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。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00