Awesome AI Android Reverse

Android 逆向、移动安全分析与 AI 辅助逆向工具/文章收集。

最后更新：2026-11-11

本仓库只做公开资料索引，面向授权安全测试、恶意样本分析、漏洞研究、CTF 和学习用途。请勿用于未授权逆向、绕过商业授权、侵犯隐私或其他违法场景。

目录

• 前置：用哪家模型做 AI 辅助逆向
• 破甲（jailbreak）提示词研究
• AI / MCP 逆向工具
• AI Skills、Prompts 与 Agent 工作流
• LLM 解混淆、漏洞发现与算法还原
• 基础 Android 逆向工具链
• 动态分析、Hook 与抓包辅助
• Flutter / Native / 二进制分析
• 文章、论文与教程
• 推荐工作流
• 收录标准

前置：用哪家模型做 AI 辅助逆向

同一份 APK，换一个模型，结论准确度和稳定性差别很大。下面按任务给判断框架，不抄排行榜；排名和价格变化极快，数字统一截至 2026-11-11。

任务	首选	备选与理由
长任务 agentic 编码：写 Frida 脚本、改 smali、多文件重构	Claude Opus 5.5	GPT-6.1 Sol 约 85% 成功率、约 1/8 成本；Kimi K3.1 Pro 差 2 分、约 1/3 成本
整包上下文：几十万行 smali、全量 jar、大型 so 反编译结果一次读入	Gemini 4 Argon、GPT-6 Astra（约 1M）	Kimi K3.1 Pro（1,048,576，开源权重）、Claude Fable 5.2（约 1M，$8/M 输入偏贵）
工具调用 / MCP 链路	Claude Opus 5.5（终端类基准领先）	现有 jadx-ai-mcp、GhidraMCP、ida-pro-mcp 的文档与默认配置基本以 Claude Code / Cline / Codex 为首测客户端
敏感样本、样本不能出网	DeepSeek V4.1 Flash（MIT）、Qwen3.8-Max（开放权重）	GLM-5.3（$1.40/M 输入）、Kimi K3.1 Pro；本地权重是唯一能保证样本不出内网的方案
高频批量：批量解混淆、批量命名、批量出报告	DeepSeek V4.1 Flash（$0.15/$0.60，缓存 $0.003）	Gemini 3.8 Flash（$0.75/$3.75）、Claude Haiku 5.5（$0.10/$0.50，注意长 prompt 的计价阈值）
防守型安全任务：样本分析、写检测规则	厂商信任访问计划	Gemini 4 Carbon 经 Fairwind 通道、GPT-6 Sol trusted access；通用模型对多数 cyber 任务直接拒答

四条实操原则：

1. 按失败代价选，不按榜单选。 错了要重跑的批量任务用便宜模型，错一次就毁结论的用最强的。定版前拿自己的 30–50 条真实任务（自己的 APK、自己的 trace）做对照，公开榜单只用来缩小候选范围。
2. 1M 上下文不等于该塞 1M。 整包灌进去通常又贵又容易丢关键位置；先用 jadx / apktool 分模块定位，再把可疑的类与调用链交给模型。
3. 客户端兼容性优先于模型强度。 MCP Server 与 Skill 生态第一适配的是 Claude Code / Codex / Cline；换模型先验证工具调用、长任务中断、结构化输出是否还稳，再谈推理能力。
4. APK 是证据，不是普通文本。 未脱敏的客户包、私有 so、内网地址不要直传云端 API；涉外或涉密样本走本地权重。

口径来源：Best LLMs of 2026、Best LLM for AI Agents（2026-11）。同一个模型换一套 harness 分数能差几十点，榜单只能用来排除，不能当结论。

破甲（jailbreak）提示词研究：知道边界，别当生产力

通用模型对「分析这个样本的 C2 通信」「绕过这个 App 的证书校验」这类请求会高频拒答，这是选型绕不开的现实约束。合规解法是厂商的信任访问 / 红队计划；另一条是所谓「破甲」——用身份设定、授权语气和措辞把模型的拒绝倾向「说服」掉。它不改权重、不碰二进制、不绕鉴权，是提示词层的行为偏移，不是技术攻破。了解这套东西有助于判断模型行为，但把它当生产依赖会反噬。

