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!
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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