使用ProGuard混淆Android代码

写Java或Android代码的同学,有没有苦恼,自己辛辛苦苦写出的代码,轻轻松松被人逆向,由于代码没做混淆,导致程序流程清晰可见。如果你想保护好自己的代码,下面跟我一起学习一款简单、常用的代码混淆工具:Proguard。

0x1 概述

ProGuard是一个混淆代码的开源项目。它的主要作用就是混淆,当然它还能对字节码进行缩减体积、优化等,但那些对于我们来说都算是次要的功能。详见官网:http://proguard.sourceforge.net/

0x2 ProGuard语法

要想用好Proguard,那就先要读懂它的语法。

输入输出选项

-include {filename}    从给定的文件中读取配置参数  

-basedirectory {directoryname}    指定基础目录为以后相对的档案名称  

-injars {class_path}    指定要处理的应用程序jar,war,ear和目录  

-outjars {class_path}    指定处理完后要输出的jar,war,ear和目录的名称  

-libraryjars {classpath}    指定要处理的应用程序jar,war,ear和目录所需要的程序库文件  

-dontskipnonpubliclibraryclasses    指定不去忽略非公共的库类。  

-dontskipnonpubliclibraryclassmembers    指定不去忽略包可见的库类的成员。 

 

保留选项  

-keep {Modifier} {class_specification}    保护指定的类文件和类的成员  

-keepclassmembers {modifier} {class_specification}    保护指定类的成员,如果此类受到保护他们会保护的更好 

-keepclasseswithmembers {class_specification}    保护指定的类和类的成员,但条件是所有指定的类和类成员是要存在。  

-keepnames {class_specification}    保护指定的类和类的成员的名称(如果他们不会压缩步骤中删除)  

-keepclassmembernames {class_specification}    保护指定的类的成员的名称(如果他们不会压缩步骤中删除)  

-keepclasseswithmembernames {class_specification}    保护指定的类和类的成员的名称,如果所有指定的类成员出席(在压缩步骤之后)  

-printseeds {filename}    列出类和类的成员-keep选项的清单,标准输出到给定的文件  

 

压缩选项

-dontshrink    不压缩输入的类文件  

-printusage {filename}  

-whyareyoukeeping {class_specification}      

 

优化选项

-dontoptimize    不优化输入的类文件  

-assumenosideeffects {class_specification}    优化时假设指定的方法,没有任何副作用  

-allowaccessmodification    优化时允许访问并修改有修饰符的类和类的成员  

 

混淆选项

-dontobfuscate    不混淆输入的类文件  

-printmapping {filename}  

-applymapping {filename}    重用映射增加混淆  

-obfuscationdictionary {filename}    使用给定文件中的关键字作为要混淆方法的名称  

-overloadaggressively    混淆时应用侵入式重载  

-useuniqueclassmembernames    确定统一的混淆类的成员名称来增加混淆  

-flattenpackagehierarchy {package_name}    重新包装所有重命名的包并放在给定的单一包中  

-repackageclass {package_name}    重新包装所有重命名的类文件中放在给定的单一包中  

-dontusemixedcaseclassnames    混淆时不会产生形形色色的类名  

-keepattributes {attribute_name,...}    保护给定的可选属性,例如LineNumberTable, LocalVariableTable, SourceFile, Deprecated, Synthetic, Signature, and InnerClasses.  

-renamesourcefileattribute {string}    设置源文件中给定的字符串常量

 

常规选项

--verbose    记录处理过程中的详细信息

-dontwarn { class_specification }    不能解析的引用或其他重要的出错不给出提示

-ignorewarnings    打印不能解析的引用或其他重要的出错信息,但是处理不中断


0x3 ProGuand混淆实例

在Eclipse中新建SSO的Android工程,里面有以下几个类:



这里对这几个做个说明:其中BaseActivity/LoginActivity/MainActivity直接或间接继承Activity,MyBcReceiver/PhoneReceiver直接或间接继承BroadcastReceiver,而ActivityCollector是自定义的类。

实验目的:

只对ActivityCollector这个类混淆,保留直接或间接继承Activity或BroadcastReceiver的类,并且保留android.v4包的内容。

实验步骤:

Step1:首先打开“project.properties”文件,然后在文件中添加一行:proguard.config=./proguard-project.txt。文件中之前就有一行,不过是被注释掉了。这句话的意思是:使用当前目录下的proguard-project.txt作为混淆配置文件。


Step2:打开“proguard-project.txt”文件,配置混淆规则

因为只对ActivityCollector混淆,其他类或第三方库应该保护,对应的规则如下:

-ignorewarnings                     # 忽略警告,避免打包时某些警告出现 

-optimizationpasses 5               # 指定代码的压缩级别 

-dontusemixedcaseclassnames         # 是否使用大小写混合 

-dontskipnonpubliclibraryclasses    # 是否混淆第三方jar 

-dontpreverify                      # 混淆时是否做预校验 

-verbose                            # 混淆时是否记录日志 

-optimizations !code/simplification/arithmetic,!field/*,!class/merging/*        # 混淆时所采用的算法 

 

-dontwarn android.support.v4.**     #缺省proguard 会检查每一个引用是否正确,但是第三方库里面往往有些不会用到的类,没有正确引用。如果不配置的话,系统就会报错。 

-dontwarn android.os.** 

 

-keep class android.support.v4.** { *; }        # 保持哪些类不被混淆  

-keep class android.os.**{*;}   

-keep public class * extends android.support.v4.**   

-keep public class * extends android.app.Fragment 

-keep public class * extends android.app.Activity 

-keep public class * extends android.app.Application 

-keep public class * extends android.app.Service 

-keep public class * extends android.content.BroadcastReceiver 

-keep public class * extends android.content.ContentProvider 

-keep public class * extends android.support.v4.widget

-keep interface android.support.v4.app.** { *; }  #保护哪些接口不被混淆


Step3: 使用Eclipse的导出功能将SSO.apk导出(直接运行的方式是不能应用proguard的)在工程上右键->"Export..."->“Export AndroidApplication”,导出apk包。可以使用Eclipse默认的keystore。

Step4:将导出的SSO.apk拖入到jeb中查看混淆结果

从下图结果可看出,ActivityCollector这个类被混淆了。



0x4 混淆后的文件说明

用eclipse export命令打包,会在<project_root>/proguard目录下产生4个文件。

 

mapping.txt

表示混淆前后代码的对照表,这个文件非常重要。如果你的代码混淆后会产生bug的话,log提示中是混淆后的代码,希望定位到源代码的话就可以根据mapping.txt反推。
每次发布都要保留它方便该版本出现问题时调出日志进行排查,它可以根据版本号或是发布时间命名来保存或是放进代码版本控制中。


dump.txt

描述apk内所有class文件的内部结构。


seeds.txt

列出了没有被混淆的类和成员。


usage.txt

列出了源代码中被删除在 apk 中不存在的代码。



参考文档

http://blog.csdn.net/dai_zhenliang/article/details/42423575
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值