Proxmark3项目中EM4x70标签通信的奇偶校验问题分析
2025-06-13 00:28:42作者:江焘钦
背景介绍
在Proxmark3项目中,对EM4x70系列低频RFID标签(包括ID48等兼容标签)的支持一直存在一个关于奇偶校验处理的潜在问题。本文将深入分析这一技术问题及其解决方案。
问题本质
在EM4x70标签通信协议中,命令和数据传输需要正确处理奇偶校验位。然而,Proxmark3代码中存在两个相互冲突的奇偶校验控制机制:
command_parity全局变量:由客户端通过--par选项设置,默认值为falsewith_parity函数参数:传递给em4x70_send_nibble()函数的局部参数
这种双重控制机制导致了通信协议实现的混乱,特别是在发送数据到标签时会产生数据损坏。
技术细节分析
发送机制工作原理
em4x70_send_nibble()函数的行为取决于两个参数:
- 当
command_parity为false时:发送完整的4位数据 - 当
command_parity为true时:仅发送最低3位数据 - 当
with_parity为true时:额外发送1位奇偶校验位
这种设计本意是为了支持不同变种的EM4x70兼容标签,但实际上导致了以下问题:
- 数据截断:当启用奇偶校验时,所有4位数据都会丢失最高位
- 协议不匹配:大多数EM4x70兼容标签实际上需要完整的4位数据加奇偶校验位
影响范围
该问题影响了几乎所有需要向标签写入数据的命令:
em4x70_write:块数据和校验行会被截断em4x70_auth:认证过程中的FRN值会被截断em4x70_write_pin:PIN码会被截断em4x70_write_key:密钥会被截断
问题根源
经过深入分析,发现问题的根本原因在于:
- 协议理解偏差:原始代码试图支持多种变体标签,但实现方式不正确
- 时序巧合:原有代码能工作纯属偶然,依赖于传输停止时产生的"巧合"校验位
- 缺乏测试:没有足够的自动化测试覆盖各种标签变体
解决方案
经过社区讨论和技术验证,最终确定了以下改进方案:
- 移除
--par选项:因为该选项在实际使用中总是导致数据损坏 - 统一协议实现:所有命令都使用4位数据加1位奇偶校验的标准格式
- 增加测试覆盖:添加了计算挑战/响应的测试命令(
lf em 4x70 calc)
技术影响
这些改进带来了以下好处:
- 协议稳定性:确保与标准EM4x70标签的可靠通信
- 代码简化:移除不必要的复杂性和潜在错误点
- 可维护性:更清晰的代码结构和更好的测试覆盖
经验总结
这个案例为RFID工具开发提供了宝贵经验:
- 协议实现必须严格遵循规范文档,而非依赖观察到的"巧合"行为
- 对于支持多种变体的协议,应该通过明确的模式切换而非隐式参数控制
- 完善的自动化测试是保证长期稳定性的关键
Proxmark3社区通过这次问题的分析和解决,不仅修复了一个长期存在的缺陷,还建立了更健全的测试框架,为未来支持更多RFID协议奠定了更好的基础。
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 StartedRust0150- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
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 K
1.01 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
433
392
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
145
237
Claude 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 Started
Rust
1.15 K
148
暂无简介
Dart
983
251
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (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
1.67 K
986