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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00