• gpt-instruct - 面向 Codex 的破甲提示词与测试包（MIT，11.3k★，2026-10 仍在提交）。做法是用官方 model_instructions_file 把一份 Markdown 装成全局指令；真正值得看的是工程化：三条产品线、A/B/C 三层发布门禁、SHA256 校验、原子写入与字段级回滚、JailbreakBench 适配层。成绩也没被神话——gpt-6-astra-v1 在 B 阶段 66 cases 只过 52、74 turns 过 60、工件门禁 15/16，未达 66/66 硬门槛。作者自己在 README 写明「存在账号风险，建议在日抛账号上使用」。本仓库只记录机制，不转载其提示词内容。
• gpt-instruct 源码审计 - 2026-10-09 的独立审计，目前对这类项目最硬的一份拆解：确认它是「全局 agent policy patch」，不是新模型也不是 Skill；实测部署器 27/27、评分合约 49/49 通过，但 tests/、reports/、docs/architecture/ 在公开快照里都是 0 个跟踪文件，所以部署可复现、能力分数不可独立复算；同时解释了客户端指令为什么关不掉服务端策略与账户权限。

三条成本自己算清：

• 账号：厂商按行为判风控，封号限权是直接损失，作者自己都建议日抛账号。
• 可靠性：提示词对模型版本极敏感，模型一更新即失效，自建测试集都过不了八成。
• 判断力：一个「有求必应」的 Agent 不再对错误请求说不，错误会落到你的代码库和样本结论上。

AI / MCP 逆向工具

• jadx-ai-mcp - JADX GUI 插件，把当前类、Manifest、资源、xref、调试信息等上下文暴露给支持 MCP 的 LLM 客户端。
• jadx-mcp-server - 独立 Python MCP Server，连接 JADX-AI-MCP 插件，让模型读取反编译代码、搜索类/方法/字段、辅助审计 APK。
• apktool-mcp-server - 基于 Apktool 的 MCP Server，支持解包、Manifest/resource/smali 读取与修改、重打包等 APK 修改流程。
• GhidraMCP - Ghidra MCP Server，把反编译、函数、符号与程序结构上下文提供给 LLM。
• ida-pro-mcp - IDA Pro MCP Server，支持 headless / GUI 流程，面向 IDA 内的变量重命名、类型调整、注释、报告生成等 vibe reversing 场景。
• REA (Reverse Engineer Anything) - 2026-10 起高速迭代的开源 CLI/MCP（npx rea-agents setup），把 Hopper / Ghidra / IDA / JADX / JEB / Frida 等引擎统一暴露给编码 Agent，返回带来源、置信度与未知项的 Evidence bundle，分析全程在本地；4.1 起原生支持 headless JADX 静态 APK 分析、Manifest 与 ADB 设备交互，并覆盖固件、Electron、.NET 等目标，深度 Native 分析仍需自备相应引擎与许可。附带 reverse-engineer-anything Skill。
• IDA-NO-MCP - 针对 IDA Pro 的轻量 AI 交互方案，目标是降低传统 MCP 交互的复杂度与延迟。
• frida-mcp - Frida 动态分析 MCP Server，支持应用启动/附加、前台应用识别、应用列表、脚本注入和自定义 frida-server 配置。
• ZIN-MCP-Client - 面向本地 LLM / Ollama 的命令行 MCP Client，可连接 JADX、Apktool 等逆向 MCP Server。
• jshookmcp - 「搜索优先」的 Agent 逆向工作区，735 个工具按 36 个域按需加载（默认仅约 3K tokens 工具元数据），覆盖 CDP 浏览器 Hook、JS 解混淆、WASM 反汇编、Frida / Ghidra / IDA 桥接以及 APK 静态分诊（apktool / jadx / unidbg）；AGPL-3.0、Node.js 22+，2026-11 仍在活跃提交。仓库含反检测与验证码相关模块，仅限授权测试使用。
• ghidra-mcp - 把 Ghidra 的反编译、符号、交叉引用、内存与 patch 能力拆成 200 多个 MCP 工具，同时提供 GUI 插件和 headless 服务端，按需懒加载工具清单以控制上下文；Apache-2.0，2026-11 仍在更新。
• open-reverselab - 开源的 AI 逆向 Agent 平台，一套 MCP 同时接 Ghidra、Frida、x64dbg 和 Rizin，把静态反编译与动态调试串成可自动执行的调查流程。
• ReArk - 面向 HarmonyOS NEXT 与 Android 的 AI 辅助逆向工具，支持 HAP/APP/ABC 与 APK 的结构解析、反编译和还原；做鸿蒙样本或双端对比时补上现有工具链的空缺。
• binary-ninja-headless-mcp - Binary Ninja 的 headless MCP 服务，向 Agent 暴露约 180 个工具做反汇编、反编译与交叉引用分析，适合把 Binary Ninja 接进批量流水线。

