FindMy.py项目:逆向解析苹果AirTag定位机制的技术探索
苹果公司的Find My网络为AirTag等设备提供了强大的位置查询能力,而FindMy.py项目则通过逆向工程实现了对这一机制的解析与控制。本文将深入探讨该项目的技术原理、实现细节以及实际应用场景。
技术背景
Find My网络的核心在于其加密机制。每个AirTag设备都拥有一个主安全密钥(master security key),该密钥在设备与苹果设备首次配对时生成。这个主安全密钥会派生出多个轮换的安全密钥,用于加密和验证位置报告。
密钥获取方法
获取AirTag的密钥是整个流程的第一步。研究发现,在macOS系统中,配对后的AirTag信息会以加密形式存储在特定目录中:
- 密钥文件路径:
/Library/com.apple.icloud.searchpartyd/OwnedBeacons/目录下的.record文件 - 加密方式:使用AES-GCM算法加密的plist文件
- 解密密钥:可通过系统钥匙串中的"BeaconStore"项获取
解密后的plist文件包含多个关键字段:
- securityKey:主安全密钥
- publicKey:公钥
- secondarySharedSecret:用于派生二级密钥的共享密钥
- sharedSecret:用于派生主密钥的共享密钥
密钥派生机制
FindMy.py项目实现了完整的密钥派生算法:
- 主密钥派生:使用sharedSecret和securityKey生成每日轮换的主密钥
- 二级密钥派生:使用secondarySharedSecret生成更长期有效的二级密钥
- 时间同步:密钥每15分钟轮换一次,每天凌晨4点进行主/二级密钥切换
项目中的real_airtag.py示例展示了如何从主密钥派生出特定时间段的定位密钥。算法需要精确计算时间槽(time slot)数量,以确保生成的密钥与设备当前广播的密钥匹配。
实际应用
通过获取的密钥,可以实现以下功能:
- 位置报告获取:使用派生出的安全密钥解密苹果服务器上的位置报告
- 离线查询:解析设备广播的BLE信号中的公钥信息
- 历史轨迹查询:获取设备过去7天的位置历史记录
安全考虑
值得注意的是,这些密钥一旦泄露,将可能导致设备被未经授权的访问。苹果的密钥存储机制存在潜在安全风险:
- 密钥以加密形式存储在系统目录中
- 解密密钥保存在系统钥匙串中
- 未使用Secure Enclave等硬件安全模块保护
技术挑战与解决方案
在项目开发过程中,团队遇到了几个关键技术挑战:
-
二级密钥生成问题:初期实现中存在逻辑错误,导致二级密钥无法正确匹配。通过修正密钥类型比较逻辑解决了这一问题。
-
时间同步难题:精确计算密钥轮换周期是关键。研究发现密钥轮换基于UTC时间,且需要考虑设备首次配对时间。
-
多设备支持:除AirTag外,该技术同样适用于Find My网络中的其他设备,如AirPods、MacBook等,但不同设备的密钥派生参数可能略有不同。
未来发展方向
基于当前研究成果,可能的扩展方向包括:
- 开发用户友好的图形界面工具
- 实现自动化密钥管理和位置查询
- 研究苹果服务器API的直接调用方法
- 探索更多Find My网络设备的支持
FindMy.py项目展示了苹果Find My网络的工作原理,同时也揭示了消费级查询设备的安全边界。这项研究不仅具有技术探索价值,也为设备安全评估提供了重要参考。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00