Rayhunter项目中的NAS消息解析技术探索
2025-07-06 06:06:54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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
685
1.35 K
Ascend Extension for PyTorch
Python
721
892
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
446
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
619
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
254