企业官网建设流程全解析

Android 恶意 APK 静态分析 API 参考：Anthropic-Cybersecurity-Skills 基于 androguard 的权限、API 调用与风险评分体系

【免费下载链接】Anthropic-Cybersecurity-Skills817 structured cybersecurity skills for AI agents · Mapped to 6 frameworks: MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND, NIST AI RMF & MITRE F3 (Fight Fraud) · agentskills.io standard · Works with Claude Code, GitHub Copilot, Codex CLI, Cursor, Gemini CLI & 20+ platforms · 29 security domains · Apache 2.0项目地址: https://gitcode.com/GitHub_Trending/an/Anthropic-Cybersecurity-Skills

本文基于 Anthropic-Cybersecurity-Skills 仓库中analyzing-android-malware-with-apktool技能的 API 参考文档，完整讲解其静态分析 Android APK 的整套接口设计：androguard 库的调用方式、5 个核心分析函数的行为细节、14 类可疑 API 调用模式、IOC 字符串提取的正则规则，以及 0–100 分风险评分模型的计分逻辑与阈值判定，帮助你在不执行样本的前提下对可疑 APK 做结构化恶意性分诊。

技能定位与技术路线

该技能属于仓库 Malware Analysis / Mobile Security 域，目标是在不运行 APK 的情况下完成静态恶意性评估。技能主文档 SKILL.md 定义了三层工具路线：

• androguard（Python）：可编程地解析 APK/DEX，提取 manifest 元数据、权限、组件，并做交叉引用（xref）级别的 API 调用扫描——这是 agent.py 脚本的主引擎；
• apktool：资源反编译，查看 smali 与资源文件；
• jadx（可选）：恢复 Java 源码。

SKILL.md 的 frontmatter 还声明了该技能的合规与攻击框架映射：NIST CSF 2.0 的DE.AE-02、RS.AN-03、ID.RA-01、DE.CM-01，以及 MITRE ATT&CK Mobile 技术T1406、T1407、T1626.001、T1655.001、T1521.001。技能的核心步骤为：解析 manifest → 枚举权限并标记危险组合 → 列出四大组件 → 扫描可疑 API（反射、加密、短信、通信）→ 检测动态代码加载（DexClassLoader、Runtime.exec）→ 提取硬编码 URL/IP 等 C2 指标 → 生成带 MITRE 映射的风险报告。

依赖与环境

参考文档「Dependencies」一节与源码一致地给出前提：

• Python 3.9+，androguard >= 3.4.0；
• apktool（资源反编译）、jadx（可选，Java 源码恢复）；
• 隔离分析环境（虚拟机或沙箱）——静态脚本虽然不执行样本，但样本本身的获取、哈希登记与后续可能的动态复测都应限制在隔离环境中。

脚本对 androguard 的导入做了降级保护（agent.py 中try/except ImportError）：未安装时APK与AnalyzeAPK置为None。从源码结构看，只有full分析路径会返回明确的错误信息（"androguard not installed: pip install androguard"），而permissions、manifest、apis、strings四个子命令在main()中直接调用AnalyzeAPK（agent.py），缺少库时会以异常形式暴露——因此运行任何子命令前都应确认pip install androguard已完成。

分析引擎依赖的三个库分工如下（对应参考文档「Libraries Used」）：

CLI 接口

脚本 agent.py 提供 6 种调用方式（argparse子命令，agent.py）：

python agent.py sample.apk permissions # 权限风险分析 python agent.py sample.apk manifest # manifest 组件提取 python agent.py sample.apk apis # 可疑 API 调用扫描 python agent.py sample.apk strings # URL / IP / base64 字符串提取 python agent.py sample.apk full # 完整恶意性评估（含风险评分） python agent.py sample.apk # 不带子命令时默认执行 full

每个子命令的输出都是json.dumps(result, indent=2, default=str)格式化的 JSON，可直接落盘归档或被下游检测流水线消费。

核心分析函数详解

analyze_permissions(apk)— 权限风险评估

调用apk.get_permissions()拿到全部申请权限，与内置的20 项危险权限清单（agent.py 中的DANGEROUS_PERMISSIONS）求交集，输出总权限数、危险权限列表、危险计数与风险等级：

风险分级阈值为：CRITICAL ≥ 8 项危险权限，HIGH ≥ 5，MEDIUM ≥ 2，LOW < 2（agent.py）。例如一个同时申请SEND_SMS+BIND_ACCESSIBILITY_SERVICE+RECEIVE_BOOT_COMPLETED+SYSTEM_ALERT_WINDOW的"手电筒"应用，直接落入 HIGH 区间，值得进入人工深挖。

analyze_manifest(apk)— Manifest 组件提取

调用apk.get_activities()、get_services()、get_receivers()、get_providers()，返回包名、应用名、版本名/版本码、min/target SDK，以及四大组件的完整清单与各自计数（agent.py）。实战关注点：

• Service 数量异常多（> 5）会触发后文的T1418 Software Discovery技术标注；
• RECEIVE_BOOT_COMPLETED对应的 Receiver 是开机驻留的常见落点；
• target_sdk明显偏低的样本更可能利用了旧版本 API 的宽松行为。

scan_suspicious_apis(dx)— 可疑 API 调用检测

该函数不是简单的字符串匹配，而是利用 DEX 分析对象做方法级定位 + 交叉引用：把每条模式拆成类名与方法名，调用dx.find_methods(classname=..., methodname=...)找到被调用的方法对象，再取method.get_xref_from()获得调用方（caller）；只有存在调用方的模式才计入结果，并记录调用方数量与首个调用方类名（agent.py）。

