LazyDroid 使用教程
2024-09-03 18:19:17作者:胡易黎Nicole
项目介绍
LazyDroid 是一个用 Bash 脚本编写的工具,旨在简化 Android 应用程序评估过程中的一些常见任务。它提供了以下功能:
- 将应用程序的调试标志设置为 true
- 将应用程序的备份标志设置为 true
- 重新构建应用程序
- 重新签名应用程序
- 智能日志提取
- 从 Google Play 下载并提取已安装的应用程序的 APK
- 比较两个不同文件夹的快照
- 在 APK 中插入 Frida 工具(适用于非 root 设备)
项目快速启动
安装要求
LazyDroid 需要在 Linux 或 Mac OS 上运行,并且需要安装以下工具:
apktooljarsigneradbaapt(Android Asset Packaging Tool,SDK 的一部分)- 你的密钥库和别名
- Frida Agent(
pip install frida)
安装步骤
-
克隆仓库:
git clone https://github.com/nccgroup/LazyDroid.git -
配置工具路径(adb、jarsigner、apktool 等):
cd LazyDroid ./getfridalibs.sh # 获取最新的 Frida 库用于 Android -
运行 LazyDroid:
./lazydroid.sh
常用选项
-
设置 APK 为可调试:
./lazydroid.sh --set-debuggable=true -
设置 APK 允许备份:
./lazydroid.sh --set-allow-backup=true -
签名 APK:
./lazydroid.sh --sign-apk -
构建 APK:
./lazydroid.sh --build-apk -
从 Android 设备提取应用日志:
./lazydroid.sh --extract-app-log -
提取已安装应用程序的 APK 文件:
./lazydroid.sh --extract-apk
应用案例和最佳实践
案例一:在非 root 设备上使用 Frida
LazyDroid 可以帮助你在非 root 设备上使用 Frida 进行应用程序分析。通过在 APK 中插入 Frida 工具,你可以进行动态分析和调试。
案例二:提取和分析已安装的应用程序
使用 LazyDroid,你可以从 Google Play 下载并提取已安装的应用程序的 APK,这对于分析和逆向工程非常有用。
最佳实践
- 在进行任何修改之前,确保备份原始 APK。
- 使用 LazyDroid 的日志提取功能来监控应用程序的行为。
- 在非 root 设备上使用 Frida 时,确保设备架构与 Frida 库匹配。
典型生态项目
LazyDroid 与其他 Android 安全工具和框架结合使用,可以提供更全面的评估和分析:
- Frida: 用于动态分析和 Hook 应用程序。
- APKTool: 用于反编译和重新构建 APK。
- JADX: 用于反编译 APK 并查看 Java 源代码。
- MobSF (Mobile Security Framework): 用于自动化移动应用程序安全分析。
通过结合这些工具,你可以更深入地理解应用程序的内部工作原理,并发现潜在的安全漏洞。
登录后查看全文
热门项目推荐
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
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
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
Spark-Prover-X1-7BSpark-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-X1-7BSpark-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
最新内容推荐
Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
312
2.73 K
deepin linux kernel
C
24
7
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++
639
244
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
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
470
Ascend Extension for PyTorch
Python
151
178
暂无简介
Dart
605
135
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
236
84
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
364
3.01 K
React Native鸿蒙化仓库
JavaScript
237
310