Apkx-Hunter v2.7.0
C-basiertes Framework für die statische Android-Analyse zur Dekompilierung, Secret-Erkennung, Endpoint-Erkennung, Berechtigungsanalyse und zum Scannen nativer Bibliotheken mit ML-gestützter Secret-Klassifizierung.
APKX-Hunter v2.7.2 — Debian-Paket 
APKX-Hunter ist ein Open-Source-Framework für statische Android-Analyse, das vollständig in C geschrieben wurde und speziell für Android-Sicherheitsbewertungen, Reverse Engineering, Malware-Analyse, OWASP-MASVS-Konformitätsprüfungen, Bug-Bounty-Jagd und Penetrationstests entwickelt wurde.
Das Framework unterstützt sowohl die Analyse einzelner Anwendungen als auch die Analyse großer Mengen von Android-Anwendungen, indem es unterstützte Android-Paketformate automatisch extrahiert und analysiert, darunter APK-, APKS-, APKM-, XAPK- und ZIP-Archive. Mit rekursivem Multi-APK-Scanning und stillem Batch-Modus ist APKX-Hunter darauf ausgelegt, große Sammlungen von Android-Anwendungen effizient zu verarbeiten und dabei saubere, organisierte und umsetzbare Ergebnisse zu liefern.
APKX-Hunter kombiniert mehrere Techniken der statischen Analyse – darunter Dekompilierung, AndroidManifest-Analyse, Berechtigungsanalyse, Erkennung exportierter Komponenten, Endpunkt-Erkennung, Erkennung hartcodierter Geheimnisse, Erkennung von Cloud-Konfigurationen, Erkennung nativer Bibliotheken und OWASP-MASVS-Sicherheitsprüfungen – um sicherheitsrelevante Informationen in Android-Anwendungen aufzudecken.
APKX-Hunter integriert außerdem eine leichtgewichtige Machine-Learning-basierte Klassifizierungs-Engine für Geheimnisse, die vollständig in C geschrieben ist und erkannte Geheimnisse automatisch nach Konfidenz und Schweregrad klassifiziert. Dies hilft Sicherheitsforschern, hochwertige Ergebnisse zu priorisieren, Fehlalarme zu reduzieren und die Schwachstellen-Triage zu beschleunigen.
Am Ende jedes Scans generiert APKX-Hunter detaillierte Scan-Statistiken, einschließlich der Anzahl gescannter APKs, analysierter Dateien, erkannter Geheimnisse, erkannter Muster und MASVS-Ergebnisse, und bietet Forschern so einen umfassenden Überblick über die gesamte Sicherheitsbewertung.
- GitHub: https://github.com/SyscallX-18113/Apkx-Hunter
- Entwickelt von: SyscallX-18113
- Version: v2.7.2
OWASP-MASVS-Scanning-Unterstützung
Apkx-Hunter enthält jetzt OWASP-MASVS-Sicherheitsscans mit 15 Kategorien und 166 Erkennungsmustern:
| # | Kategorie | Muster |
|---|---|---|
| 1 | Schwache Kryptografie | 28 |
| 2 | Zertifikats-Pinning | 13 |
| 3 | Root-Erkennung | 20 |
| 4 | Anti-Debugging | 9 |
| 5 | Anti-Manipulation | 3 |
| 6 | SharedPreferences | 8 |
| 7 | SQLite | 9 |
| 8 | Externer Speicher | 11 |
| 9 | Dynamisches Laden von Code | 10 |
| 10 | Reflexion | 9 |
| 11 | Laufzeit-Befehlsausführung | 9 |
| 12 | WebView-Sicherheit | 13 |
| 13 | Netzwerksicherheit | 10 |
| 14 | SSL-Validierung | 10 |
| 15 | Laden nativer Bibliotheken | 9 |
| GESAMT | 166 |
OWASP-Validierung
APKXHunter wurde gegen die OWASP-UnCrackable-Level-4-Anwendung getestet. Der Scan identifizierte erfolgreich mehrere Sicherheitsbefunde und demonstrierte damit die Wirksamkeit seiner OWASP-MASVS-Scan-Engine und seiner Fähigkeiten zur statischen Android-Analyse.
