drizzleDumper 使用教程
2026-01-16 09:45:57作者:滑思眉Philip
项目介绍
drizzleDumper 是一款基于内存搜索的 Android 脱壳工具。它通过分析应用程序的内存,找到并提取出被加固的 dex 文件,从而实现脱壳。该工具适用于多种加固方案,包括但不限于 360 加固、爱加密等。
项目快速启动
环境准备
- 安装 Android 调试桥(ADB)。
- 确保设备已启用开发者模式并连接到电脑。
下载与安装
-
克隆项目仓库:
git clone https://github.com/DrizzleRisk/drizzleDumper.git cd drizzleDumper -
将 drizzleDumper 推送到设备:
adb push drizzleDumper /data/local/tmp -
赋予执行权限:
adb shell chmod 0777 /data/local/tmp/drizzleDumper
使用方法
-
进入设备的 shell 环境:
adb shell -
获取 root 权限:
su -
执行脱壳操作:
/data/local/tmp/drizzleDumper <package_name> <wait_time_in_seconds> -
将生成的 dex 文件拉取到电脑:
adb pull /data/local/tmp/<output_dex_file>
应用案例和最佳实践
案例一:360 加固脱壳
假设我们要对一个名为 com.example.app 的应用进行脱壳,该应用使用了 360 加固。
- 按照快速启动部分的步骤,将 drizzleDumper 推送到设备并赋予执行权限。
- 执行脱壳命令:
/data/local/tmp/drizzleDumper com.example.app 10 - 将生成的 dex 文件拉取到电脑进行分析。
最佳实践
- 选择合适的等待时间:根据应用的启动时间调整
wait_time_in_seconds,确保脱壳工具有足够的时间搜索内存。 - 定期更新工具:加固方案可能会更新,定期检查并更新 drizzleDumper 以应对新的加固技术。
典型生态项目
TUnpacker
TUnpacker 是另一个由 DrizzleRisk 开发的脱壳工具,适用于特定的加固方案。它与 drizzleDumper 互补,提供了更广泛的脱壳能力。
BUnpacker
BUnpacker 是 DrizzleRisk 开发的另一款脱壳工具,专注于特定类型的加固。它与 drizzleDumper 和 TUnpacker 一起,构成了一个强大的脱壳工具集。
通过这些工具的组合使用,可以有效应对市场上多种加固方案,提高脱壳的成功率。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.85 K
Ascend Extension for PyTorch
Python
388
466
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
356
216
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++
897
688
昇腾LLM分布式训练框架
Python
121
147
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
120
156
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.38 K
782
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
599
167
React Native鸿蒙化仓库
JavaScript
311
361