Momentum-Firmware项目中的锁屏RPC控制分离功能解析
2025-06-02 06:57:00作者:庞眉杨Will
背景介绍
在物联网设备安全领域,锁屏状态下的远程过程调用(RPC)控制一直是一个需要谨慎权衡的功能。Momentum-Firmware作为一款开源固件项目,近期针对Flipper设备实现了一个重要的安全增强功能:将锁屏状态下的RPC控制权限细分为蓝牙(BLE)和USB两种连接方式。
功能需求分析
传统实现中,"允许锁屏时RPC"选项是一个全局开关,同时控制USB和蓝牙两种连接方式的RPC权限。这种设计存在明显的安全性和便利性矛盾:
- 安全性考虑:USB连接在物理接触场景下风险较高,设备丢失后可能通过直接连接被操控
- 便利性需求:蓝牙连接通常需要配对认证,且用户可能需要通过手机应用远程定位或触发警报寻找丢失设备
技术实现方案
Momentum-Firmware通过以下技术改进实现了连接方式的权限分离:
- 配置系统扩展:在设置中新增独立选项,分别控制USB和BLE在锁屏状态下的RPC权限
- 权限检查机制:在RPC请求处理流程中增加连接类型判断,根据当前连接方式和配置决定是否允许操作
- 安全隔离:确保两种连接方式的权限控制完全独立,互不干扰
安全优势
这种分离设计带来了多重安全好处:
- 最小权限原则:用户可以根据实际需要仅开放必要的连接通道
- 风险隔离:即使开放蓝牙RPC,物理接触的攻击面仍然受限
- 应急功能保留:在保证基础安全的同时,不牺牲设备找回等实用功能
使用场景
典型应用场景包括:
- 日常使用:禁用USB RPC但启用BLE RPC,既防止直接连接攻击,又不影响手机应用控制
- 开发调试:临时启用USB RPC进行调试,同时保持生产环境安全
- 设备丢失:通过保持BLE RPC可用,实现远程定位和警报触发
实现考量
开发团队在实现时特别注意了以下方面:
- 向后兼容性,确保旧配置文件能正确迁移
- 用户界面清晰表达两种连接方式的区别
- 默认配置倾向于安全优先原则
总结
Momentum-Firmware的这一改进展示了嵌入式设备安全设计的一个重要理念:安全控制应该尽可能细粒度化。通过将RPC权限按连接类型分离,既提升了安全性,又保持了使用便利性,为物联网设备的安全管理提供了一个优秀实践案例。
登录后查看全文
热门项目推荐
相关项目推荐
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
项目优选
收起
deepin linux kernel
C
24
7
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
369
3.13 K
Ascend Extension for PyTorch
Python
162
182
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
252
90
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
仓颉编译器源码及 cjdb 调试工具。
C++
125
853
React Native鸿蒙化仓库
JavaScript
240
313
🎉 (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
1.09 K
617
暂无简介
Dart
613
138
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++
644
255