博客
关于我
纬图HOLLONG BLE SNIFFER 支持Linux系统
阅读量:230 次
发布时间:2019-02-28

本文共 657 字,大约阅读时间需要 2 分钟。

如何在Linux下进行BLE数据包分析

在进行BLE数据包分析之前,请确保已准备好以下工具:

硬件方面,请在淬宝等平台寻找兼容BLE 4.0/4.1/4.2协议的低功耗蓝牙Sniffer。

软件需求方面,Wireshark是一个必备的工具。

安装完成后,请按照以下步骤操作:

  • 打开终端,输入命令"su"以获得超级用户权限,并提供相应的密码。

  • 在终端中运行 "./start.sh" 命令,启动ble_sniffer。

  • 启动过程中,请注意以下事项:

  • ble_sniffer启动后,请点击"start"按钮(通常位于界面左上角),这会启动Wireshark以便开始数据捕获。

  • 如果在Wireshark中出现权限提示,随时点击"OK"继续操作。

  • 在Wireshark界面中,可以看到以下信息:

  • 当前使用的Wireshark版本号(如2.4.6)。

  • 列出的所有已扫描到的BLE设备。

  • 可选性地选择特定设备进行分析。

  • 在开始数据捕获前,请注意以下事项:

  • 确保主从设备之间的距离不超过50CM,以避免数据丢失或不完整。

  • 请将Sniffer设备放置在主从设备之间,以确保最佳信号接收。

  • 数据捕获过程中,可以观察到以下关键包类型:

  • BLE 4.2长数据包,通常以247字节的MTU大小出现。

  • 设备通知包(如如图)。

  • MTU请求和响应包,MTU值为247字节。

  • 在分析过程中,可以通过在Wireshark过滤框中输入"btatt",以便仅显示协议包和广播包,便于深入分析。

    通过以上步骤,您可以成功完成BLE数据包的捕获和分析工作。

    转载地址:http://uikp.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>
    OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
    查看>>
    OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
    查看>>
    OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
    查看>>
    OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
    查看>>
    OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
    查看>>
    OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
    查看>>
    OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
    查看>>
    OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
    查看>>
    OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
    查看>>
    OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
    查看>>