该论文研究的是现代相机中普遍采用的「时域高动态范围（temporal HDR）融合」流水线所隐含的安全假设问题。时域 HDR 通过连续采集多张不同积分时间（曝光时间）的图像并将其融合为单张图像，从而提升在强弱光混合场景中的可见性。这一流程在算法层面默认了一个前提：在一次采集序列期间，场景光照保持足够稳定。作者提出 FLASH（Fusion-Level Attack by Saturating HDR），一种外部脉冲光注入攻击，专门针对该假设，在曝光序列的不同帧之间制造「跨曝光不一致性」，使这一不一致在下游感知（目标检测、跟踪、路径规划等）之前就已被注入，从而影响最终输出。与依赖传感器物理损坏或硬件故障的手段不同，FLASH 利用的是融合算法的算法层假设，且不需要物理接触相机、不需要获取原始各曝光分档（RAW exposure brackets）、不需要知道具体的融合算法实现，也不需要与相机曝光时序做精确相位锁定，因此具有较好的平台通用性。作者在八类物理相机平台上进行了验证，覆盖嵌入式、安防监控、摄影、智能手机与车载等场景，并配合了光学对照实验。结果显示影响与具体流水线实现相关，可表现为画面异常变暗、过曝以及可见性丢失，其中包括 iPhone 16 Pro 上高达 50.0% 的极端变暗比例，以及 Wyze Battery Cam Pro 上 33.7% 的极端变暗比例。在 Wyze 相机上，FLASH 在 10/10 次试验中触发了系统级低可见性响应，而连续光和随机频率闪烁的对照组为 0/10。在一项受控的静止状态 OpenPilot 案例研究中，23.0% 的帧在交通锥目标区域内出现严重变暗，目标—背景对比噪声比（CNR）最多下降 90.8%，同时 OpenPilot 界面未能显示对照试验中可观察到的系统级路径状态。此外，在夜间专用 HDR 重建压力测试中，一个概念验证性质的「曝光剔除（exposure-rejection）」防御可将输出亮度偏差中位数降低 79.16%。论文总体结论是：时域 HDR 融合本身需要对曝光证据进行具备安全意识的校验，而不能默认多帧光照一致性成立。

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。