Funktionen
- Linux- & Debian-Integration — Natives Debian-Paket (.deb), systemweite Installation, Desktop-Anwendungsstarter, Anwendungsmenü-Integration, benutzerdefiniertes Anwendungssymbol, automatische Installation von Framework-Assets, integrierter Abhängigkeitsmanager (--install-dependencies)
- OWASP-MASVS-Unterstützung — Apkx-Hunter enthält jetzt umfassende OWASP-MASVS-Sicherheitsscans mit 14+ Kategorien und 160+ Erkennungsmustern:
- JADX-Dekompilierung — Schnelle und tiefgehende Dekompilierungsmodi
- APKTool-Dekompilierung — Vollständige APKTool-basierte Dekompilierung und Analyse
- Archiv-Extraktion — Unterstützung für APK-, APKM-, APKS-, XAPK- und ZIP-Formate
- Scanning dekompilierter Ordner — Scan beliebiger bereits dekompilierter JADX-Quellverzeichnisse
- APKTool-Ordner-Scanning — Scan beliebiger bereits dekompilierter APKTool-Verzeichnisse
- Erkennung von Geheimnissen — Entdeckung von API-Schlüsseln, Tokens, Passwörtern und eingebetteten Geheimnissen
- Endpunkt-Erkennung — Identifizierung von URLs, Endpunkten und sicherheitsrelevanten Mustern
- Analyse von Android-Berechtigungen — Analyse von Berechtigungen und exportierten Aktivitäten
- Erkennung nativer (.so)-Bibliotheken — Erkennung nativer Bibliotheken, die in der App gebündelt sind
- Datei-Inventar-Generierung — Erstellung eines vollständigen Datei-Inventarberichts
- Machine-Learning-basierte Klassifizierung von Geheimnissen (Hervorgehobene Funktion) — ML-gestützte Konfidenzbewertung für erkannte Geheimnisse zur Beschleunigung der Triage und Reduzierung von Fehlalarmen bei Geheimnisbefunden
- Rekursives Multi-APK-Scanning — Automatisches rekursives Scannen mehrerer APKs für die Analyse großer Mengen von Android-Anwendungen
- Automatische Paket-Extraktion — Automatische Extraktion und Analyse von APKs aus APKS-, APKM-, XAPK- und ZIP-Paketformaten
- Stiller Batch-Modus — Sauberere Terminalausgabe bei groß angelegten Scans bei gleichzeitiger Beibehaltung der Analyseergebnisse
- Statistiken am Scan-Ende — Anzeige einer detaillierten Scan-Zusammenfassung einschließlich gescannter APKs, analysierter Dateien, erkannter Geheimnisse, erkannter Muster und MASVS-Ergebnisse
- Erweiterte Befehlszeilenschnittstelle — Verbessertes Argument-Parsing, Eingabevalidierung und benutzerfreundliche Fehlerberichterstattung
- Verbesserte Framework-Stabilität — Verbesserte Fehlerbehandlung, Speicherverwaltung und allgemeine Framework-Zuverlässigkeit
Machine-Learning-Modell
APKXHunter verwendet einen Offline-Machine-Learning-Klassifikator. model.bin enthält nur trainierte numerische Gewichte, die zur Berechnung des Konfidenzwerts erkannter Geheimnisse verwendet werden.
Es ist NICHT ausführbar.
Es enthält keinen Code.
Es wird nur als Binärdaten geladen.
- Offline-ML-Inferenz — Die gesamte Modellinferenz läuft lokal, ohne Cloud-APIs oder Internetverbindung
- Konfidenz-Wahrscheinlichkeitsbewertung — Jedes erkannte Geheimnis erhält eine Konfidenzwahrscheinlichkeit vom trainierten Modell
Projektstatistiken
- Sprache: C
- Codebasis: 5.800+ Zeilen
- Architektur: Modular
- Plattform: Linux
Plattformunterstützung
- Linux (Unterstützt)
- Windows (Nicht unterstützt)
- macOS (Nicht unterstützt)
Leistung
Die folgenden Ergebnisse basieren auf Tests, die während der Entwicklung durchgeführt wurden.
| Metrik | Getesteter Wert |
|---|---|
| Betriebssystem | Kali Linux |
| Für Tests verwendeter RAM | 8 GB |
| CPU | Intel Core i3-2120 |
| Größtes erfolgreich dekompiliertes oder gescanntes APK | 85 MB |
| Durchschnittliche Dekompilierungszeit | ~50 - 60 Sekunden |
Systemanforderungen
Minimum:
- Linux
- 4 GB RAM
- JADX
- APKTool
- unzip
Empfohlen:
- Linux
- 8 GB RAM oder mehr
- Quad-Core-CPU
- SSD-Speicher