爬虫利器Frida RPC入门——夜神模拟器环境篇
Frida是一款轻量级HOOK框架,可用于多平台上,例如android、windows、ios等。
- frida分为两部分,服务端运行在目标机上,通过注入进程的方式来实现劫持应用函数,另一部分运行在系统机器上。
- frida上层接口支持js、python、c等。
- Frida官方github地址为:frida官方github地址
1. 环境构成
1.1. 基础环境
- Java环境
- Python环境
python3.x,推荐3.7以上。 - 手机开发调试环境
ADB(Android Debug Bridge)是Android开发和测试过程中不可或缺的工具,它允许开发者和用户通过电脑与Android设备进行通信。
1.2. 模拟器
在安卓手机应用开发和游戏测试领域,模拟器扮演着不可或缺的角色。它们不仅为开发者提供了一个便捷的平台来测试应用,还允许游戏玩家在电脑上享受手机游戏,而不受电池或移动设备性能的限制。以下是市场上几款常用的安卓模拟器,以及它们的一些主要特点:
- MuMu模拟器:MuMu模拟器由网易推出,支持Windows和Mac平台。它基于Android 6.0.1内核,提供相对稳定的环境,适配市面上99%的主流手游和应用。MuMu模拟器的另一款产品MuMu手游助手,使用网易自研的星云引擎和Android 7.1内核,提供更强的拓展性和更好的游戏体验。
- BlueStacks蓝叠:蓝叠是一款在全球范围内广受欢迎的安卓模拟器,以其良好的兼容性和稳定性著称。支持直到Android 7.1.2的版本,适合游戏应用的开发和测试。同时,蓝叠也因其优秀的游戏体验而受到许多玩家的喜爱。
- 夜神Nox模拟器:夜神模拟器支持Windows和Mac平台,提供了全面的优化,确保游戏和应用运行稳定流畅。它支持Android 5.1/7.1/9.0等多个版本,且默认会自动连接ADB,方便开发者进行应用调试。
- Genymotion:这是一款面向开发者的高性能安卓模拟器,支持Mac、Windows及Linux操作系统。Genymotion基于x86和VirtualBox,支持OpenGL加速,可以模拟多种Android系统版本和设备类型,非常适合开发者进行应用测试。
- 逍遥安卓模拟器:MEmu是一个免费的安卓模拟器,专注于Windows平台。它使用了全新的引擎,性能更强,支持多开挂机,节省资源。支持直到Android 7.1的版本,适合游戏和应用的开发测试。
1.3. Frida
2. 安装部署夜神模拟器
2.1. 安装
首先下载夜神模拟器,然后双击打开.exe安装包。
下载地址:https://www.yeshen.com/
在“多开管理”中,选中自己需要的安卓版本,例如本列中所用的Android 9.0。
2.2 模拟手机GPS定位
注:好像不好使!例如接下来使用高德地图,没有定位。
2.3. 设置开发者模式
打开:工具->设置->系统->关于平板电脑,如下图所示。
注:工具是主界面中的工具,如上图所示。
连续点击“版本号“位置(如图所示),进入开发者状态。
退回上一步,则可以看到”开发者选项“。
打开USB调试模式。
2.4. ADB
夜神模拟器自带的ADB工具,即nox_adb.exe
,是用于与模拟器进行通信和操作的一个实用程序。以下是具体如何使用夜神模拟器的自带ADB的步骤:
- 找到ADB工具:安装夜神模拟器后,可以通过鼠标右键点击电脑桌面的“夜神模拟器”启动图标,选择“打开文件所在的位置”,进入对应的
Nox\bin
目录,在这里可以找到nox_adb.exe
。 - 配置环境:确保你的系统环境变量中包含了夜神模拟器的bin目录,这样你就可以在任何命令行窗口中使用
nox_adb
命令。 - 开启开发者模式:在夜神模拟器中启用USB调试功能。这通常在模拟器的设置中的“开发者选项”里。如果没有看到开发者选项,尝试在关于模拟器的页面中连续点击版本号以激活它。
- 连接模拟器:通过命令提示符(cmd)或PowerShell进入夜神模拟器的bin目录。例如,如果你的夜神模拟器安装在D盘的
D:\Program Files\Nox\bin
目录下,可以在资源管理器地址栏输入cmd
并回车,或者直接在该目录下按住Shift并单击鼠标右键选择“在此处打开命令窗口(W)”[4]。 - 使用ADB命令:在命令行窗口中,可以使用
nox_adb.exe
来执行各种ADB命令。例如,要查看已连接的设备,可以运行nox_adb devices
。如果启动了多个模拟器实例,它们将按端口号列出。若要指定连接到某个模拟器,可以使用nox_adb -s 127.0.0.1:端口号
的命令格式。例如,如果要连接到端口号为62001的模拟器,则输入nox_adb devices
。 - 多开模拟器操作:如果有多个夜神模拟器实例在运行,需要指定要操作的模拟器实例。你可以通过之前提到的端口号来实现这一点,如
nox_adb -s 127.0.0.1:62025
针对第二个实例进行操作。
Nox\bin(说明:这是你的夜神模拟器安装路径)
D:\Program Files\Nox\bin>nox_adb devices
List of devices attached
127.0.0.1:62025 device
注,网上常见端口是62001,一般是默认的Android7的系统,我在这里换上了Android9,对应的端口也就变了。
D:\Program Files\Nox\bin>nox_adb connect 127.0.0.1:62025
already connected to 127.0.0.1:62025
查看设备列表:
PS D:\Program Files\Nox> adb devices -l
List of devices attached
127.0.0.1:62025 device product:d2que model:SM_N976N device:d2q
3. Frida安装
首先,安装python3.7并配置好环境变量(官方推荐python3以上版本至少为3.7),python安装包官方下载地址:https://www.python.org/downloads/。
3.1. 安装frida客户端模块
命令为pip install frida(配置了多个python版本环境的可以使用命令python -m pip install frida防止用pip install frida命令报错)。
官方说明文档,https://frida.re/docs/home/
3.2. 安装frida-server
首先,从我们的发布页面下载最新的frida-server for Android并解压它。
例如下载文件为frida-server-16.2.5-android-x86_64.xz
,解压后为单独文件frida-server-16.2.5-android-x86_64
,修改文件名为frida-server
。
接着,我们需要连接Android设备到计算机,并使用adb将Frida Server推送到设备上:
D:\Program Files\Nox\bin>adb push D:\01workspace\12amap\frida-server /data/local/tmp
[100%] /data/local/tmp/frida-serverD:\Program Files\Nox\bin>adb shell
d2q:/ # cd /data/local/tmp
d2q:/data/local/tmp # chmod 755 /data/local/tmp/frida-server
以root权限启动frida-server:
d2q:/data/local/tmp # ./frida-server
新开一个命令行输入命令adb shell procrank
查看手机进程,如果出现以下结果,则frida安装成功。
或者:新开一个命令行输入命令frida-ps -U
查看手机进程,如果出现以下结果,则frida安装成功。
相关文章:

