1.移动应用安全与风控——应用分析常用工具
2.[推理部署]👉Mac源码编译TensorFlow C++指北
移动应用安全与风控——应用分析常用工具
工欲善其事，源码必先利其器。修改b修掌握安全技术，改工首先需要扎实的源码基础，本章将介绍移动应用安全中常用的修改b修工具和基础命令。
2.1 常用工具
2.1.1 Cydia
Cydia是改工xise 12.0 箱子源码由Jay Freeman（Saurik）领导开发的，专为越狱设备提供的源码类似App Store的软件商店，用于安装非App Store接受的修改b修程序。Cydia整合了多个受信任的改工源，用户可自定义添加软件包。源码安装Cydia前需越狱设备，修改b修推荐使用爱思助手进行。改工Cydia功能包括管理软件源、源码51蓝牙小车源码软件安装、修改b修版本变更、改工已安装软件的管理与搜索。
2.1.2 Magisk
Magisk是吴泓霖开发的一套开放源代码的Android自定义工具套组，内置图形化管理界面、Root管理工具、SElinux补丁与启动时认证/dm-verity强制加密移除等功能。通过Magisk，用户可在无需修改系统文件的情况下，更改/system或/vendor分区内容。Magisk与Xposed类似，提供了模块系统，视频在线解析 源码允许开发者对系统进行修改或对所安装的软件功能进行修改。
2.1.3 EdXposed
EdXposed是适用于Android系统的Hook框架，基于Riru的ART hook框架，使用YAHFA或SandHook进行hook。支持Android 8.0至Android 系统。EdXposed提供了与原版Xposed相同的XposedBridge API，允许在高权限模式下运行的框架服务，可在不修改APP文件的情况下修改程序运行。基于EdXposed，可以制作出许多功能强大的Xposed模块。
2.1.4 Frida
Frida是一个面向开发人员、逆向工程师和安全研究人员的安卓geohash源码支持多平台的动态测试工具包。通过将JavaScript代码片段或自定义库注入到Windows、macOS、Linux、iOS、Android等应用中，Frida可以完全访问宿主程序的内存、hook函数，甚至调用本地函数。Frida还提供了基于Frida API构建的简单工具，以满足不同场景的需求。
2.1.5 Objection
Objection是基于Frida框架开发的自动化hook工具包，支持Android和iOS平台。asp登录权限源码对于不擅长代码开发但希望使用Frida进行复杂hook操作的用户，Objection是一个不错的选择。安装objection后，用户可以通过命令行界面快速进行hook操作。
2.1.6 Tweak
Tweak是一款依赖Cydia Substrate框架的越狱插件开发工具，通过创建dylib动态库注入到宿主进程，完成各种Hook操作。开发者无需破解iOS系统即可快速开发出功能强大的tweak插件。
2.1.7 Drozer
Drozer是一款由MWR InfoSecurity开发的Android应用安全测试框架，支持真实Android设备和模拟器。Drozer通过测试应用与其他应用交互，快速评估Android应用的安全问题，帮助安全人员和开发者发现安全漏洞。
[推理部署]👉Mac源码编译TensorFlow C++指北
在Mac环境下编译TensorFlow C++源码，需要完成以下步骤，以避免可能的编译问题，确保顺利构建。
首先，确认系统环境满足要求。需有Xcode和Command Line Tools，JDK 1.8.0版本以支持编译过程中所需的Java环境，以及Bazel工具，TensorFlow依赖此工具进行编译。特别注意Bazel版本需与TensorFlow对应，如TensorFlow 1.对应Bazel 0..1。
接下里，安装依赖，包括JDK和Bazel。JDK安装时需检查电脑中是否已安装，并确保正确安装。使用HomeBrew安装Bazel，通过命令行接受协议，并使用`--user`指令确保安装在个人目录的`bin`文件夹下，同时设置`.bazelrc`路径为`$HOME/.bazelrc`。
安装自动化工具`automake`和使用Python3.7.5在虚拟环境中构建TensorFlow C++源码。推荐使用清华镜像源加速`pip`的安装过程。通过`git clone`方式下载TensorFlow源码，确保checkout至r1.分支。调整域名映射以提升`git clone`速度。
进行编译选项配置，通常在TensorFlow文件夹内运行命令，根据提示选择默认选项。
开始编译TensorFlow，此过程可能需要较长时间，完成后，应在`bazel-bin/tensorflow`目录下找到编译好的`libtensorflow_cc.so`和`libtensorflow_framework.1.dylib`文件。
若遇到`Undefined symbols for architecture x_: “_CFRelease”`错误，这通常与创建软连接有关，无需特别处理。若需要手动安装额外依赖库，如Eigen3，可参考相关指南。
编译完成后，可对C++接口进行测试，验证编译过程的正确性。通常情况下，Mac下的TensorFlow 1. C++源码编译完成。
最后，编译TFLite，生成的动态链接库将保存在指定目录下。在`CMakelists.txt`文件中增加对应配置项，以完成TFLite的构建。
总结而言，Mac下TensorFlow 1. C++源码编译及TFLite的构建，需要遵循上述步骤，并确保环境与工具版本的兼容性，以顺利进行编译过程。Linux系统下的编译方式相似，但具体细节可能有所不同。
