Skip to content
KitploitKITPLOIT
StrumentiExploitsBlog
Log in
Invia
StrumentiExploitsBlog
Invia

Strumenti di Hacking, PenTest e Cybersecurity per il tuo Arsenale di Sicurezza!

Kitploit è una directory di strumenti di hacking, cybersecurity e pentesting. Scopri gli ultimi aggiornamenti dei progetti per trovare vulnerabilità, analizzare sistemi, automatizzare i test e rafforzare la tua sicurezza.

FeedContattoPrivacy© 2026 Kitploit

Directory degli strumenti

Categorie

Vedi tutte le categorie
Loading categories
ASC — Front-end di decompilazione APK Android veloce che interroga direttamente gli artefatti DEX compilati, estraendo classi e riferimenti incrociati in millisecondi senza pre-elaborazione. | Kitploit
Strumenti/GitHubGitHub/mg1937/asc
Sicurezza AndroidAnalisi StaticaAnalisi del CodiceAnalisi Dinamica del Codice (DAST)Pentesting di App MobiliReverse EngineeringSicurezza MobileUtilità e FrameworkAnalisi di Binari
GitHubmg1937/asc

ASC

2.7k39218419 giorni faRevisionato da Kitploit
Condividi

Front-end di decompilazione APK Android veloce che interroga direttamente gli artefatti DEX compilati, estraendo classi e riferimenti incrociati in millisecondi senza pre-elaborazione.

Vedi Repository

Droid ASC: l'ottimizzazione del compilatore R8 come primitiva di decompilazione

Versione Rust: Questo progetto è stato riscritto 1:1 in Rust come rust_ASC. La versione Rust è 10× più veloce e supporta la decompilazione completa degli APK: con 16 thread, decompila un APK da 383 MB in soli 4 secondi.

Se il tuo flusso di lavoro è scritto in Python, puoi continuare a integrare questo progetto; rimane il decompilatore Android per Python più veloce disponibile. Se hai bisogno solo di un binario, utilizza rust_ASC.

ASC e rust_ASC saranno mantenuti in parallelo, così gli utenti potranno scegliere lo stile di integrazione più adatto al proprio flusso di lavoro.

https://blackhat.com/europe/arsenal/schedule/index.html#droid-asc-r8-compiler-optimization-as-a-decompiler-primitive-54834

Quando si decompilano APK Android di grandi dimensioni, la procedura standard è aspettare. Aspettiamo che gli strumenti consumino gigabyte di RAM, espandano completamente gli artefatti e impieghino decine di minuti per costruire pesanti indici globali e riferimenti incrociati... Tutto questo solo per garantire in seguito ricerche rapide nel codice, ma ecco la contraddizione. Un artefatto compilato è già altamente strutturato, i decompilatori moderni non sfruttano mai questo aspetto, sprecano enormi quantità di tempo e memoria ricostruendo un database gonfiato di relazioni tra il codice su dati già strutturati. Questo approccio ingegneristico sfida il buon senso. Quando posso estrarre direttamente qualsiasi relazione tra il codice dall'APK in millisecondi, questa preelaborazione conserva ancora un qualche valore?

Invece di forzare i decompilatori in una pesante preelaborazione, scegliamo di interrogare direttamente l'artefatto compilato come un database. Abbiamo costruito un motore stateless e a overhead zero che estrae e cerca il codice su richiesta in millisecondi. In questa presentazione esploreremo l'ingegneria sottostante necessaria per aggirare i colli di bottiglia tradizionali. Dimostreremo come abbandonare l'espansione completa sondando direttamente all'interno del bitstream Deflate, costruendo dense tabelle di lookup Huffman per estrarre i metadati principali senza toccare blocchi di dati irrilevanti. Inoltre, spiegheremo i dettagli di ottimizzazione del compilatore R8, in particolare come la rilocazione deterministica delle costanti e la deduplicazione delle istruzioni lascino dietro di sé layout fisici altamente concentrati; sfruttiamo questo comportamento del compilatore per eseguire ricerche incrociate tra DEX fulminee. Per mappare questi offset di bytecode grezzi alle rispettive funzioni, abbiamo progettato una primitiva di localizzazione delle istruzioni O(1), ottenendo una risoluzione delle funzioni a tempo costante senza costruire pesanti tabelle di mappatura. Infine, una volta raggiunto un obiettivo, Droid ASC estrae solo i bytecode specifici e le loro dipendenze, ricostruendo dinamicamente un DEX minimale e autoconsistente interamente in memoria per una decompilazione istantanea.

