-
-
[原创]尝试构建 LLM + 静态分析审计流水线，60s 自动化定位 Android Native 漏洞
-
发表于: 2026-3-29 15:51
-
一、 背景
最近一直在思考如何利用大语言模型的语义理解能力，配合静态分析工具（如反编译、CFG 提取）来加速 Android Native 层（JNI/NDK）的漏洞审计。
目前的痛点在于：JNI 跨语言调用链追踪非常繁琐，且 Native 层的内存操作逻辑在反汇编后阅读压力巨大。我尝试构建了一套自动化流水线，核心思路是：“自动化提取 JNI 语义 + 跨层数据流摘要 + LLM 逻辑判定”。
二、 实测案例：Google CTF 2021 Tridroid
拿 Google CTF 2021 的经典 Pwn 题 Tridroid 做了个黑盒测试（无符号表、直接跑 Release APK）。
流水线分析耗时：约 1分钟。
以下是框架自动生成的分析日志摘要（原始输出，未做人工修改）：
三、 演示视频 (2K高清)
为了验证分析过程的真实性（非 Hardcode），录制了一段从 APK 下载到产出报告的全流程 Demo。
文件大小： 11MB
最后于 2026-3-29 16:33
被mb_lwbtipdx编辑
，原因：
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