爬虫利器Frida RPC入门——夜神模拟器环境篇
Frida是一款轻量级HOOK框架,可用于多平台上,例如android、windows、ios等。 frida分为两部分,服务端运行在目标机上,通过注入进程的方式来实现劫持应用函数,另一部分运行在系统机器上。frida上层接口支持js、python、…...

猫狗分类识别模型建立①数据标记
一、labelImg库说明 LabelImg是一款非常流行的图像标注工具,广泛用于机器学习和计算机视觉领域。以下是关于LabelImg的详细介绍: 主要功能和特点 1.图像标注 允许用户在图像中标注物体,选择特定区域,并为这些区域添加标签或类…...
FME学习之旅---day28
我们付出一些成本,时间的或者其他,最终总能收获一些什么。 教程:CSV 入门...
vue3项目中字典和全局方法的创建与使用
在src下新建dict.ts/js,写入下面代码 import { App, Plugin } from vue;interface Dict {auditgrouptypeList: { label: string; value: string }[];auditstateList: { label: string; value: string }[];accountchangeList: { label: string; value: number }[]; }const Dict…...

51-54 Sora能制作动作大片还需要一段时间 | DrivingGaussian:周围动态自动驾驶场景的复合高斯飞溅
24年3月,北大、谷歌和加州大学共同发布了DrivingGaussian: Composite Gaussian Splatting for Surrounding Dynamic Autonomous Driving Scenes。视图合成和可控模拟可以生成自动驾驶的极端场景Corner Case,这些安全关键情况有助于以更低成本验证和增强自…...