Dimostreremo questa architettura dal vivo su un APK commerciale da 352MB. Droid ASC esegue ricerche globali di riferimenti incrociati in 1,79 secondi e decompila le classi target in 177 millisecondi usando solo 141MB di RAM. Trattando l'artefatto come un database di sola lettura e operando con zero preelaborazione, riportiamo il decompilatore alla sua essenza fondamentale. Non è più uno strumento di indicizzazione gonfio, ma un motore di decompilazione fulmineo e on demand che ridefinisce radicalmente il modo in cui analizziamo il codice compilato.

Benchmark

Benchmark

https://github.com/user-attachments/assets/4c4a6813-8561-490c-a573-ef113da861b6

Valori assoluti grezzi, misurati con 10 thread su quattro APK target di dimensioni crescenti:

Ricerca globale di xref sulle stringhe

StrumentoTelegramX (59MB)WhatsApp (130MB)Grab (228MB)Lark (352MB)
ASC322ms418ms806ms1.597s
JADX20s32s2m14s8m2s

ASC è da 62x a 302x più veloce di JADX per la ricerca globale di xref sulle stringhe.

Decompilazione di una singola classe

StrumentoTelegramX (59MB)WhatsApp (130MB)Grab (228MB)Lark (352MB)
ASC157ms141ms165ms303ms
JADX6s15s37s1m32s

ASC è da 38x a 304x più veloce di JADX per la decompilazione di una singola classe.

Utilizzo di memoria della CLI

StrumentoTelegramX (59MB)WhatsApp (130MB)Grab (228MB)Lark (352MB)
ASC36MB36MB58MB141MB
JADX1.016MB2,1GB7,1GB13,2GB

ASC utilizza da 28x a 125x meno memoria rispetto a JADX per l'operazione da CLI.

Utilizzo della cache su disco

StrumentoTelegramX (59MB)WhatsApp (130MB)Grab (228MB)Lark (352MB)
ASC0MB0MB0MB0MB
JADX119MB30MB127MB322MB

ASC rimane interamente in memoria con zero cache su disco, mentre JADX scrive fino a 322MB.

Nota: JADX esaurisce la memoria sul target più grande (Lark) durante la ricerca globale (~49% analizzato), mentre ASC completa ogni target.

Come mostra il benchmark, ASC è 62x più veloce di JADX su APK da ~50MB, e 302x più veloce su APK da ~300MB, con un'impronta di memoria minima. Gli agenti possono abbinarsi ad ASC per analizzare dozzine o persino centinaia di APK contemporaneamente, anche su macchine deboli. Il JADX MCP ha maggiori difficoltà in questo caso: JADX da solo utilizza diversi GB solo per il precaricamento, il che rende impraticabile il passaggio tra centinaia di APK.

Installazione

# from PyPI
pip install droidasc

# or from source
pip install .

Dopo l'installazione, il comando CLI droidasc è disponibile globalmente:

usage: droidasc [-h] {getclass,disassemble,listclass,getmanifest,findrefs} ...

ASC tooling entry (v0.1.2.post1).

positional arguments:
  {getclass,disassemble,listclass,getmanifest,findrefs}
    getclass            Locate the target class in APK, extract one DEX in
                        memory, then decompile.
    disassemble         Extract a class, rebuild a small DEX, then disassemble
                        it with dadguard.
    listclass           List classes across all DEX entries; use --prefix to
                        filter by package/class prefix.
    getmanifest         Decode AndroidManifest.xml from APK and print it as
                        XML.
    findrefs            Find code references for string/type/method/field
                        across all DEX entries in APK.

options:
  -h, --help            show this help message and exit
Scarica lo strumento

Più Popolari

Vedi tutti →

Scopri gli strumenti più utilizzati dalla nostra community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Il toolkit OSINT definitivo: grafo di indagine, punteggio di affidabilità, famiglie di alias, mappa, timeline e report. 49 moduli, oltre 400 siti, nessuna chiave API richiesta.

    772
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # App di esecuzione con un tocco GhostLock (CVE-2026-43499)

    505
  • 3

    ARTEX

    baarai/artex

    Piattaforma di penetration testing autonoma multi-agente basata su LLM con agenti planner/worker, grafi di asset e di esplorazione, registrazione del traffico MITM e retesting delle vulnerabilità.

    420
  • 4

    redforge

    cybersecurity91/redforge

    Toolkit red team lato browser con 102 strumenti offline per ricognizione, generazione di payload, attacchi alle credenziali, crittografia, codifica e reportistica dell'engagement.

    345
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Il sistema d'azione per la cybersecurity nativa AI—dove l'intento diventa esecuzione governata, le evidenze diventano memoria operativa, e ogni operazione migliora la successiva.

    260
  • 6

    antifox

    antifox-ai/antifox

    Piattaforma multi-agente di penetration testing autonoma basata sull'IA che esegue ricognizione, scoperta della superficie d'attacco, validazione dello sfruttamento e consegna di report supportati da evidenze.

    251

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →