APKiD v3.0.0发布:移动应用安全分析工具的重大升级
项目简介
APKiD是一款功能强大的移动应用安全分析工具,主要用于识别Android应用程序(APK)中使用的各种保护方案、混淆技术和第三方SDK。它能够帮助安全研究人员快速了解目标应用的安全防护措施,为逆向工程和安全评估提供重要参考。
主要更新内容
APKiD v3.0.0版本代号"Black Hawk",带来了大量新功能和改进,特别是在防护方案识别方面有了显著增强。
新增支持的防护方案和SDK
本次更新增加了对30多种新型防护方案和SDK的识别能力,包括:
-
商业保护方案:
- Tencent Legu Packer的VMP保护
- DexProtector新增DPLF头识别
- DexGuard 9.x版本支持
- Promon和Verimatrix等企业级保护方案
-
混淆技术:
- BlackObfuscator的DEX混淆
- AY字面量混淆
- Obfuscapk混淆框架
- 自定义多dex和Flutter打包器识别
-
安全SDK:
- 腾讯安全企业版
- 网易易盾(Yidun)
- 小米安全开放服务客户端SDK
- FreeRASP(Talsec)的Dart实现
-
区域性保护方案:
- 韩国ExTrus AppDefence保护器
- 中国SecNeo.C打包器
- 鼎象(DingXiang)打包器
技术改进
-
文件类型检测增强:
- 新增对DLL文件的识别
- 改进Dart语言应用的检测
- 增强资源文件(res)的识别能力
-
签名验证改进:
- 扩展APK签名检测范围,支持V2+签名方案
- 改进签名块的解析逻辑
-
编译器相关:
- 更新r8编译器映射列表
- 优化r8编译器分析逻辑
-
平台兼容性:
- 修复Windows命令行无颜色显示问题
- 更新Windows平台文档说明
- Docker镜像升级至Python 3.11环境
技术意义与应用场景
APKiD v3.0.0的发布为移动应用安全研究带来了多项重要提升:
-
更全面的防护识别:新增的30多种防护方案覆盖了当前市场上主流的商业保护产品和开源混淆工具,使研究人员能够更准确地评估目标应用的安全防护水平。
-
区域性方案支持:特别加强了对亚洲地区(特别是中韩两国)特有保护方案的识别能力,这对于分析这些地区开发的应用程序尤为重要。
-
现代化开发支持:增强对Flutter和Dart应用的识别,反映了移动开发技术的最新趋势。
-
企业级安全评估:新增的企业级保护方案识别能力,使APKiD成为评估高价值商业应用安全性的有力工具。
使用建议
对于安全研究人员和逆向工程师,建议:
-
在分析任何Android应用前,先使用APKiD进行初步扫描,了解应用使用的保护措施。
-
针对检测到的特定保护方案,可以有针对性地准备相应的逆向工具和技术。
-
将APKiD集成到自动化分析流程中,作为应用安全评估的第一步。
-
关注检测结果中的区域性保护方案,这些方案可能具有独特的技术特点,需要专门的应对方法。
总结
APKiD v3.0.0的发布标志着这款工具在移动应用安全分析领域的又一次重大进步。通过增加对众多新型保护方案的支持和改进核心功能,它将继续为安全研究人员提供强大的应用分析能力。随着移动应用安全防护技术的不断发展,APKiD的持续更新将帮助研究人员保持技术优势,有效应对各种新型保护措施的挑战。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00