数据挖掘实战-基于余弦相似度的印度美食推荐系统
🤵♂️ 个人主页:艾派森的个人主页 ✍🏻作者简介:Python学习者 🐋 希望大家多多支持,我们一起进步!😄 如果文章对你有帮助的话, 欢迎评论 💬点赞Ǵ…...
深入探索DreamFusion:文本到3D生成的革命性技术
深入探索DreamFusion:文本到3D生成的革命性技术 引言: 在人工智能和计算机视觉领域,DreamFusion无疑是一个引人注目的新星。这项技术,基于Google提出的深度学习模型,将自然语言与三维内容生成紧密结合,开…...

JSP期末要点复习
一、JSP工作原理 1.客户端请求JSP页面:用户通过浏览器发送一个请求到服务器,请求一个特定的JSP页面。这个请求被服务器上的Web容器(如Apache Tomcat)接收。 2.JSP转换为Servlet:当JSP页面第一次被请求时࿰…...
AJAX(JavaScript版本)
目录 一.AJAX简介 二.XMLHttpRequests对象 2.1XMLHttpRequests对象简介 2.2创建XMLHttpRequests对象 2.3定义回调函数 2.4发送请求 2.5XMLHttpRequests对象方法介绍 2.6XMLHttpRequests对象属性 三.向服务器发送请求 3.1发送请求 3.2使用GET还是POST 3.3使用GET来发…...

框架学习之SpringMVC学习笔记(一)
一、SpringMVC简介 1-介绍 Spring Web MVC是基于Servlet API构建的原始Web框架,从一开始就包含在Spring Framework中。正式名称“Spring Web MVC”来自其源模块的名称( spring-webmvc ),但它通常被称为“Spring MVC”。 在控制层…...

数据集005:螺丝螺母目标检测数据集(含数据集下载链接)
数据集简介 背景干净的目标检测数据集。 里面仅仅包含螺丝和螺母两种类别的目标,背景为干净的培养皿。图片数量约420张,train.txt 文件描述每个图片中的目标,label_list 文件描述类别 另附一个验证集合,有10张图片,e…...

Swift 类和结构体
类和结构体 一、结构体和类对比1、类型定义的语法2、结构体和类的实例3、属性访问4、结构体类型的成员逐一构造器 二、结构体和枚举是值类型三、类是引用类型1、恒等运算符2、指针 结构体和类作为一种通用而又灵活的结构,成为了人们构建代码的基础。你可以使用定义常…...
网络安全相关面试题(hw)
网络安全面试题 报错注入有哪些函数 updatexml注入 载荷注入 insert注入 updata注入 delete注入 extractvalue()注入 注入防御方法 涵数过滤 直接下载相关防范注入文件,通过incloud包含放在网站配置文件里面 PDO预处理,从PHP 5.1开始&…...

前端开发攻略---三种方法解决Vue3图片动态引入问题
目录 1、将图片放入public文件夹中 2、使用 /src/.... 路径开头 3、生成图片的完整URL地址(推荐) 1、将图片放入public文件夹中 使用图片:路径为 /public 开头 <template><div><img :src"/public/${flag ? 01 : 02}.jp…...

零售EDI:Target DVS EDI项目案例
Target塔吉特是美国一家巨型折扣零售百货集团,与全球供应商建立长远深入的合作关系,目前国内越来越多的零售产品供应商计划入驻Target。完成入驻资格审查之后,Target会向供应商提出EDI对接邀请,企业需要根据指示完成供应商EDI信息…...
AWS安全性身份和合规性之AWS Firewall Manager
AWS Firewall Manager是一项安全管理服务,可让您在AWS Organizations中跨账户和应用程序集中配置和管理防火墙规则。在创建新应用程序时,您可以借助Firewall Manager实施一套通用的安全规则,更轻松地让新应用程序和资源从一开始就达到合规要求…...

R实验 随机变量及其分布
实验目的: 掌握常见几种离散性随机变量及其分布在R语言中对应的函数用法;掌握常见几种连续性随机变量及其分布在R语言中对应的函数用法;掌握统计量的定义及统计三大抽样分布在R语言中对应的函数用法。 实验内容: (习题…...

rapidssl泛域名https600元一年
泛域名https证书也可以称之为通配符https证书,指的是可以用一张https证书为多个网站(主域名以及主域名下的所有子域名网站)传输数据加密,并且提供身份认证服务的数字证书产品。RapidSSL旗下的泛域名https证书性价比高,申请速度快,…...

