ChOma 项目下载及安装教程
2024-12-08 11:53:06作者:虞亚竹Luna
1. 项目介绍
ChOma 是一个用于解析和操作 MachO 文件及其代码签名的 C 语言库。它主要用于利用 CVE-2023-41991 漏洞,该漏洞允许二进制文件在代码签名期间绕过 CoreTrust,并显示为 App Store 签名的二进制文件。通过这种方式,二进制文件可以在设备上永久签名,并具有任意权限,除了一些仅允许由 trustcached 二进制文件使用的受限权限。
2. 项目下载位置
ChOma 项目托管在 GitHub 上,可以通过以下命令进行克隆:
git clone https://github.com/opa334/ChOma.git
3. 项目安装环境配置
3.1 环境要求
- macOS 或 iOS 系统
- 安装了 Xcode 或 Xcode 命令行工具
- 安装了 make 工具
3.2 环境配置示例
3.2.1 macOS 环境配置
-
打开终端,输入以下命令安装 Xcode 命令行工具:
xcode-select --install -
确认 make 工具已安装:
make --version
3.2.2 iOS 环境配置
-
使用 SSH 连接到你的 iOS 设备。
-
确认 make 工具已安装:
make --version
4. 项目安装方式
4.1 macOS 安装
-
进入项目目录:
cd ChOma -
编译项目:
make -
安装项目:
make install
4.2 iOS 安装
-
进入项目目录:
cd ChOma -
编译项目:
make TARGET=ios -
安装项目:
make install
5. 项目处理脚本
ChOma 提供了多个处理脚本,用于演示和测试库的功能。以下是一些常用的脚本:
choma_cli:用于演示 ChOma 的功能。ct_bypass:利用 CVE-2023-41991 漏洞绕过 CoreTrust。dyld_patch:用于修补 iOS 15+ 的 dyld 二进制文件以忽略 AMFI 标志。fat_create:用于从多个 MachO 文件创建一个 Fat MachO 文件。kpf:用于编写内核补丁查找器。
这些脚本可以通过以下命令运行:
./choma_cli
./ct_bypass
./dyld_patch
./fat_create
./kpf
通过以上步骤,您可以成功下载、安装并使用 ChOma 项目。
登录后查看全文
热门项目推荐
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
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0251- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
BootstrapBlazor一套基于 Bootstrap 和 Blazor 的企业级组件库C#00
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
646
4.19 K
🎉 (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
1.52 K
876
openEuler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。
C
388
275
仓颉编程语言运行时与标准库。
Cangjie
161
923
暂无简介
Dart
892
214
Dora SSR 是一款跨平台的游戏引擎,提供前沿或是具有探索性的游戏开发功能。它内置了Web IDE,提供了可以轻轻松松通过浏览器访问的快捷游戏开发环境,特别适合于在新兴市场如国产游戏掌机和其它移动电子设备上直接进行游戏开发和编程学习。
C++
57
7
Ascend Extension for PyTorch
Python
482
585
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
191
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
427
4.29 K