Proxmark3中静态加密随机数问题的解决方案
在RFID安全研究领域,Proxmark3设备是最常用的工具之一,用于分析和测试各类RFID系统的安全性。其中,hf mf autopwn命令是一个自动化测试MIFARE Classic卡片的强大功能,但在某些特殊情况下会遇到"Static encrypted nonce detected"错误而终止。
问题背景
当使用Proxmark3执行hf mf autopwn命令测试MIFARE Classic卡片时,系统可能会检测到"静态加密随机数"(Static encrypted nonce)并自动终止测试过程。这种情况通常发生在使用特定类型的安全芯片或特殊固件的卡片上,这些卡片采用了不同于标准MIFARE Classic的实现方式。
技术原理
MIFARE Classic卡片在认证过程中会使用随机数(nonce)来防止重放攻击。正常情况下,这些随机数应该是动态变化的。但某些特殊实现(如FM11RF08S芯片)采用了静态加密随机数的机制,这使得标准的Nested测试或Hardnested测试无法奏效。
静态加密随机数的存在使得传统的密钥恢复方法失效,因为测试过程依赖于对动态随机数的分析。当Proxmark3检测到这种防御机制时,会主动终止测试以避免无效尝试。
解决方案
针对这一问题,Proxmark3开发团队已经提供了专门的解决方案。用户可以使用script run fm11rf08s_recovery命令来测试这类特殊卡片的密钥。该脚本专门针对FM11RF08S等使用静态加密随机数的芯片设计,采用了不同的测试方法来绕过这种保护机制。
最佳实践
- 当遇到"Static encrypted nonce detected"错误时,应立即停止标准测试流程
- 转而使用专用恢复脚本
script run fm11rf08s_recovery - 保持Proxmark3固件和客户端为最新版本,以确保获得最新的测试方法
- 对于研究用途,可以分析静态随机数的模式以了解卡片的具体实现
未来发展
Proxmark3开发团队已经注意到这一问题,并计划在未来的版本中将FM11RF08S恢复功能整合到hf mf autopwn的自动化流程中。这将使工具能够自动检测静态随机数情况并切换到适当的测试方法,进一步提高工具的易用性和自动化程度。
对于RFID安全研究人员来说,了解这类特殊情况和应对方法至关重要,这有助于更全面地评估各类RFID系统的安全性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00