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!
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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