资源算法dcc

dcc

2020-02-05 | |  35 |   0 |   0

dcc

DCC (Dex-to-C Compiler) is method-based aot compiler that can translate DEX code to C code.

安装

Linux

以下是ubuntu 18.04 环境下的安装配置步骤,如果某些环节已经配置过,如JDK,可跳过.

  • 下载代码

git clone https://github.com/amimo/dcc.git
  • 安装项目依赖

cd dcc
pip3 install -r requirements.txt
wget -O tools/apktool.jar https://bitbucket.org/iBotPeaches/apktool/downloads/apktool_2.4.0.jar
  • 安装配置安卓开发环境(NDK r17+, SDK)

export PATH=path/to/ndk:$PATH
  • 安装JDK

sudo apt-get install openjdk-8-jdk

Windows

  • 安装python3

  • 安装项目依赖. 下载apktool,将其重命名为apktool.jar后放到dcc/tools目录中.

cd dcc
pip3 install -r requirements.txt
  • 安装NDK(r17+),将dcc.cfg中ndk_dir修改为NDK安装目录

  • 安装JRE或JDK,将java加入path.

使用dcc加固app

1. 加载Native库

首先在app代码合适的位置,如Application的静态代码块或onCreate等,添加加载so库代码,并重新生成apk

try {
    System.loadLibrary("nc");
} catch (UnsatisfiedLinkError e) {
    e.printStackTrace();
}

2. 指定需要编译的方法

使用黑白名单

dcc支持使用黑白名单来过滤需要编译或禁止编译的函数. 修改filter.txt,使用正则表达式配置需要处理的函数.默认编译Activity.onCreate,和测试demo中的所有函数.

vi filter.txt

使用注解

在任意包中新增Dex2C注解类

import java.lang.annotation.Retention;
import java.lang.annotation.RetentionPolicy;

@Retention(RetentionPolicy.RUNTIME)
public @interface Dex2C {}

然后使用Dex2C标记需要编译的类或者方法

3. 加固APP

使用如下命令加固your_app.apk

python3 dcc.py your_app.apk -o out.apk

该命令会生成两个文件out.apk和project-source.zip.其中out.apk已经使用testkey签名的加固app,可以直接安装; project-source.zip是个jni工程,里面包含我们编译出来的c代码,解压出来后可以直接使用ndk编译.

测试demo

  • 修改测试demo项目local.properties,配置正确的ndk.dir,sdk.dir路径

vi tests/demo-java/local.properties
vi tests/demo-c/local.properties
  • 编译demo-java

cd tests/demo-java
./gradlew assembleDebug
  • 将dex编译到c,生成的c代码输出到demo-c的src/main目录下

cd dcc
python3 dcc.py tests/demo-java/app/build/outputs/apk/debug/app-debug.apk --source-dir=tests/demo-c/app/src/main/ --no-build
  • 编译c demo

cd tests/demo-c
./gradlew assembleDebug

如果一切顺利,"tests/demo-c/app/build/outputs/apk/debug/app-debug.apk"就是最终生成的apk,安装到手机并运行,看是否会崩溃.

注意

  • 这是我个人研究项目,当前还未经过大量测试,请谨慎用于线上项目!

  • 编译出来的C代码使用JNI跟Java虚拟机交互,有可能会对性能产生非常严重的影响,请谨慎选择加固函数!

参考资源


上一篇:Lipreading-DenseNet3D

下一篇:pytorch-SkipGram

用户评价
全部评价

热门资源

  • Keras-ResNeXt

    Keras ResNeXt Implementation of ResNeXt models...

  • seetafaceJNI

    项目介绍 基于中科院seetaface2进行封装的JAVA...

  • spark-corenlp

    This package wraps Stanford CoreNLP annotators ...

  • capsnet-with-caps...

    CapsNet with capsule-wise convolution Project ...

  • inferno-boilerplate

    This is a very basic boilerplate example for pe...