Jalangi2 动态分析框架使用指南
1. 项目介绍
Jalangi2 是一个由 Samsung Research America 开发的开源项目,它是一个用于动态程序分析的 JavaScript 框架。通过 Jalangi2,开发者可以轻松地创建和运行自定义的分析,对 JavaScript 代码进行深入的调试和优化。Jalangi2 不支持 Jalangi1 的记录和重播功能,但它提供了更多的分析工具和插件,适用于各种 JavaScript 代码分析任务,例如安全漏洞检测、性能分析、代码变异测试等。
2. 项目快速启动
2.1 安装 Jalangi2
首先,你需要克隆 Jalangi2 的仓库并安装依赖:
git clone https://github.com/Samsung/jalangi2.git
cd jalangi2
npm install
2.2 运行测试
安装完成后,你可以运行一些测试来确保 Jalangi2 正确安装:
python scripts/test_traceall.py
python scripts/test_analysis.py
python scripts/test_dlint.py
2.3 使用 Jalangi2 进行分析
以下是一个简单的示例,展示如何使用 Jalangi2 对 JavaScript 文件进行分析:
node src/js/commands/jalangi.js --inlineIID --inlineSource --analysis src/js/sample_analyses/ChainedAnalyses.js --analysis src/js/sample_analyses/dlint/Utils.js --analysis src/js/sample_analyses/dlint/CheckNaN.js --analysis src/js/sample_analyses/dlint/FunCalledWithMoreArguments.js --analysis src/js/sample_analyses/dlint/CompareFunctionWithPrimitives.js --analysis src/js/sample_analyses/dlint/ShadowProtoProperty.js --analysis src/js/sample_analyses/dlint/ConcatUndefinedToString.js --analysis src/js/sample_analyses/dlint/UndefinedOffset.js tests/octane/deltablue.js
3. 应用案例和最佳实践
3.1 安全漏洞检测
Jalangi2 可以用于检测 JavaScript 代码中的安全漏洞。例如,你可以编写一个分析插件来检测代码中是否存在未处理的异常或潜在的 XSS 攻击。
3.2 性能分析
通过 Jalangi2,你可以捕获代码执行的各种行为,包括函数调用、属性读写等,从而进行性能分析。你可以编写一个分析插件来记录每个函数的执行时间和调用次数,帮助你识别性能瓶颈。
3.3 代码变异测试
Jalangi2 还可以用于代码变异测试,通过在代码中插入自定义的分析逻辑,你可以模拟各种异常情况,测试代码的健壮性。
4. 典型生态项目
4.1 Node.js
Jalangi2 可以与 Node.js 结合使用,对 Node.js 应用进行动态分析。你可以使用 Jalangi2 对 Node.js 应用进行性能分析、安全漏洞检测等。
4.2 Chrome 浏览器
Jalangi2 支持在 Chrome 浏览器中进行动态分析。你可以使用 Jalangi2 对 Web 应用进行分析,捕获代码执行的各种行为,帮助你进行调试和优化。
4.3 mitmproxy
Jalangi2 可以与 mitmproxy 结合使用,对通过代理服务器加载的 JavaScript 文件进行动态分析。你可以使用 mitmproxy 拦截和修改 HTTP 请求,然后使用 Jalangi2 对修改后的代码进行分析。
通过以上步骤,你可以快速上手 Jalangi2,并利用它进行各种 JavaScript 代码的动态分析。
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0123AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