AI Skills、Prompts 与 Agent 工作流

• android-reverse-engineering-skill - Claude Code Android 逆向 Skill，覆盖 APK/XAPK/JAR/AAR 反编译、API 提取、Kotlin/R8 名称恢复、Ktor/Apollo/Koin/HMAC 识别等流程。
• ai-reverse-toolkit - 面向逆向分析的 skills、rules 和 prompts 集合，包含加密入口定位、补环境、AST 解混淆等任务模板。
• mcp-reversing-dataset - IDA Pro MCP 示例数据与演示素材，可用于验证 LLM 逆向流程和提示词。
• Code2MCP / MCP-Github-Agent - 将 GitHub 代码仓库自动转换为 MCP 服务的多 Agent 框架，可参考其 MCP 化思路扩展逆向工具。
• android-reverse-engineering-skill (Codex) - 专为 Codex 适配的 Android 逆向 skill，可在会话里反编译 APK/XAPK/JAR/AAR，并结合 jadx、Fernflower/Vineflower 梳理 Manifest、入口与调用链。
• MobileRE-Skill - AI Agent 驱动的移动端逆向技能集，覆盖 Frida hook、一键脱壳、内存 DEX dump 与 Ghidra MCP 符号/结构恢复。

LLM 解混淆、漏洞发现与算法还原

• Androidmeda - LLM 驱动的 Android 代码解混淆与漏洞扫描工具，支持 OpenAI、Gemini、Anthropic API 和 Ollama 本地模型。
• AlgoKiller - 面向 ARM64 执行 trace 的算法还原 harness，驱动 LLM 从 trace 中追踪数据流、恢复加密/签名/编码逻辑，并输出 Python 复现代码或结构化报告。
• SecretLoc - LLM 检测 Android App 硬编码 secrets 的研究，强调上下文和结构线索对未知密钥类型的发现能力。
• Evaluating LLMs for Obfuscation Detection and Classification in Android Apps - 2026 年 Android 混淆检测论文，评估 LLM 在语义层面识别混淆代码的能力。
• Can LLMs Deobfuscate Binary Code? - BinDeObfBench，系统评测 LLM 对多阶段二进制混淆的反混淆能力。
• Constraint-Guided Multi-Agent Decompilation - 多 Agent 约束引导反编译框架，使用语法、编译和行为约束迭代修复反编译输出。
• Towards LLM-Enhanced Android Taint Analysis - 2026-08，LLM 经 JADX-MCP / Ghidra-MCP 迭代读取反编译代码并推断 source-to-sink 污点流，DroidBench 上 Gemini-3 Flash F1 0.96，FlowDroid 为 0.55。

