推荐:FlowDroid——静态数据流分析神器
FlowDroid是一款强大的静态数据流分析工具,专为Android应用和Java程序设计,旨在为研究人员和实践者提供一个可扩展的平台,用于构建自己的研究项目或产品实现。在学术界和工业界,FlowDroid已被广泛应用并广受好评。
获取FlowDroid
获取FlowDroid有多种方式,你可以通过Maven自行编译,或者直接从Github下载预编译的版本。
使用Maven
FlowDroid已上架Maven Central,只需将以下依赖添加到你的pom.xml文件中:
<dependencies>
<!-- ... -->
<dependency>
<groupId>de.fraunhofer.sit.sse.flowdroid</groupId>
<artifactId>soot-infoflow</artifactId>
<version>2.12.0</version>
</dependency>
<!-- ... -->
</dependencies>
通过GitHub下载
Release页面提供了所有官方发布的预编译JAR文件。建议使用最新版本,除非遇到特定问题。
自行编译
如果选择自行编译,确保安装了JDK 11以上、Maven以及Soot的最新快照,首次构建时需在根目录执行:
mvn install -DskipTests
数据流跟踪的使用
FlowDroid支持命令行接口和作为库集成两种方式。对于快速查看结果,推荐使用命令行工具;若要将其作为一个组件集成进自定义项目,则应引入相关JAR文件。
命令行运行工具
运行数据流追踪的命令如下:
java -jar soot-infoflow-cmd/target/soot-infoflow-cmd-jar-with-dependencies.jar \
-a <APK File> \
-p <Android JAR folder> \
-s <SourcesSinks file>
其中,<Android JAR folder>是Android SDK的platforms目录,<SourcesSinks file>定义了敏感信息源和可能泄露数据的接收点。
性能配置
FlowDroid允许根据需求调整性能。例如,-ns选项不追踪静态字段,-ne不追踪异常流,还可以设置时间限制以平衡精度和速度。
作为库集成
在Java或Android项目中引用FlowDroid,可以使用类似下面的代码进行简单的数据分析:
SetupApplication app = new SetupApplication(androidJarFolder, apkPath);
app.setTaintWrapper(new SummaryTaintWrapper(new LazySummaryProvider("summariesManual")));
InfoflowResults results = app.runInfoflow();
公开资料
想深入了解FlowDroid的工作原理,推荐阅读Steven Arzt的学术论文。
贡献代码
欢迎任何形式的贡献。FlowDroid采用LGPL许可,意味着你可以自由使用,但对工具的修改和扩展也需要开放源码。
联系我们
如有任何问题,可以通过邮件(Steven.Arzt@sit.fraunhofer.de)或Soot邮件列表寻求帮助。
FlowDroid以其高效、灵活的数据流分析功能,为开发者和研究人员提供了强大的工具箱,无论你是出于安全审计还是研发目的,都不容错过。现在就加入FlowDroid的世界,提升你的应用程序分析能力吧!
kernelopenEuler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。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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