Whale Hook 框架使用指南
2024-09-24 16:51:07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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
226
251
暂无简介
Dart
672
159
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++
663
319
🎉 (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
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868