FindMy.py项目:如何检测特定AirTag是否在蓝牙扫描范围内
2025-07-04 04:28:28作者:管翌锬
背景介绍
FindMy.py是一个用于与苹果Find My网络交互的Python库。近期有开发者尝试使用该库来实现一个宠物追踪系统,希望通过AirTag的蓝牙信号来实时监测宠物是否在家。这一需求引发了对AirTag蓝牙广播机制和识别方法的深入探讨。
AirTag广播机制解析
AirTag作为苹果生态系统的智能追踪设备,其广播行为会根据环境自动调整:
- 远离所有者模式:当AirTag远离配对设备时,会广播完整的设备标识信息,包括可识别的公钥和MAC地址
- 近场模式:当AirTag检测到附近有配对设备时,仅发送极简的广播包,主要用于向所有者设备确认其存在
这种智能广播机制既是隐私保护措施,也是电池优化策略,但给第三方开发者带来了识别挑战。
技术实现方案
公钥匹配方法
开发者最初尝试通过公钥匹配来识别特定AirTag:
- 从Find My备份的plist文件中提取设备密钥信息
- 使用
keys_at或keys_between方法获取设备在特定时间段内的有效公钥 - 扫描蓝牙信号并与这些公钥进行比对
然而,这种方法在AirTag处于近场模式时失效,因为此时广播的简略信息不包含完整公钥。
MAC地址匹配方案
更深入的调查发现,即使AirTag处于近场模式,其MAC地址仍包含关键信息:
- AirTag的MAC地址最后5个字节与当前公钥的第2-6个字节相同
- 由于BLE规范要求,MAC地址首字节的最高两位必须为11,因此这两个位被放置在广播负载的第3个字节中
基于这一发现,开发者实现了以下检测逻辑:
def has_consecutive_five_byte_match(mac_bytes, adv_key_bytes):
"""检查MAC地址后5字节是否与公钥的2-6字节匹配"""
return mac_bytes[-5:] == adv_key_bytes[1:6]
实际应用与验证
通过修改FindMy.py的扫描逻辑,开发者成功实现了:
- 捕获所有BLE广播设备,包括处于近场模式的AirTag
- 提取设备的MAC地址并与已知AirTag的公钥进行部分匹配
- 准确识别特定AirTag是否在蓝牙覆盖范围内
测试数据显示匹配模式如下:
MAC地址: e5:29:d7:92:57:65
公钥字节: a5:29:d7:92:57:65:ac:2a...
证实了MAC地址后5字节与公钥2-6字节的对应关系。
技术展望
这一发现为FindMy.py项目带来了新的可能性:
- 实现更精确的AirTag存在性检测,不受工作模式限制
- 为宠物追踪、物品管理等应用提供可靠的技术基础
- 未来可扩展支持更多Find My网络设备的识别
该方案已作为功能请求提交,预计将在项目后续版本中实现官方支持。
总结
通过深入分析AirTag的广播机制和编码规则,开发者成功解决了在近场模式下识别特定AirTag的技术难题。这一方案不仅满足了宠物追踪的实时性需求,也为FindMy.py项目开辟了新的应用场景。随着项目的持续发展,这类边缘设备的识别技术将变得更加成熟可靠。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C090
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
473
3.52 K
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
223
90
暂无简介
Dart
721
174
Ascend Extension for PyTorch
Python
283
316
React Native鸿蒙化仓库
JavaScript
286
338
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++
849
438
🎉 (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
1.27 K
699
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
10
1
🔥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
65
19