月薪5万是怎样谈的?
知识星球(星球名:芯片制造与封测技术社区,星球号:63559049)里的学员问:目前是晶圆厂的PE,但是想跳槽谈了几次薪水,都没法有大幅度的增长,该怎么办?“学得文武…...

linux下宝塔负载100%解决方法
今天发现服务器宝塔面板负载居然是100% 但是cpu 和内存其实并不高 通过命令查看主机 uptime 中load average 居然高达18.23 看来负载是真的高了 通过vmstat 看看具体问题 procs: r 表示运行和等待CPU时间片的进程数,这个值如果长期大于系统CPU个数…...

7.4.分块查找
一.分块查找的算法思想: 1.实例: 以上述图片的顺序表为例, 该顺序表的数据元素从整体来看是乱序的,但如果把这些数据元素分成一块一块的小区间, 第一个区间[0,1]索引上的数据元素都是小于等于10的, 第二…...

简易版抽奖活动的设计技术方案
1.前言 本技术方案旨在设计一套完整且可靠的抽奖活动逻辑,确保抽奖活动能够公平、公正、公开地进行,同时满足高并发访问、数据安全存储与高效处理等需求,为用户提供流畅的抽奖体验,助力业务顺利开展。本方案将涵盖抽奖活动的整体架构设计、核心流程逻辑、关键功能实现以及…...

iPhone密码忘记了办?iPhoneUnlocker,iPhone解锁工具Aiseesoft iPhone Unlocker 高级注册版分享
平时用 iPhone 的时候,难免会碰到解锁的麻烦事。比如密码忘了、人脸识别 / 指纹识别突然不灵,或者买了二手 iPhone 却被原来的 iCloud 账号锁住,这时候就需要靠谱的解锁工具来帮忙了。Aiseesoft iPhone Unlocker 就是专门解决这些问题的软件&…...

【机器视觉】单目测距——运动结构恢复
ps:图是随便找的,为了凑个封面 前言 在前面对光流法进行进一步改进,希望将2D光流推广至3D场景流时,发现2D转3D过程中存在尺度歧义问题,需要补全摄像头拍摄图像中缺失的深度信息,否则解空间不收敛…...
MVC 数据库
MVC 数据库 引言 在软件开发领域,Model-View-Controller(MVC)是一种流行的软件架构模式,它将应用程序分为三个核心组件:模型(Model)、视图(View)和控制器(Controller)。这种模式有助于提高代码的可维护性和可扩展性。本文将深入探讨MVC架构与数据库之间的关系,以…...
在四层代理中还原真实客户端ngx_stream_realip_module
一、模块原理与价值 PROXY Protocol 回溯 第三方负载均衡(如 HAProxy、AWS NLB、阿里 SLB)发起上游连接时,将真实客户端 IP/Port 写入 PROXY Protocol v1/v2 头。Stream 层接收到头部后,ngx_stream_realip_module 从中提取原始信息…...
数据库分批入库
今天在工作中,遇到一个问题,就是分批查询的时候,由于批次过大导致出现了一些问题,一下是问题描述和解决方案: 示例: // 假设已有数据列表 dataList 和 PreparedStatement pstmt int batchSize 1000; // …...
MySQL用户和授权
开放MySQL白名单 可以通过iptables-save命令确认对应客户端ip是否可以访问MySQL服务: test: # iptables-save | grep 3306 -A mp_srv_whitelist -s 172.16.14.102/32 -p tcp -m tcp --dport 3306 -j ACCEPT -A mp_srv_whitelist -s 172.16.4.16/32 -p tcp -m tcp -…...
稳定币的深度剖析与展望
一、引言 在当今数字化浪潮席卷全球的时代,加密货币作为一种新兴的金融现象,正以前所未有的速度改变着我们对传统货币和金融体系的认知。然而,加密货币市场的高度波动性却成为了其广泛应用和普及的一大障碍。在这样的背景下,稳定…...
大语言模型(LLM)中的KV缓存压缩与动态稀疏注意力机制设计
随着大语言模型(LLM)参数规模的增长,推理阶段的内存占用和计算复杂度成为核心挑战。传统注意力机制的计算复杂度随序列长度呈二次方增长,而KV缓存的内存消耗可能高达数十GB(例如Llama2-7B处理100K token时需50GB内存&a…...