新闻详情

新闻详情

首页 / 资讯中心 / 详情

Proxmark3 RDV4 实操笔记:256KB 外部闪存怎么用、天线怎么调,附踩坑点

发布时间:2026/11/21 7:13:01来源:尧图网络
Proxmark3 RDV4 实操笔记:256KB 外部闪存怎么用、天线怎么调,附踩坑点
Proxmark3 RDV4 实操笔记256KB 外部闪存怎么用、天线怎么调附踩坑点【免费下载链接】proxmark3Iceman Fork - Proxmark3项目地址: https://gitcode.com/GitHub_Trending/pr/proxmark3这篇是拿到 Proxmark3 RDV4 之后我的实操记录。RDV4 和老版本最大的硬件差异是板子上多了一块 256KB 的外部 SPI 闪存固件默认把防伪签名和文件系统放在上面。下面讲的全是我实际跑过的东西怎么验证这块闪存是真的、四个页面怎么分工、哪里会踩坑最后顺带把低频天线的调校流程过一遍。命令都来自仓库里的 mem、hw、lf 命令集可以直接照抄。上机第一件事确认闪存是真的插上 RDV4我敲的第一条命令是mem info重点看输出里这段[usb] pm3 -- mem info [] --- Flash memory Information --------- [] ID................... 25AD99A782A867D5 [] Signature............ ( ok )Signature 这一行是关键。RDV4 的闪存末尾存了一份 128 字节的 RSA 签名mem info会用内置公钥校验闪存 ID 是否被正式签名过用来判断设备是不是被换过料。看到 Genuine Proxmark3 RDV4 signature detected 就可以放心。想确认芯片具体型号的话可以用 client/pyscripts/spi_flash_decode.py 解析 JEDEC ID。仓库里 256KB 对应的是 W25Q20BV 这一档的 SPI NOR。这里提醒一句命名里的 W25Q256 是 256Mbit也就是 32MB和 256KB 完全不是一个量级别照着名字买错。256KB 的地址结构一眼读出来闪存分成 4 页、每页 64KB每页再分 16 个扇区、每扇区 4KB。地址写成 0xPSxxx 时可以直接拆读第一个字符是页号第二个是扇区号后三位是页内偏移。比如 0x3FF7F 就是页 3、扇区 0xF、偏移 0xF7F。把这个读法记熟之后mem命令的参数就不吓人了。四个页面的分工大致如下页面地址范围默认用途00x00000–0x0FFFF用户数据随便用10x10000–0x1FFFF用户数据随便用20x20000–0x2FFFF用户数据随便用30x30000–0x3FFFF设备自用RSA 签名 SPIFFS 文件系统页 0~2 想倒出来或者清空照 doc/ext_flash_notes.md 里的写法来就行mem dump -f page0_dump -o 0 -l 65536 mem wipe -p 0页 3 是坑位我差点直接 wipe 掉第一次看到页 3 也有 64KB我以为同样能当存储用正准备对它跑mem wipe -p 3才在文档里看到警告默认固件里mem wipe干脆不接受页 3 作为参数。这不是 bug——那一页的 0x3FF7F 处放着 128 字节签名早期版本里一旦被擦掉就无法自行恢复设备会永远被判定为非正品。现在仓库带了通用私钥可以重新自签下一节讲但代价还是别主动去擦。所以我现在的习惯是每次要动闪存之前先把签名备份一份到磁盘mem dump -f flash_signature_dump -o 262015 -l 128页 3 剩下的空间也不是闲着的扇区 0~13 划给了 SPIFFS 文件系统设备上存了什么文件可以用mem spiffs view看一眼。另外更新密钥字典不需要擦这一页这点文档里单独强调了。签名真丢了用通用密钥自签较新的仓库在 client/resources 下加了 pm3_generic_private_key.pem任何带 SPI 闪存的改装设备都可以给自己签一份。流程分三步在 client/resources 目录里跑sha512sum -c pm3_generic_private_key.sha512.txt先确认私钥文件没被改动过跑mem info -s -p client/resources/pm3_generic_private_key.pem预览即将生成的签名先别加写入参数确认没问题后再追加-w写进设备。踩坑提醒-w会直接覆盖现有签名。先备份这一步永远不要省哪怕你刚备份过。T55xx 的内存映射别和设备闪存搞混玩 T5577 的人很容易把两张内存映射图搅在一起上图是 T55xx 芯片自身的存储结构页 0 放用户数据页 1 放模拟前端配置和可追溯数据。它属于标签自己和 Proxmark3 RDV4 那块 256KB 存储没有任何关系两个页完全是两码事。倒数据之前先确认自己看的是哪块内存能省掉很多疑惑。天线部分先用 lf tune 听一下调谐天线是玄学感最强的部分我的流程是先跑hw status看整体状态它会把 LF 天线的情况一起报出来顺便做连接速度测试。然后跑lf tune连续观察调谐一边看读数一边挪天线位置找到峰值最稳的摆法。要改驱动频率的话入口是hw setlfdivisor规则固定12 MHz ÷ (divisor 1)。比如想输出 125 kHzdivisor 填 95 即可12000 ÷ 96 125。如果信号弱或者读数不稳先回到lf tune确认天线本身调得好不好再怀疑其他原因。顺带说明一张图免得混淆下面这页配置属于 T55xx 标签芯片不在 Proxmark3 的闪存里。调天线的时候别调错了对象。收尾要做的三件事把 128 字节签名 dump 一份到磁盘文件名带上日期跑一次hw status确认连接速度测试没有超时告警开工前留一次lf tune的记录方便以后对比天线状态有没有漂移。建议下一步把 doc/ext_flash_notes.md 完整过一遍然后就可以放心把页 0~2 拿来存自己的数据了。【免费下载链接】proxmark3Iceman Fork - Proxmark3项目地址: https://gitcode.com/GitHub_Trending/pr/proxmark3创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/20 0:44:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/20 20:45:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/20 16:11:20

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/20 18:41:01

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/20 0:44:55

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