LiveHiddenCamera

ライブ隠しカメラ Live Hidden Camera LHC は、Android デバイスからプレビューを表示せずにライブビデオとオーディオを録画するライブラリです。 動機 私は研究ベースのAndroidマルウェアに取り組んでおり、多機能RAT（リモート管理ツール）を作成することにしました。ライブストリームに取り組んでいたところ、以下のようなRTMPベースのオープンソースプロジェクトを見つけました: https://github.com/begeekmyfriend/yasea https://github.com/ant-media/LiveVideoBroadcaster...

MalConfig

MalConfig 这是我正在持续开发的框架中一个模块的一部分。 机器人图片由 robohash.org 提供 国旗图标由 famfamfam 提供 解码器大多使用 Androguard 来提取 C2 或恶意软件作者的凭证 其中一个解码器使用 LIEF 从安卓恶意软件样本中提取 C2 其中一个解码器 Anubis 由 @eybisi 贡献，它相当不错。 目前，已经从安卓恶意软件中提取了 239 个配置。 数据截至 2019 年 2 月 18 日准确。...

amtracker

amtracker Android 恶意软件跟踪器 这原本是我一直在开发的框架中的一个模块。解码器主要利用 Androguard 来提取 C2 或恶意软件作者的凭据。 其中一个解码器使用 LIEF 从 Android 恶意软件样本中提取 C2。 我还有一些配置提取器尚未添加。如果你有希望我添加的特定 Android 家族，请告诉我。在我发布此仓库后，这些代码将需要更新。 因为恶意软件作者可能会修改他们的代码，以防止此工具提取有用信息。 目前，我已为以下家族添加了配置提取器： AhMyth root@kitploit: $ python.exe .\amtracker\amtracker....

MalEval

MalEval 論文: 「悪質だと分かっているだけで十分か？ マルウェアのきめ細かな動作監査におけるLLMの評価」 論文DOI: 10.1145/3832187 MalEval は、大規模言語モデルによって生成されたAndroidマルウェアの挙動レポートを評価するためのフレームワークです。このリポジトリのコードは、次の2つの実行パスを実装しています。 1. APKから : APKファイルに対して静的解析を実行し、エントリポイント、コールチェーン、関数本体、到達可能な関数を生成します。 2. アーティファクトから :...

MalwareSourceCode

managed by vx-underground | follow us on Twitter | download malware samples at the VXUG/samples page 免責事項： 適用される法律で許容される最大限の範囲において、vx-underground およびコンテンツを vx-underground に提出した関連会社は、間接的、偶発的、特別、結果的、懲罰的損害賠償、または直接間接を問わず発生した利益や収入の損失、データ、使用、のれん、その他の無形資産の損失について、以下の事由に起因する場合、一切の責任を負いません。i...

MADLIRA

MADLIRA Android向け学習と情報検索を用いたマルウェア検出 概要 MADLIRAはAndroidマルウェア検出のためのツールです。TFIDFコンポーネントとSVM学習コンポーネントの2つのコンポーネントで構成されています。一般的には、マルウェアと良性アプリのセットを入力として、悪意のある振る舞いを抽出（TFIDFコンポーネント）するか、トレーニングモデル（SVM分類器）を計算します。その後、この知識を用いてAndroidアプリケーション内の悪意のある振る舞いを検出します。 インストール ファイルMADLIRA.7zをダウンロードし、解凍してください。 インストールされるデータ...

maldrolyzer

maldrolyzer Androidマルウェアから"実用的な"データ（C&Cs、電話番号など）を抽出するシンプルなフレームワーク インストール このプロジェクトを使い始める前に、以下のパッケージをインストールする必要があります: Androguard git clone https://github.com/androguard/androguard; cd androguard; sudo python setup.py install PyCrypto easyinstall pycrypto pyelftools easyinstall pyelftools yara...

engine

Droidefense Engine 高度なAndroidマルウェア解析フレームワーク 最新リリース ダウンロード Droidefenseとは Droidefense （元々のコードネームはatom: a nalysis t hrough o bservation m achine）は、Androidアプリ/マルウェアの解析・リバースエンジニアリングツールのコードネームです。セキュリティ上の問題や、マルウェア研究者が日常的に直面するトリックに焦点を当てて構築されました。マルウェアにアンチ解析...

avpass

AVPASS AVPASS is a tool for leaking the detection model of Android malware detection systems i.e., antivirus software, and bypassing their detection logics by using the leaked information coupled with APK obfuscation techniques. AVPASS is not limited to detection features used by detection system...

avpass

AVPASS AVPASSは、Androidマルウェア検出システム（すなわち、アンチウイルスソフトウェア）の検出モデルを漏洩し、漏洩した情報とAPK難読化技術を組み合わせてその検出ロジックを回避するためのツールです。AVPASSは検出システムが使用する検出特徴に限定されず、検出ルールも推論できるため、APKバイナリを自動的に変換することで、あらゆるAndroidマルウェアを良性アプリケーションに偽装できます。変換中のアプリケーションロジックの漏洩を防ぐために、AVPASSはImitation...

