Whale Hook 框架使用指南
2024-09-24 01:59:07作者:乔或婵
项目介绍
Whale 是一个跨平台的 Hook 框架,支持在 Android、iOS、Linux 和 MacOS 上运行。它兼容 ARM/THUMB、ARM64、X86 及 X86_64 架构,几乎覆盖了当前市场上的所有主要设备。Whale 提供类似 Xposed 的方法 Hook 功能,并允许在运行时修改类的继承关系及对象所属类,从而绕过隐藏 API 政策。在 iOS 平台上,尽管内联 Hook 限于非越狱设备的调试编译模式,但即将推出名为“Binary Static Inline Hook”的新核心来解决此限制。
特性亮点:
- 支持多种平台的原生 Hook。
- 内置 Just-In-Time (JIT) 引擎,满足高级 Hook 需求。
- 兼容性涵盖多个操作系统版本,包括特定版本的 Android 和 iOS。
项目快速启动
环境准备
确保你的开发环境已经安装了 CMake,并准备好相应的 SDK(对于Android和iOS开发)。
安装与集成
对于Android:
- 快速集成: 将
built/Android文件夹下的库文件复制到你项目的src/main/jniLibs中。 - 源码编译: 若需编译源码,在你的
build.gradle文件中添加外部原生构建配置,指定CMakeLists.txt路径。
externalNativeBuild {
cmake {
cppFlags ""
abiFilters 'armeabi-v7a', 'arm64-v8a', 'x86', 'x86_64'
ldFlags ""
fileName "path_to_your_whale/CMakeLists.txt"
}
}
对于iOS:
- 进入
toolchain目录。 - 使用CMake配置并编译,确保设置正确的目标平台和架构。
cd toolchain
cmake -DCMAKE_TOOLCHAIN_FILE=ios_toolchain.cmake \
-DIOS_PLATFORM=OS64 \
-DPLATFORM=IOS \
-DIOS_ARCH=arm64 \
... # 其他必要参数
make -j4
应用案例与最佳实践
- 上帝模式开启: 通过 Hook 修改应用行为,实现特权功能。
- 应用监控与篡改: 实现对App内部事件的监控或修改。
- 即时热修复: 利用动态Hook技术进行不重启修复。
- 沙箱环境注入: 在系统级别注入Hook,模拟或替换服务。
示例代码片段:
对于简单的Hook操作,首先引入Whale库,然后定义Hook点:
// 假设我们要Hook某个方法
import com.lody.whale.Hook;
import com.lody.whale.annotation.HookMethod;
public class MyHook {
@HookMethod // 标记要Hook的方法
public static void hookedMethod() {
// 在这里执行Hook逻辑
System.out.println("Method hooked!");
// 呼叫原始方法,如果需要的话
// YourOriginalClass.originalMethod();
}
}
典型生态项目
虽然Whale本身作为一个强大的Hook框架,目前在其官方页面上并未直接提供典型的生态项目列表。然而,开发者可以将Whale应用于各种场景,从定制化的安卓 ROM 修改、安全审计工具的开发,到企业级应用的即时bug修正等,成为移动与桌面应用开发中的强大辅助工具。
考虑到开源社区的性质,用户通常会在论坛、博客和技术分享会上找到基于Whale的实际应用案例,例如在Discord或者专门的技术讨论区。
请注意,实际应用中务必遵守目标平台的权限规范和隐私政策,合理合法地利用此类技术。
登录后查看全文
热门项目推荐
相关项目推荐
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
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-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
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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
477
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
375
3.21 K
Ascend Extension for PyTorch
Python
169
190
暂无简介
Dart
615
140
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
仓颉编译器源码及 cjdb 调试工具。
C++
126
855
仓颉编程语言测试用例。
Cangjie
36
852
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++
647
258