Rayhunter项目中的NAS消息解析技术探索
2025-07-06 03:18:05作者:范垣楠Rhoda
在移动通信领域,NAS(非接入层)消息的解析一直是一个技术难点。Rayhunter项目团队近期针对这一问题进行了深入的技术调研和实践,最终实现了有效的解决方案。
技术背景
NAS消息是移动通信中UE(用户设备)与核心网之间交换的关键控制信息,包含认证、会话管理、移动性管理等重要流程。由于缺乏公开完整的ASN.1规范文件,特别是LTE-NAS部分,传统的ASN.1解析方法难以适用。
技术方案调研
项目团队最初考虑利用Wireshark现有的解析器,通过FFI(外部函数接口)绑定方式集成。Wireshark确实拥有成熟的NAS消息解析器,但存在几个关键问题:
- Wireshark并非为FFI设计,直接集成会带来性能开销
- 5G NAS部分的解析器并不完整
- 完整Wireshark运行需要较多内存资源
团队也评估了两个开源实现:一个是基于Wireshark绑定的nas-decoder项目,另一个是完全自主实现的oxirush-nas。但前者存在代码可疑问题,后者则缺乏持续维护。
技术实现路径
经过深入讨论,团队确定了分阶段实施方案:
-
短期方案:从Wireshark提取关键协议定义代码,用Rust进行封装。这种方法能快速获得基本解析能力,但无法覆盖全部NR(新空口)特性。
-
长期方案:基于pycrate-rs实现完整的解析器。这一方案已经由团队成员Will完成开发,能够提供全面的NAS消息解析能力。
技术挑战与解决
项目面临的主要技术挑战包括:
- 规范不完整:5G NAS部分ASN.1规范不完整,部分内容可能仅限行业内部使用
- 解析复杂性:NAS消息结构复杂,包含大量可选字段和条件字段
- 性能要求:需要高效解析以满足实时性需求
团队最终选择自主实现的pycrate-rs方案,既避免了外部依赖的风险,又能针对项目需求进行专门优化。该方案已经完成开发,等待项目中出现具体需求场景后即可集成。
技术启示
这一技术探索过程表明,在通信协议解析领域:
- 完全依赖现有开源工具可能无法满足特定需求
- 混合方案(部分复用+自主开发)往往是更实际的选择
- 协议规范的开放性直接影响开发难度
Rayhunter团队的这一实践为移动通信领域的协议解析提供了有价值的参考案例,特别是在缺乏完整规范文档情况下的技术实现路径。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
最新内容推荐
JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
307
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
259
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
652
仓颉编程语言运行时与标准库。
Cangjie
141
878
仓颉编译器源码及 cjdb 调试工具。
C++
134
867