DroidDetective

🕵️ Androidアプリ向けの機械学習マルウェア分析フレームワーク。 ☢️ DroidDetectiveは、Androidアプリケーション（APK）の潜在的なマルウェア関連の動作や構成を分析するためのPythonツールです。アプリケーション（APKファイル）へのパスを指定すると、Droid Detectiveは機械学習モデルを使用して、アプリケーションが悪意があるかどうかの予測を行います。Droid Detectiveの特徴と利点は以下の通りです。 アプリケーションの AndroidManifest.xml ファイルで指定されている約330のパーミッションを分析します。 🙅...

cuckoo-droid

CuckooDroid - 自動化されたAndroidマルウェア解析。 Check Point Software Technologies LTD. より提供。 CuckooDroidは、疑わしいファイルの解析を自動化するオープンソースソフトウェアCuckoo Sandboxの拡張であり、CuckooにAndroidアプリケーションの実行と解析機能をもたらします。 インストール - 簡単な統合スクリプト: root@kitploit: git config --global user.email "[email protected]" git config --global...

silverboxcc

对名为 Red Alert V2.0 的安卓恶意软件进行了逆向工程。 分析时，已没有任何 C2 服务器在运行，因此我们无法观察到恶意软件与 C2 服务器之间的任何流量。 于是我们弄明白了 C2 协议，并编写了这个控制面板。 可以使用 iptables 重定向来自设备的 Bot 流量，使所有 Bot 通信都发送到我们的 C2 服务器。 root@kitploit: iptables -t nat -A OUTPUT -p tcp --dport -j DNAT --to-destination : 观看实际运行效果...

BIDO

BIDO 本代码属于“BIDO：一种应对图像型恶意软件检测中混淆与概念漂移挑战的统一方法”。 作者 作者：Junhui Li1, Chengbin Feng2, Zhiwei Yang1, Qi Mo1 和 Wei Wang1。 机构 机构1：软件学院，云南大学，昆明，云南 650091，中国。 机构2：信息系统学院，新南威尔士大学，悉尼，新南威尔士州 2052，澳大利亚。 数据集可用性 由于数据集规模较大，我们通过云存储提供公开访问，并在本仓库中提供详细的使用说明。 云存储 完整的 Data-Ideal 和 Data-Obfu 数据集托管在...

Manic Android Malware Exfiltrates Data From Offline Phones via Nearby Infected Devices

A new Android threat codenamed Manic has been observed actively targeting Ukrainian banks, government and identity services, and messaging applications, as well as Russian and European financial institutions, global fintech and cryptocurrency services, and military-focused communications. "Manic...

ShielDroid: A Hybrid Approach Integrating Machine and Deep Learning for Android Malware Detection

The rapid advancement of modern technology has led to a significant increase in the use of smart devices, such as smartphones and tablets, resulting in the widespread adoption of mobile applications. Although applications are required to undergo malware screening before being published on officia...

DroidBreaker: Practical and Functional Problem-Space Attacks on Machine-Learning Android Malware Detectors

Adversarial APKs are Android applications modified in the problem space to evade machine-learning malware detectors. In this work, we first show that, despite claims, existing problem-space attacks remain largely impractical. Most techniques leverage software transplantation to inject entire beni...

The Sound of Malware: A Memory Forensics Approach for Android Malware Analysis Via Audio Signals

Android malware analysis is currently facing increasing challenges in achieving robust classification and detecting stealth attacks. Modern threats employ advanced evasion strategies such as code obfuscation, dynamic loading, packing, and even steganographic manipulation of traditional static and...

Don't Trust Us: A Privacy-By-Design Android Malware Detection Pipeline

Android malware detection increasingly relies on collecting and processing sensitive user data, including device identifiers, network artifacts, and runtime traces, while privacy is too often treated as a secondary concern. Existing privacy-aware approaches typically enforce privacy after data...

Adversarial Vulnerability under Temporal Concept Drift: A Longitudinal Study of Android Malware Detection

We present a longitudinal, drift-aware evaluation of adversarial robustness across more than a decade of Android applications using static and dynamic feature representations extracted from emulator and real-device executions. The dataset is organized into yearly slices and evaluated under three...