Proxmark3对MIFARE Ultralight AES 50pF版本的支持分析
背景介绍
Proxmark3是一款功能强大的RFID研究工具,能够支持多种RFID协议的读取和模拟。近期在使用过程中发现,Proxmark3对MIFARE Ultralight AES系列标签的50pF版本识别存在问题,本文将详细分析这一问题的技术细节及解决方案。
问题描述
MIFARE Ultralight AES是NXP公司推出的一款安全型RFID标签芯片,具有AES加密功能。该系列产品根据天线调谐电容的不同分为多个版本:
- 17pF版本(产品子类型0x01)
- 50pF版本(产品子类型0x02)
- 75pF版本(产品子类型0x03,较新推出)
在Proxmark3的hf mfu info命令执行时,系统能够正确识别17pF版本的标签为"MIFARE Ultralight EV1 AES",但对于50pF版本却显示为"MIFARE Ultralight EV1 UNKNOWN"。
技术分析
通过对比两个版本标签的版本信息字节,可以清楚地看到差异:
17pF版本标签信息:
Raw bytes: 0004030104000F03
Product subtype: 01, 17 pF
50pF版本标签信息:
Raw bytes: 0004030204000F03
Product subtype: 02, 50pF
问题的根源在于Proxmark3固件中仅将产品子类型0x01识别为MIFARE Ultralight AES,而没有包含0x02(50pF版本)的识别逻辑。实际上,这两个版本在功能上是完全相同的,唯一的区别就是天线调谐电容值。
解决方案
针对这一问题,Proxmark3开发团队已经提交了修复代码,扩展了标签类型的识别范围:
- 将产品子类型0x02(50pF)纳入MIFARE Ultralight AES的识别范围
- 保持对0x01(17pF)的现有支持
- 为未来可能出现的0x03(75pF)版本预留了扩展空间
这一修改确保了Proxmark3能够正确识别所有MIFARE Ultralight AES系列标签,无论其调谐电容值如何。
实际应用建议
对于RFID研究人员和开发者,在使用Proxmark3处理MIFARE Ultralight AES标签时应注意:
- 不同电容版本的标签在射频性能上可能有差异,但功能完全一致
- 50pF版本现已得到完整支持,可以放心使用
- 如果遇到75pF版本标签,可以联系开发团队提供相关信息以便扩展支持
- 建议定期更新Proxmark3固件以获取最新的设备支持
总结
Proxmark3作为一款开源的RFID研究工具,其功能不断完善。通过对MIFARE Ultralight AES 50pF版本的支持修复,再次体现了开源社区快速响应和解决问题的能力。这一改进使得研究人员能够更全面地支持NXP的各类RFID产品,为RFID安全研究提供了更完善的工具支持。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00