TagMo项目中的Flipper-Zero NFC文件密码生成机制解析
2025-06-26 03:51:18作者:温艾琴Wonderful
背景介绍
在任天堂Amiibo的模拟与使用场景中,Flipper-Zero设备扮演着重要角色。近期发现,Flipper-Zero设备对NFC文件的处理机制发生了变化,要求NFC文件必须包含正确的密码才能被正确模拟并被Switch识别。这一变化促使开发者对TagMo项目中的NFC文件生成逻辑进行了相应改进。
技术原理
Flipper-Zero设备对NTAG215格式的Amiibo NFC文件有特定的密码要求。密码生成基于以下技术原理:
- UID与密码关系:密码由UID(唯一标识符)的7个字节通过特定算法生成
- 存储位置:生成的密码存储在NFC文件的第133页
- 默认值:第134页需要写入预设的默认值
密码计算算法具体为:
- 取UID的第1、3、5、7字节与0xAA或0x55进行异或运算
- 具体公式为:
- 第1字节:UID[1] XOR UID[3] XOR 0xAA
- 第2字节:UID[2] XOR UID[4] XOR 0x55
- 第3字节:UID[3] XOR UID[5] XOR 0xAA
- 第4字节:UID[4] XOR UID[6] XOR 0x55
实现细节
在TagMo项目中,实现这一功能时经历了以下技术迭代:
-
初始实现问题:
- UID提取不完整,仅复制了前3字节导致密码计算错误
- 计算结果未正确附加到文件内容中
-
修正方案:
- 确保完整提取UID的7个字节(前4字节来自第0页,后3字节来自第1页)
- 正确实现密码计算算法
- 将计算结果和默认值分别写入第133页和第134页
-
文件格式处理:
- 保持原始NFC文件结构不变
- 仅追加必要的密码信息
- 确保与Flipper-Zero的.shd影子文件兼容
实际应用价值
这一改进带来了以下实际好处:
- 简化工作流程:用户不再需要额外转换工具,可直接使用TagMo生成的NFC文件
- 提高兼容性:确保生成的Amiibo数据能被Switch正确识别
- 保持唯一性:避免使用通用密码导致Amiibo失去独特性
技术验证
在实际测试中,开发者通过以下方式验证了实现的正确性:
- 使用Python脚本作为参考实现进行交叉验证
- 在Java环境中重新实现算法进行结果比对
- 直接在Flipper-Zero设备上进行功能测试
- 通过Switch设备验证Amiibo识别结果
总结
TagMo项目通过实现Flipper-Zero兼容的NFC密码生成机制,显著提升了用户在Amiibo模拟方面的工作效率和使用体验。这一改进不仅解决了技术兼容性问题,还保持了Amiibo数据的完整性和唯一性,体现了项目对用户体验的持续关注和技术实现的严谨态度。
登录后查看全文
热门项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-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-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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
311
2.72 K
deepin linux kernel
C
24
7
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++
638
242
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
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
469
Ascend Extension for PyTorch
Python
148
175
暂无简介
Dart
604
135
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
226
81
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
363
2.99 K
React Native鸿蒙化仓库
JavaScript
236
310