基础 Android 逆向工具链

• jadx - Dex/APK/AAB/XAPK 到 Java 的反编译器，带 GUI、资源解码、搜索、xref、deobfuscator 和 smali debugger。
• Apktool - Android APK 资源解码、smali 修改、重打包和调试的核心工具。
• Frida - 动态插桩框架，Android Java 层和 Native 层 Hook 的事实标准之一。
• MobSF - 自动化移动应用安全分析平台，支持 Android/iOS 静态分析、动态分析、恶意样本分析、隐私分析和 CI/CD 集成。
• Ghidra - 开源二进制逆向平台，适合 Android Native so、JNI、算法还原与漏洞分析。
• IDA Pro - 商业二进制分析和反编译平台，Android Native、固件、复杂算法逆向常用。
• JEB Decompiler - 商业 Android/Dalvik/Native 反编译器，JEB 5.x 已加入 VIBRE AI assistant 和 MCP Server 相关能力。
• Rizin / radare2 - 开源二进制分析框架，适合脚本化、CLI 批处理和 Native 分析。
• Bytecode Viewer - Java 8+ 与 Android APK 的逆向套件，集反编译、字节码编辑、调试于一体，可在多种反编译器之间切换对比。
• Androguard - Python 的 APK/DEX 分析库与命令行工具，可解析 Manifest、权限、签名证书、字符串与调用图，适合写批量扫描脚本。
• Simplify - Android 虚拟机与 smali 反混淆器，把混淆后的 Dalvik 代码还原成可读形式，常与 jadx 配合处理加固/混淆样本。
• APK Studio - Qt6 跨平台 APK 逆向 IDE，把反编译、编辑、重打包与签名整合在同一个界面里。
• APKLab - VS Code 的 Android 逆向工作台，将 apktool、jadx、adb 串进编辑器，改 smali 与资源后可直接重打包安装。
• Android_boot_image_editor - 解析与重打包 boot.img / vbmeta.img / payload.bin，已支持 Android 16；改机、脱壳环境准备和无 system 分区设备常用。
• Reversense (Dexcalibur2) - Dexcalibur 的重写版，Android 二进制智能分析与 Frida 脚本辅助生成，面向 DEX 层的方法定位与 hook 编排。
• android_unpacker - Check Point 开源的通用 APK 脱壳器，针对整体加密与运行时自解密类壳。
• RePairip - 针对 Google PairIP 加固的逆向工具，dump VMRunner 快照并尝试完整重打包，处理加固样本时的一个补充选项。

动态分析、Hook 与抓包辅助

• objection - 基于 Frida 的移动运行时探索工具，支持 Android/iOS，常用于 SSL pinning 绕过、文件系统查看、内存 patch、对象探索等。
• android-unpinner - mitmproxy 出品的 APK 证书绑定移除工具，不要求 root，使用 Frida Gadget/JDWP 注入思路，支持 XAPK。
• apk-mitm - 自动修改 APK 以便 HTTPS 抓包，处理 Network Security Configuration、常见证书绑定逻辑、重打包和签名。
• HTTP Toolkit Frida Interception & Unpinning - Frida 脚本在运行时重写移动应用网络栈，直接对全部 HTTPS 流量做 MitM；原 frida-android-unpinning 仓库已迁移至此，AGPL-3.0。
• r0capture - Android 应用层抓包辅助脚本，常用于快速观察明文请求、响应和加密前后数据。
• PriviSense - Frida-based Android 多传感器/系统信号 spoofing 框架研究，可用于上下文敏感 App 行为复现实验。
• RMS - Runtime Mobile Security - Web 界面的移动运行时操控平台，把 Frida 的常用操作封装成按钮，适合快速验证 hook 点与内存修改。
• Medusa - 模块化的移动安全分析框架，内置大量 Frida 模块，覆盖 SSL pinning、root/调试检测、加密 API 与常见风控点。
• frida-scripts - 个人维护的 Frida instrumentation 脚本集合，覆盖 Android/iOS 常见的类枚举、方法追踪与绕过场景。
• magisk-frida - Magisk 模块形式在开机时拉起 frida-server，版本自动跟随上游，免去手动 push 与权限处理。
• frinet - Synacktiv 的 Frida tracer，支持 Android/iOS/Linux/Windows，跟踪函数调用、参数与返回值，适合先摸清调用链再下断点。
• friTap - 基于 Frida 的加密流量分析工具，在 TLS 库层拦截明文，简化协议解密与密钥提取。
• GumTrace - 基于 Frida Gum (Stalker) 的 ARM64 指令级追踪工具，支持 Android 与 iOS，适合配合 AlgoKiller 做算法 trace。

