该论文介绍了 HotWire，一个用于 DIN 70121 和 ISO 15118-2 车联网（V2G）充电协议的双向测试平台。HotWire 同时实现了恶意充电桩（EVSE）和恶意电动汽车（PEV）两端，并提出了两种具体攻击：A1 为 Autocharge EVCCID 身份冒充攻击，A2 为通过伪造 PreChargeRes 电压声明实现的强制放电攻击。该存档是 USENIX WOOT '26 论文的配套材料，包含完整的 Python 实现、基于 Docker 的 CI 测试框架（240 个单元与集成测试）、参数化仿真脚本、硬件设计、恢复文档、安全说明、AEC 验证入口，以及作为 A2 证据的 Luxgen N7 强制放电测试台架日志。整个评估可在 Docker 和 IPv6 回环模拟中完成，无需真实充电站、车辆或 PLC 调制解调器。研究的核心贡献在于提供了一个可复现的双向安全测试平台，揭示了电动汽车充电协议中身份认证和电压信任方面的漏洞，并演示了如何通过伪造协议消息实现车辆身份冒充和强制放电攻击。该研究面向电动汽车安全研究员、充电基础设施运营商、汽车制造商和协议标准制定者，有助于理解 V2G 通信中的真实攻击面，并为后续安全加固与检测机制研究奠定基础。

该论文提出了一种针对人脸识别系统的物理冒充攻击方法，名为 ImU。核心目标是让攻击者在不同拍摄条件、姿态和角度下，通过妆容实现一致且自然的外观风格变化，从而诱使人脸识别系统将攻击者错误分类为目标受害者（即内部人员）。传统物理对抗攻击往往需要夸张的图案或道具，容易引起怀疑且难以在不同照片中保持一致性。作者利用 StyleGAN 的潜空间特性，将同一物理个体在不同条件下的多张照片嵌入到潜向量，并利用这些潜向量之间的隐式相关性，搜索一组在物理上可通过化妆实现且跨图像一致的风格变化。该方法不需要攻击者拥有目标受害者的详细图像，只需从外部发起。数字环境与物理世界（真实化妆）实验均表明，攻击者能够以自然、一致的外观变化成功冒充内部人员。研究揭示了人脸识别系统在物理世界中的安全漏洞，强调仅依赖视觉特征比对的身份认证机制可能被低成本、低痕迹的妆容攻击绕过。适合人脸识别系统开发者、安全评估人员以及研究对抗攻击与物理世界安全交叉领域的研究者阅读。

该论文采用混合研究方法，系统性地分析了社交媒体上针对数字支付系统的个人冒充攻击。研究首先收集了大量真实案例，通过定性分析识别出攻击者冒充熟人（如朋友、家人）的核心策略，包括利用公开个人信息增强可信度、伪造紧急支付请求等。随后，作者通过定量实验测量了不同冒充手法（如昵称相似度、头像盗用、消息风格模仿）的成功率，发现欺骗性极高的冒充消息能够绕过大多数用户的警惕。研究还评估了现有数字支付平台的反欺诈机制（如风险提示、身份验证）的有效性，指出其存在明显盲区。主要贡献包括：构建了个人冒充攻击的分类学；提供了攻击成功率与用户人口统计学特征的关联性分析；提出了针对平台和用户的双向防御建议，例如增强身份认证提示、设计更醒目的交易前警告界面等。该工作为社交工程欺诈防御提供了实证基础。