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。
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
HunyuanVideo-1.5暂无简介00
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-X1-7BSpark-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