Flutter / Native / 二进制分析

• reFlutter - Flutter 逆向框架，支持 Android/iOS Flutter App 的流量代理、dump.dart 提取和部分 pinning 绕过。
• Blutter - Flutter Dart AOT 反汇编/符号辅助工具，适合 Flutter Native 层分析。
• Doldrums - Flutter snapshot 分析与 Dart 结构恢复工具。
• SoFixer - Android ELF/so dump 修复工具，适合脱壳后 so 修复。
• unidbg - Android Native 库模拟执行框架，可用于 JNI 算法调用、签名函数复现和协议分析。
• Qiling - 多架构二进制模拟框架，可辅助 Android Native 算法环境搭建。
• kill_flutter - Flutter 的 SSL pinning 绕过工具，声称不依赖 pattern 库、适配任意 Flutter 版本，Android 与 iOS 通用。
• ghidriff - 基于 Ghidra 的命令行二进制 diff 引擎，做版本间函数匹配与差异分析，适合跟踪 so 更新的补丁点。
• D810-ng - IDA Pro 的微码反混淆插件（D810 的继任版），针对 OLLVM 一类的控制流平坦化与指令替换做自动化清理。

文章、论文与教程

2026 / 2025 研究论文

• Rethinking Neural Decompilation: Candidate Selection as the Hidden Bottleneck - 2026-11，把 LLM 反编译在混淆二进制上「best-of-N」与单次输出的差距归因到候选生成与候选选择环节，指出继续堆候选数量收益有限。
• VulDec: Vulnerability Detection in Binaries via Neural Decompilation - 2026-10，构建汇编与源码对齐、带精确漏洞标注的大规模数据集，并用神经反编译输出做二进制漏洞检测。
• Evidence-Grounded LLM-Assisted Android Mobile Forensic Reporting - 2026-10，把 LLM 生成的 Android 取证报告拆成 612 条原子声明逐条核验，量化「表述流畅不等于证据可靠」。
• SoK: Are LLMs Reliable at Source Code Recovery? - 2026-10，对源码恢复方法做 taxonomy 与统一实证评测，回答 LLM 在恶意样本分析、漏洞评估中能否可靠还原源码。
• When LLM Decompilers Recompile More and Preserve Less - 2026-09，实证 LLM 反编译器的可重编译率与语义保持度不同步，只用「能编译、能跑」评测会高估效果。
• MobileCybench: Evaluating Agent Vulnerability Discovery via Executable Probes - 2026-09，13 个 Android App、495 个可执行 probe 的 Agent 漏洞发现基准；仅给混淆 APK 时最佳 Agent 在恶意 App 场景触发 53.8% 的应用，并发现 23 个此前未报告的漏洞。
• When Agents See Differently: Exposing UI Desynchronization Threats in Mobile Agents - 2026-09（v2 于 2026-11 修订），重打包 APK 可利用人类可见界面与 Agent 截图/无障碍表征的差异诱导误操作，546 个任务上静态与动态误导率分别为 77.4% / 67.2%。
• Moirae: A Multimodal Agent Collaborative Framework for Dynamic Android Malware Detection - 2026-08，多模态 Agent 协同做 Android 恶意样本动态检测，用多源证据缓解混淆与概念漂移。
• CHISEL-ing Back Source Code with AI-enabled Iterative Recovery - 2026-08，不依赖官方测试套件的 LLM 迭代式源码恢复，在 Ghidra 输出上逐轮修复并用行为验证替代测试用例。
• Decoupling is a Necessity: Transformation-Agnostic Decompiled Code Recovery (ReSource) - 2026-08，把编译优化与混淆造成的偏差拆成词法、语法、语义三层分别修复，8 万余对反编译-源码函数上 Top-5 源码检索准确率 83%。
• Towards LLM-Enhanced Android Taint Analysis - 2026-08，Agent 驱动 JADX-MCP / Ghidra-MCP 做 Android 污点流推理，DroidBench F1 0.96 vs FlowDroid 0.55。
