[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

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。视频链接 (蓝奏云)： 9e0K9s2c8@1M7s2y4Q4x3@1q4Q4x3V1k6Q4x3V1k6%4N6$3u0E0L8q4)9J5k6h3I4S2L8Y4A6G2N6h3#2Q4x3X3g2U0L8$3#2Q4x3V1k6A6f1p5y4j5x3e0y4D9N6i4S2^5K9h3Z5`.文件大小： 11MB


回复或点赞可查看完整内容

---
来源: 看雪论坛
原文链接: https://bbs.kanxue.com/thread-290561.htm

看看

看看

看看

看看

真强

看看

收藏一下

kankan

开源吗?