yuvrajSingh-rajput/andro-mal
GitHub: yuvrajSingh-rajput/andro-mal
一个基于静态与动态双阶段管道的Android恶意软件检测平台，解决零日威胁识别与企业级分析效率问题。
Stars: 0 | Forks: 0
# Android Malware Detection Platform
[](https://www.python.org/downloads/release/python-3110/)
[](https://reactjs.org/)
[](https://fastapi.tiangolo.com/)
一个高性能、容器化的企业级仪表板，用于对 Android `.apk` 文件进行**混合静态与动态分析**。基于在 CIC-AndMal-2020 数据集上训练的机器学习管道，构建用于预测零日 Android 恶意软件，并具备深度统计置信度。
## ⚡ 架构
该系统采用高度分离的分立架构，在进行重型机器学习推理时实现最大性能隔离。
1. **前端（Vite / React 18）：** 提供美观流畅的界面，支持 `.apk` 文件的拖放上传、实时可视化轮询、遥测数据读取以及概率仪表盘。
2. **后端（FastAPI / Scikit-Learn）：** 无头重型计算引擎，负责解析二进制文件、通过 `Androguard` 剥离 Dalvik 操作码，并将矩阵投影至高维 XGBoost 异常分类器。
3. **动态沙箱（Android Emulator / Frida）：** 自动启动 Android 虚拟机以在执行阶段对恶意软件的系统调用进行行为挂钩。
## 🚀 快速启动（生产环境部署）
启动基础设施的绝对推荐方式是通过标准 Docker Desktop 容器化绑定。
```
# 1. Clone the repository utilizing Git LFS for the massive ML parameters
git clone https://github.com/your-username/andromal.git
# 2. Enter workspace
cd andromal
# 3. Boot the unified cluster daemon natively across port 8000 & 80
docker-compose up --build -d
```
React 前端将立即在标准 `http://localhost` 上可访问，并通过隧道严格转发请求，显式限定于内部网络域至 `http://localhost:8000` 的 FastAPI 引擎！
## ☁️ 部署规范
`.pkl` 文件包含序列化的 AST，用于定义机器学习结构。这些文件总大小通常达到数百兆字节。
- 如果直接在分支上操作，**必须**使用 `Git LFS`（`git lfs install / track`）。
- 标准部署使用 **Render**（通过我们提供的 Dockerfile）直接连接到动态分配的 `$PORT` 钩子所指向的后端根结构。
## 🛡 免责声明
本应用程序严格仅用于网络安全研究、逆向工程分析与启发式分类环境。请勿对您未获得明确许可进行测试或执行的 `.apk` 分发进行逆向工程。
标签：Androguard, Android 威胁情报, Android 恶意软件检测, Apex, API 调用, APK 分析, AV绕过, CIC-AndMal-2020, Dalvik 指令剥离, Docker, FastAPI, Intent 分析, LSASS转储, NIDS, React, Syscalls, Vite, XGBoost, 云安全监控, 企业级仪表盘, 分流架构, 安全防御评估, 容器化, 恶意软件家族识别, 机器学习, 权限监控, 模拟器行为监控, 混合分析, 生产就绪, 行为钩子, 请求拦截, 运行时信号, 逆向工具, 零日威胁检测, 静态分析