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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00