OWASP MASTG项目中关于APK安全分析工具的更新与优化
2025-05-19 07:16:38作者:宣利权Counsellor
在移动应用安全测试领域,APK文件的分析工具至关重要。OWASP MASTG(移动应用安全测试指南)项目近期针对APK分析工具进行了重要更新,决定弃用过时的APKEnum工具,转而推荐功能更强大的APKleaks工具。
背景与问题
APKEnum作为一款早期的APK分析工具,基于Python 2.7开发,但由于长期缺乏维护更新,已无法满足现代移动应用安全测试的需求。Python 2.7本身也已停止支持,这使得APKEnum在兼容性和功能性上都存在明显不足。
解决方案评估
项目团队评估了两款候选替代工具:APKLeakData和APKleaks。经过对主流通讯应用和社交平台等流行应用的测试比较,APKleaks展现出明显优势:
- 功能全面性:APKleaks能够检测出更多类型的安全问题,包括授权信息、通用密钥、API密钥、IP地址、JSON Web Token等
- 可扩展性:支持通过JSON配置文件添加自定义正则表达式规则,增强了检测的灵活性
- 维护状态:基于Python 3开发,项目活跃度更高,维护及时
技术对比
以主流通讯应用和社交平台为例,两款工具的检测结果对比如下:
主流通讯应用检测结果对比
- APKleaks检测到7类安全问题
- APKLeakData仅检测到3类
社交平台检测结果对比
- APKleaks检测到7类安全问题
- APKLeakData仅检测到3类
实施与整合
OWASP MASTG项目已决定:
- 移除所有对APKEnum的引用,并添加弃用说明
- 将APKleaks正式纳入MASTG工具集
- 更新相关技术文档和示例
APKleaks的使用方法简单高效,基本命令格式为:
apkleaks -f /path/to/file.apk -p regexed.json -o ~/Documents/apkleaks-results.txt
总结
这次工具更新体现了OWASP MASTG项目对移动应用安全测试领域最新技术发展的持续关注。APKleaks的引入将显著提升安全研究人员对APK文件中潜在安全风险的检测能力,特别是其支持自定义规则的特点,使得工具能够适应各种特殊检测需求,为移动应用安全评估提供了更加强大的支持。
登录后查看全文
热门项目推荐
相关项目推荐
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
614
138
Ascend Extension for PyTorch
Python
163
183
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
854
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。
Cangjie
369
3.15 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
255
90
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
644
255