• When Binaries Talk Back: Representation-Confusion Attacks on LLM-Assisted Reverse Engineering - 2026-07，针对 AI 逆向管线的对抗研究：样本能让数据冒充指令、让单源观察冒充独立证据，提示 MCP 工具链需要来源与权限边界。
• REFORGE: Benchmarking LLMs' Reverse Engineering Capabilities in Decompiled Binary Function Naming - 2026-07，函数命名基准的构建方法，重点解决函数级真值「有多少真的可评估」这一常被忽略的前提。
• Multi-View Decompilation for LLM-Based Malware Classification - 2026-06，融合多个反编译器的输出视图做恶意代码分类，说明单一反编译视图不足以支撑判断。
• LLM Agent-Assisted Reverse Engineering with Quantitative Readability Metrics - 2026-06，用可读性量化指标引导 Agent 改写反编译 C 代码，记录从 Ghidra MCP 驱动的三阶段演进与失败模式。
• Evaluating LLMs for Obfuscation Detection and Classification in Android Apps - 2026-06，LLM 判断 Android 混淆与混淆类型的实证研究。
• Can LLMs Deobfuscate Binary Code? - 2026-04，BinDeObfBench 二进制反混淆基准。
• Constraint-Guided Multi-Agent Decompilation for Executable Binary Recovery - 2026-04，多 Agent 修复反编译代码至可编译/可执行。
• PriviSense: A Frida-Based Framework for Multi-Sensor Spoofing on Android - 2026-01，基于 Frida 的 Android 传感器和系统值动态 spoofing。
• Evaluating Large Language Models in detecting Secrets in Android Apps - 2025-10，SecretLoc，LLM 辅助 Android 硬编码密钥发现。
• Breaking Android with AI: A Deep Dive into LLM-Powered Exploitation - 2025-09，Android 渗透测试自动化与 LLM exploit 辅助研究。
• Deconstructing Obfuscation - 2025-05，LLM 反汇编代码解混淆能力评测框架。

实战文章与工具评测

• AI APK Reverse Engineering: What an Agent Automates, Where Frida and Manual Work Stay - 2026-11，梳理 jadx-ai-mcp / jadx-mcp-server 的实际链路与默认端口，列出哪些环节可交给 Agent、哪些必须人工复核，并附截至 2026-11 的工具版本表。
• AI 加持 Android 逆向：脱壳、Hook、SO 分析与漏洞挖掘实战 - 2026，把逆向拆成信息收集、静态分析、脱壳、动态分析、Native 还原、漏洞挖掘六阶段，逐段说明 AI 能加速什么、哪些结论必须人工验证。
• Frida 学习笔记（二十六）：DEX 脱壳实战 - 2026，讲清一代/二代/三代壳与 Dex2C 的差别、主流加固厂商的 SO 特征表，并对 frida-dexdump、frida_dump、FART 做源码级对比（含 2026-07 的维护状态）。
• Benchmarking Android APK Deobfuscation Using LLMs - FuzzingLabs 对 Androidmeda、Claude、LLaMA、DeepSeek、StarCoder2 等模型在 APK 解混淆/漏洞发现上的实测。
• Deobfuscating Android Apps with Androidmeda: A Smarter Way to Read Obfuscated Code - 2025-07，Androidmeda 实测：Crocodilus 恶意样本解混淆、变量名与控制流恢复、vuln_report 输出，并明确提醒人工复核误报。
• 某大厂加密的 AI 全流程分析和逆向 - 国内 AI 辅助逆向实战笔记。
• 过 1000 Star！跟 AI 说句话就能逆向 Android 应用？ - Android AI 逆向工具介绍文章。
• 用 ChatGPT 辅助编写 smali 代码逆向修改 DEX 文件 - ChatGPT + smali 修改实践。
• AI 驱动漏洞挖掘：利用智能体发现 57 个安卓 APP 未知漏洞 - AI Agent 辅助 Android App 漏洞挖掘案例。

