AESJniEncrypt 的安装和配置教程
项目基础介绍
AESJniEncrypt 是一个基于 Android 平台的加密解密开源项目,主要利用.libsodium 库实现了 CHACHA20 算法。该算法在移动设备上具有高性能,特别适用于 ARM 架构。项目的目标是提高 Android 应用程序的安全性,通过在 native 层面进行加密操作,增强数据保护。
主要编程语言
- C:用于实现加密算法和与 Java 代码的 JNI(Java Native Interface)交互。
- Java:Android 应用程序的主要开发语言,用于调用 native 层面的加密方法。
关键技术和框架
- libsodium:一个现代化的加密库,提供了多种加密算法,本项目使用其 CHACHA20 算法进行数据加密。
- JNI:允许 Java 代码调用其他语言的代码,本项目通过 JNI 调用 C 代码进行加密操作。
- Obfuscator-LLVM:一个用于混淆 native 代码的工具,可以提高代码的安全性,防止逆向工程。
准备工作
在开始安装之前,请确保您的开发环境满足以下要求:
- 安装有 Android Studio。
- 配置好 Android NDK。
- 确保您的系统中已安装 Python,因为构建过程中可能会用到。
安装步骤
-
克隆项目仓库 打开命令行工具,执行以下命令克隆项目:
git clone https://github.com/BruceWind/AESJniEncrypt.git cd AESJniEncrypt -
构建 libsodium 库 在项目目录下,运行以下脚本构建适用于所有 Android ABIs 的 libsodium 静态库:
./build_libsodium_for_all_android_abi.sh如果遇到错误,如缺少 Python 等问题,请根据错误提示解决。
-
集成到 Android 项目 a. 在 Android Studio 中,将
aesjni目录导入到您的项目中。 b. 在项目的local.properties文件中设置ndk.dir路径。 c. 修改 Java 类和方法的名称,不要直接暴露加密算法的名称,确保 C 函数中密钥的存储安全。 d. 生成并修改签名。如果您还没有 Keystore 文件,您需要创建一个。以下是创建 Keystore 的示例命令:keytool -genkey -alias client1 -keypass 123456 -keyalg RSA -keysize 1024 -validity 365 -storetype PKCS12 -keystore ./androidyuan.keystoree. 在
check_signature.h文件中修改 Keystore 的哈希值和包名。 -
配置 Obfuscator-LLVM(可选) 如果您需要混淆 native 代码以提高安全性,您需要在
aesjni/build.gradle文件中配置externalNativeBuild和Obfuscator-LLVM。有关配置的详细指南,请参考项目 README 文件。
完成以上步骤后,您就可以开始在 Android 项目中使用 AESJniEncrypt 进行加密和解密操作了。请确保仔细阅读项目文档,了解所有配置细节和使用方法。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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