参考文档列举了其中 5 条，源码中共定义14 条模式（SUSPICIOUS_API_PATTERNS，agent.py），完整清单如下：

extract_strings(dx, apk)— IOC 提取

遍历dx.get_strings()的全部 DEX 字符串，用三组正则提取指标（agent.py）：

• URL：https?://[\w\-._~:/?#\[\]@!$&\'()*+,;=]+（忽略大小写）；
• IP：\b(?:\d{1,3}\.){3}\d{1,3}\b；
• base64：[A-Za-z0-9+/]{30,}={0,2}（长度 ≥ 30 的疑似编码块，每条字符串最多取 5 个匹配）。

IP 结果会过滤私网段——以10.、192.168.、172.16.、127.0.开头的地址不计入外网 IOC，避免把内网测试地址误报为 C2。返回字段做了截断控制：URL 最多 30 条、外网 IP 最多 20 条、base64 候选最多 10 条，另附url_count、external_ip_count全量计数。这些 URL/IP 应送入沙箱/威胁情报侧做归属核查，再与 C2 行为关联。

detect_obfuscation(apk, dx)— 混淆指标检测

检查三类指标（agent.py）：

1. 单字母类名：遍历dx.get_classes()，把 DEX 类名（/转.）按包段拆分，若类名段中出现单字母且为字母的片段则计数；计数 > 10时标记single_letter_classes（ProGuard/R8 混淆的典型痕迹）；
2. 多 DEX：apk.get_files()中.dex文件数 > 1 时标记multi_dex（拆分加载可延缓分析）；
3. 原生库：存在.so文件即标记native_libraries（最多列出 10 个）——逻辑下沉到 native 层意味着仅看 DEX 无法覆盖全部行为。

三项中任一项命中，likely_obfuscated即为true，该标志直接参与风险计分。

Androguard API 速查表

参考文档给出的 androguard 方法对照表，配合源码中的实际用法：

其中AnalyzeAPK来自androguard.misc，APK与DEX类分别来自androguard.core.apk/androguard.core.dex（agent.py）。full_analysis中只用到三元组的首位a（APK）与末位dx（Analysis）；中间位的d（原始 DEX 对象列表）在子命令路径中被解包但主要经由dx访问。除上表外，manifest 分析还调用了get_providers()、get_app_name()、get_androidversion_name()、get_androidversion_code()、get_min_sdk_version()、get_target_sdk_version()，混淆检测调用了get_files()，均为APK对象的常规查询方法。

风险评分模型与结果解读

full_analysis(apk_path)（agent.py）汇总五个子分析并计算 0–100 的风险分。计分规则与参考文档「Risk Scoring」表一致：

总分再取min(risk_score, 100)。四个因子上限相加恰为 100，对应源码实现：

risk_score += min(perm_analysis["dangerous_count"] * 8, 40) risk_score += min(len(suspicious_apis) * 10, 30) risk_score += min(strings["external_ip_count"] * 5, 15) risk_score += 15 if obfuscation["likely_obfuscated"] else 0 risk_score = min(risk_score, 100)

总分映射到风险等级：

完整报告的 JSON 结构（字段均取自源码返回字典）包括：analysis_type、timestamp（UTC ISO 时间）、file、manifest、permissions、suspicious_apis（最多 20 条）、strings、obfuscation、risk_score、risk_level，以及条件式挂载的mitre_techniques列表——满足条件才写入对应条目，否则该位为null：

这四组 ID 与仓库级 ATTACK_COVERAGE.md 中登记的本技能覆盖技术（T1404 / T1417 / T1418 / T1582）一致。报告中的 MITRE 映射只标注"行为可能性"而非"已确认行为"：例如命中T1582说明样本具备发短信的能力与权限，是否真的用于欺诈/扣费仍需动态验证或字符串中的短信内容佐证。

使用前提与局限

• 静态分析边界：脚本不执行 APK，无法覆盖 native 层逻辑、加密字符串解密后的真实 C2、以及运行期才展开的反射/动态加载行为；detect_obfuscation命中native_libraries或多 DEX 时，应把.so与外置 DEX 转入 IDA/Ghidra 等工具继续分析；
• 模式库封闭：14 条SUSPICIOUS_API_PATTERNS是固定清单，构建新检测规则时应在该清单基础上扩充（如新增ContentResolver查询、TelephonyManager相关方法），而不是绕过评分框架另起炉灶；
• base64 候选噪声：30 字符以上的 base64 正则会命中合法资源编码，suspicious_base64只宜作线索队列，需解码后人工确认；
• 时间戳：报告使用datetime.utcnow()生成 ISO 时间，归档时注意其为 UTC 时间；
• 运行环境建议按 SKILL.md 的 Prerequisites 保持隔离（VM/沙箱），并只分析授权获取的样本。

相关文件索引

• API 参考文档：本文的原始依据，含库清单、CLI、核心函数与评分表
• 技能主文档：frontmatter 框架映射、适用场景与 7 步工作流
• 分析脚本：全部函数实现、权限/API 模式清单与 CLI 入口
• ATTACK_COVERAGE.md：仓库级 ATT&CK 技术与技能的覆盖矩阵

【免费下载链接】Anthropic-Cybersecurity-Skills817 structured cybersecurity skills for AI agents · Mapped to 6 frameworks: MITRE ATT&CK, NIST CSF 2.0, MITRE ATLAS, D3FEND, NIST AI RMF & MITRE F3 (Fight Fraud) · agentskills.io standard · Works with Claude Code, GitHub Copilot, Codex CLI, Cursor, Gemini CLI & 20+ platforms · 29 security domains · Apache 2.0项目地址: https://gitcode.com/GitHub_Trending/an/Anthropic-Cybersecurity-Skills