博客
关于我
Android Hook-Frida框架-安装与初步使用
阅读量:598 次
发布时间:2019-03-12

本文共 1220 字,大约阅读时间需要 4 分钟。

Frida的安装与初步使用指南

实践是检验真理的唯一标准,程序设计更是如此。Frida可以说是实现这一目标的强大工具。


Frida的安装与初步验证

1. Frida的安装

  • 安装命令

    可以通过以下命令来安装 Frida 及其工具。确保你已经拥有root权限:

    sudo pip install frida  sudo pip install frida-tools
  • 验证安装

    启动 Python 环境并输入以下命令:

    import frida

    如果没有任何错误信息输出,说明安装成功。


Frida的基本使用

2. 启动 Frida 服务器

  • 在模拟器上连接

    如果你的模拟器还没有启动,可以按照下述步骤操作:

    adb kill-server  adb server  adb shell
  • 下载并部署 Frida 服务器

    拉取对应版本的 Frida 服务器文件(如 frida-server-VERSION.zip),并将其推送到模拟器:

  • 启用 USB 调试:
    adb逆向 Kablos田式
  • 将服务器文件推送到模拟器,并修改权限:
    adb push -d /data/local/tmp frida-server  adb shell  cd /data/local/tmp  chmod 755 frida-server  ./frida-server &
  • 根据提示,可能需要输入一系列选项以配置服务器。完成后,服务器将在 /data/local/tmp/frida-server 目录下运行。

Frida 工具的使用

3. 常用命令

  • 查看版本信息
    启动终端并输入以下命令查看 Frida 工具的版本:
frida --version
  • 查看 Frida 进程
    可以通过以下命令查看当前正在运行的 Frida 进程:
frida-ps  frida-ps -U (查看所有异常进程)  frida-ps -a (查看所有进程)
  • 获取 Frida 命令帮助
    输入以下命令查看命令的帮助信息:
frida -h

Frida_trace 模块的使用

4. 追踪函数调用

  • Frida_trace 是用于脚本化追踪和截断的强大工具。它通过将脚本库注入目标进程,实现对特定函数或组件的分析和调试。

  • 基本示例

    使用以下命令启动追踪:

    frida-trace -i "open" -U com.test.myglibtestapp

    例如,当你运行上述命令时,会看到类似于以下输出:

    Instrumenting... open: Auto-generated handler at "/Users/user1/Downloads/__handlers__/gralloc.x86.so/open.js"

    追踪已启动,按住 Ctrl+C 可以停止。


通过以上步骤,你可以快速上手 Frida 的安装与使用。这是一款强大的工具,能够帮助开发者深入理解和调试移动应用程序。

转载地址:http://gftxz.baihongyu.com/

你可能感兴趣的文章
pandas.DataFrame.copy(deep=True) 实际上并不创建深拷贝
查看>>
pandas.read_csv()的详解-ChatGPT4o作答
查看>>
PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
查看>>
pandas100个骚操作:再见 for 循环!速度提升315倍!
查看>>
Pandas:如何根据其他列值的条件对列进行求和?
查看>>
Pandas:对给定列求和 DataFrame 行
查看>>
Pandas、Matplotlib、Pyecharts数据分析实践
查看>>
Pandas中文官档 ~ 基础用法1
查看>>
Pandas中文官档~基础用法2
查看>>
Pandas中文官档~基础用法5
查看>>
Pandas中文官档~基础用法6
查看>>
Pandas中的GROUP BY AND SUM不丢失列
查看>>
Pandas之iloc、loc
查看>>
pandas交换两列
查看>>
pandas介绍-ChatGPT4o作答
查看>>
pandas去除Nan值
查看>>
pandas实战:电商平台用户分析
查看>>
Pandas库函数
查看>>
Pandas库常用方法、函数集合
查看>>
pandas打乱数据的顺序
查看>>