官方与方法论资料

• OWASP MASVS - 移动应用安全验证标准。
• OWASP MASTG - 移动应用安全测试指南，适合和 JADX、Frida、MobSF 工作流配合。
• Android Developers - Network Security Configuration - 抓包、证书信任和网络安全配置分析基础。
• Frida Docs - Frida 官方文档。
• JADX Wiki - JADX 使用、插件、调试和常见问题。
• Apktool Docs - Apktool 3.x 安装、解包、构建与调试文档入口。
• OWASP MASTG 仓库 - MASTG 指南的源文件与测试用例仓库，含各平台测试项的原始描述和脚本，比网页版更方便检索与引用。

推荐工作流

1. 静态初筛

1. 使用 jadx / jadx-gui 反编译 APK、XAPK、AAB。
2. 用 MobSF 做 Manifest、权限、组件导出、硬编码 URL/secret、第三方 SDK 和基础风险扫描。
3. 对混淆较重的目标使用 android-reverse-engineering-skill、Androidmeda 或 jadx-ai-mcp 辅助恢复语义、定位入口和梳理调用链。
4. 需要多反编译器交叉验证时用 Bytecode Viewer 或 APKLab；脱壳后的 smali 可先过一遍 Simplify 再做人工阅读。

2. 动态验证

1. 使用 Frida / objection 附加目标进程，确认 Java 层和 Native 层关键函数。
2. 抓包优先尝试 apk-mitm 或 android-unpinner，复杂目标使用 Frida unpinning 脚本动态绕过；需要看 TLS 明文时用 friTap 在库层截获。
3. 对登录、签名、风控、加密参数，结合 Frida trace、日志和 AlgoKiller 做数据流追踪。

3. Native / Flutter 目标

1. JNI/so 优先用 Ghidra、IDA Pro、Rizin 建立函数视图。
2. 可独立调用的 so 使用 unidbg 或 Qiling 复现环境。
3. Flutter App 使用 reFlutter、Blutter、Doldrums 分析 snapshot、流量代理与 Dart 逻辑；只卡在 pinning 时先试 kill_flutter。

4. AI 辅助建议

1. 先让模型总结结构，不要直接要求“还原全部逻辑”。
2. 对模型输出的函数名、漏洞结论、密钥类型必须回到代码、trace 或运行结果验证。
3. MCP Server 建议默认只绑定 127.0.0.1，不要把 JADX/Frida/IDA/Ghidra 的分析接口暴露到不可信网络。
4. 拒答频繁时先走厂商的信任访问通道，或换到可本地部署的开源权重（见上文「前置」一节），不要把破甲提示词当生产链路的一部分。

收录标准

• 优先收录仍在维护、能直接服务 Android 逆向/移动安全/恶意样本分析的工具。
• AI 工具优先收录能接入真实反编译器、动态插桩、trace、MCP 或可复现实验流程的项目。
• 文章和论文优先收录 2025 年以后、含实测数据、工具链细节或可复现方法的资料。
• 不收录明显面向未授权攻击、批量滥用、盗版破解变现的项目。
• 破甲 / 越狱类只收录可核查的机制拆解与审计资料，不收录提示词本体、代理转发与分发镜像。

贡献

欢迎提交 PR 补充工具、文章、论文、用法和失效链接。建议格式：

- [项目名](https://example.com) - 一句话说明它解决什么问题，最好补充适用场景。