APKiD项目对DPT Shell保护器的检测能力分析
2025-07-03 00:06:38作者:尤峻淳Whitney
背景介绍
DPT Shell是一种Android应用保护工具,它通过多种技术手段对APK文件进行加固和保护,以防止逆向工程和分析。近期,安全研究人员在分析一个恶意软件样本时,发现该样本使用了DPT Shell进行保护,并提交给APKiD项目以增强其检测能力。
技术分析
DPT Shell的保护机制
DPT Shell采用了多层保护策略,主要包括以下几个技术特征:
-
原生库保护:
- 在assets目录下存放了不同架构的原生库文件,路径模式为
/assets/vwwwwwvwww/<arch>/libdpt.so - 这些原生库使用了Obfuscator-LLVM 9.x版本进行混淆处理
- 实现了反钩子技术(syscalls)
- 在assets目录下存放了不同架构的原生库文件,路径模式为
-
DEX层保护:
- 使用了自定义的Application类
com.nashsiqiu.shell.ProxyApplication - 采用了r8编译器进行代码优化和混淆
- 在assets目录下存放了多个特殊命名的文件,如
app_name、app_vcf和OoooooOooo
- 使用了自定义的Application类
-
多架构支持:
- 提供了arm、arm64、x86和x86_64四种架构的支持
- 每种架构都有对应的保护实现
APKiD的检测方法
APKiD项目通过Yara规则来识别各种保护器和混淆器。针对DPT Shell,APKiD实现了以下检测规则:
-
DEX层检测规则:
- 检测特定的字符串模式,如"dpt-libs"、"dpt_JniBridge"和"libdpt.so"
- 这些字符串是DPT Shell在DEX文件中留下的特征标记
-
原生库检测规则:
- 检测libdpt.so文件的存在
- 识别Obfuscator-LLVM的混淆特征
- 检测反钩子技术的实现
-
文件结构检测:
- 检查assets目录下的特定文件结构
- 识别特殊的文件命名模式
检测结果对比
最初版本的APKiD未能完全识别DPT Shell的所有特征,仅能检测到Obfuscator-LLVM和r8编译器。经过规则更新后,最新版本的APKiD已经能够全面识别DPT Shell的保护特征,包括:
- 正确识别主保护器为"DPT Shell"
- 检测到assets目录下各架构的libdpt.so文件
- 识别出DEX文件中的特定字符串模式
- 标记出反钩子技术的使用
技术意义
这项检测能力的提升对于Android安全分析具有重要意义:
- 恶意软件分析:帮助分析人员快速识别使用DPT Shell保护的恶意软件
- 应用安全评估:评估商业应用使用的保护技术强度
- 逆向工程:为逆向工程师提供保护技术的识别信息
- 安全研究:促进对新型保护技术的研究和理解
结论
APKiD项目通过持续更新其检测规则,保持了对各种Android保护技术的识别能力。对DPT Shell的检测能力提升,展示了开源社区在应对新型保护技术方面的快速响应能力。安全研究人员和分析工具需要不断跟进各种保护技术的发展,才能有效应对日益复杂的Android应用保护方案。
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
最新内容推荐
Python开发者的macOS终极指南:VSCode安装配置全攻略 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 STM32到GD32项目移植完全指南:从兼容性到实战技巧 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
660
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
492