FingerprintPay 6.0.0版本发布:全面优化指纹支付体验
FingerprintPay是一款专注于移动支付场景指纹认证增强的开源项目,通过系统级Hook技术为国内主流支付应用提供更便捷的指纹支付体验。最新发布的6.0.0版本在功能完善和兼容性方面都有显著提升。
核心功能升级
本次更新最值得关注的是新增了通过音量键临时禁用指纹认证的功能。当用户在应用内进行指纹认证时,可以通过按下音量下键快速临时禁用指纹识别,这一设计特别适合需要在特定场景下临时关闭指纹认证的用户。需要注意的是,该功能目前仅支持应用内认证场景。
支付应用适配情况
6.0.0版本对多款主流支付应用进行了针对性适配:
-
QQ支付:完美适配QQ 9.1.55(9218)版本,确保在该版本下的指纹支付功能稳定运行。
-
淘宝支付:新增对淘宝10.47.0(717)版本的支持,用户现在可以在淘宝的支付设置中找到指纹支付配置入口。
-
基础测试验证:开发团队基于云闪付10.1.6、微信8.0.56和支付宝10.7.6.8200等版本进行了全面测试,确保这些主流支付应用的兼容性。
重要版本说明
开发者特别提醒用户注意:当前6.0.0版本暂不支持微信8.0.57及以上版本。对于使用较新微信版本的用户,建议暂时不要升级微信应用或等待后续版本更新。
技术实现特点
作为一款系统级模块,FingerprintPay采用了两种主流框架实现方式:
-
Riru框架版本:适合使用Riru环境的用户,提供针对各支付应用的独立模块和全功能整合包。
-
Zygisk框架版本:为使用Zygisk环境的用户提供优化实现,同样包含分应用模块和全功能包。
两种实现方式都经过精心优化,确保在不同系统环境下都能提供流畅的指纹支付体验。项目完全开源免费的性质也保证了技术的透明性和安全性。
使用建议
对于普通用户,建议根据自己使用的支付应用选择对应的功能模块,而非直接安装全功能包,这样可以减少不必要的系统资源占用。技术爱好者则可以通过分析项目代码深入了解Android系统Hook技术和支付安全机制。
随着移动支付安全要求的不断提高,FingerprintPay项目团队将持续跟进各支付应用的更新,为用户提供既便捷又安全的指纹支付增强方案。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0172
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook093
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
BitCPM-CANN-8BBitCPM-CANN 是首个基于华为昇腾 NPU 原生构建的端到端 1.58 位(三值化)大语言模型训练系统。该系统将量化感知训练(QAT)集成到 Megatron-LM 框架中,并结合 MindSpeed 加速,覆盖了从自定义三值算子到基于昇腾 910B 的分布式并行训练的完整训练栈。Python00
MiniCPM5-1BMiniCPM5-1B,这是 MiniCPM5 系列的首款模型。它是一个专为端侧、本地部署和资源受限场景打造的 10 亿参数密集型 Transformer 模型,达到了 10 亿参数级开源模型的 SOTA 水平Jinja00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0239