Skip to content
KitploitKITPLOIT
HerramientasExploitsBlog
Log in
Enviar
HerramientasExploitsBlog
Enviar

¡Herramientas de Hacking, PenTest y Ciberseguridad para tu Arsenal de Seguridad!

Kitploit es un directorio de herramientas de hacking, ciberseguridad y pentesting. Descubre las últimas actualizaciones de proyectos para encontrar vulnerabilidades, analizar sistemas, automatizar pruebas y fortalecer tu seguridad.

FeedsContactoPrivacidad© 2026 Kitploit

Directorio de Herramientas

Categorías

Ver todas las categorías
Loading categories
DroidDetective — Un marco de análisis de malware basado en aprendizaje automático para aplicaciones Android. | Kitploit
Herramientas/GitHubGitHub/user1342/droiddetective
Seguridad AndroidAnálisis EstáticoAnálisis de MalwareAprendizaje Automático
GitHubuser1342/droiddetective

DroidDetective

Un marco de análisis de malware basado en aprendizaje automático para aplicaciones Android.

Ver Repositorio
1412249hace 2 añosRevisado por Kitploit
Compartir

🕵️ Un framework de análisis de malware para aplicaciones Android basado en machine learning. ☢️


DroidDetective es una herramienta Python para analizar aplicaciones Android (APKs) en busca de comportamientos y configuraciones potencialmente maliciosas. Al proporcionar una ruta a una aplicación (archivo APK), Droid Detective realizará una predicción (usando su modelo de ML) sobre si la aplicación es maliciosa. Las características y cualidades de Droid Detective incluyen:

  • Analizar cuáles de las ~330 permisos están especificados en el archivo AndroidManifest.xml de la aplicación. 🙅
  • Analizar la cantidad de permisos estándar y propietarios en uso en el archivo AndroidManifest.xml de la aplicación. 🧮
  • Usar un clasificador de machine learning RandomForest, entrenado con los datos anteriores, de aproximadamente 14 familias de malware y ~100 aplicaciones de Google Play Store. 💻

🤖 Primeros Pasos

Instalación

Todas las dependencias de DroidDetective se pueden instalar manualmente o mediante el archivo de requisitos, con

pip install -r REQUIREMENTS.txt

DroidDetective ha sido probado tanto en Windows 10 como en Ubuntu 18.0 LTS.

Uso

DroidDetective se puede ejecutar proporcionando el archivo Python con un APK como parámetro de línea de comandos, por ejemplo:

python DroidDetective.py myAndroidApp.apk

Si no hay un archivo apk_malware.model presente, la herramienta primero entrenará el modelo y requerirá un conjunto de entrenamiento de APKs tanto en una carpeta llamada malware como en otra llamada normal, ambas en la raíz del proyecto. Una vez ejecutado con éxito, se mostrará en la CLI un resultado sobre si el modelo ha identificado el APK como malicioso o benigno. Un ejemplo de esta salida se puede ver a continuación:

>> Analysed file 'com.android.camera2.apk', identified as not malware.

Se puede proporcionar un parámetro adicional a DroidDetective.py como un archivo Json para guardar los resultados. Si este archivo Json ya existe, los resultados de esta ejecución se agregarán al archivo Json.

python DroidDetective.py myAndroidApp.apk output.json

Un ejemplo de este Json de salida es el siguiente:

{
    "com.android.camera2": false,
}

⚗️ Ciencia de Datos | El Modelo de ML

DroidDetective es una herramienta Python para analizar aplicaciones Android (APKs) en busca de comportamientos potencialmente maliciosos. Esto funciona entrenando un clasificador Random Forest con información derivada tanto de APKs de malware conocidos como de APKs estándar disponibles en la tienda de aplicaciones Android. Esta herramienta viene pre-entrenada, sin embargo, el modelo puede ser re-entrenado con un nuevo conjunto de datos en cualquier momento. ⚙️

Este modelo actualmente utiliza los permisos del archivo AndroidManifest.xml de un APK como conjunto de características. Esto funciona creando un diccionario de cada permiso estándar de Android y estableciendo la característica en 1 si el permiso está presente en el APK. Del mismo modo, se añade una característica por la cantidad de permisos en uso en el manifiesto y por la cantidad de permisos no identificados encontrados en el manifiesto.

El modelo pre-entrenado se entrenó con aproximadamente 14 familias de malware (cada una con uno o más archivos APK), obtenidas del repositorio de ashisdb, y aproximadamente 100 aplicaciones normales obtenidas de Google Play Store.

A continuación se muestran las estadísticas de este modelo de ML:

Accuracy: 0.9310344827586207
Recall: 0.9166666666666666
Precision: 0.9166666666666666
F-Measure: 0.9166666666666666

Las 10 características con mayor peso (es decir, permisos de Android) utilizadas por este modelo para identificar malware se pueden ver a continuación:

"android.permission.SYSTEM_ALERT_WINDOW": 0.019091367939223395,
"android.permission.ACCESS_NETWORK_STATE": 0.021001765263234648,
"android.permission.ACCESS_WIFI_STATE": 0.02198962579120518,
"android.permission.RECEIVE_BOOT_COMPLETED": 0.026398914436102188,
"android.permission.GET_TASKS": 0.03595458598076517,
"android.permission.WAKE_LOCK": 0.03908212881520419,
"android.permission.WRITE_SMS": 0.057041576632290585,
"android.permission.INTERNET": 0.08816028225034145,
"android.permission.WRITE_EXTERNAL_STORAGE": 0.09835914154294739,
"other_permission": 0.10189463965313218,
"num_of_permissions": 0.12392224814084198

📜 Licencia

GNU General Public License v3.0

Descargar herramienta

Más Populares

Ver todos →

Descubre las herramientas más usadas por nuestra comunidad.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 El kit de herramientas OSINT definitivo: grafo de investigación, puntuación de confianza, familias de alias, mapa, línea de tiempo e informes. 49 módulos, más de 400 sitios, sin necesidad de claves API.

    491
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Aplicación de Ejecución con un Solo Toque GhostLock (CVE-2026-43499)

    462
  • 3

    opencti

    opencti-platform/opencti

    Plataforma abierta de inteligencia de amenazas cibernéticas

    345
  • 4

    ARTEX

    baarai/artex

    Plataforma de pruebas de penetración autónoma multiagente basada en LLM con agentes planificadores/trabajadores, grafos de activos y de exploración, registro de tráfico MITM y reevaluación de vulnerabilidades.

    340
  • 5

    redforge

    cybersecurity91/redforge

    Kit de herramientas de red team del lado del navegador con 102 herramientas offline para reconocimiento, generación de payloads, ataques de credenciales, criptografía, codificación y elaboración de informes de compromiso.

    306
  • 6

    estorides

    grisuno/estorides

    Agrega más de 99 fuentes OSINT gratuitas en paralelo, resuelve entidades en un grafo de conocimiento y exporta STIX 2.1, MISP o GraphML con análisis asistido por LLM.

    292

Explora todas las herramientas

Explora nuestra colección de herramientas

Ver todas las herramientas →