了具身智能机器人触觉传感器面临的安全威胁。研究团队聚焦于霍尔效应指尖传感器，发现其易受故意电磁干扰（EMI）攻击。通过注入特定电磁信号，攻击者可以诱导出显著的“幻影力”，使感知的力大小放大超过9倍，力方向偏差达到65度。这种攻击能够瘫痪基于学习的触觉分类模型，严重影响机器人的运动控制。实验表明，攻击者可以利用该漏洞迫使机器人手部压碎易碎物体或丢弃危险载荷。论文指出了现有电磁干扰防护措施在机器人触觉感知领域的缺失，并呼吁学术界和工业界共同关注这一新兴安全挑战。