爱某查APP - Abtk

逆向分析：应用接口中加密位置的追踪与XposedHook技术
最新推荐文章于 2025-11-25 17:20:36 发布
最新推荐文章于 2025-11-25 17:20:36 发布
阅读量1.2k 收藏 10
点赞数 4
CC 4.0 BY-SA版权
分类专栏： 逆向反爬知识总结与案例 文章标签： python 开发语言 java javascript
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/mamenqi_csdn/article/details/138312288

⚠️前言⚠️

本文仅用于学术交流。
学习探讨逆向知识，欢迎私信共享学习心得。
如有侵权，联系博主删除。
请勿商用，否则后果自负。

接口网址

aHR0cHM6Ly9haXFpY2hhLmJhaWR1LmNvbS9hcHAvYWR2YW5jZUZpbHRlckFqYXg=
在这里插入图片描述

加密位置分析

app版本：2.27.0

jadx 全局检索一下

在这里插入图片描述

结果不多，有两个可疑的位置我们尝试 hook 一下

> 首先第一个位置发现结果存在于形参中，是传递过来的值，先放一放，看一下第二个位置

了解本专栏 订阅专栏 解锁全文 超级会员免费看
基于STM32的汽车修理厂环境监测系统_105
06-27 3488
本设计实现了一种基于STM32F103RCT6单片机的汽车修理厂环境监测系统，具备多种环境参数的采集与控制功能。系统能够实时监测修理厂内的环境温度、湿度、VOCs气体浓度、PM2.5浓度、烟雾和火焰信息，并依据设定阈值实现风扇、加湿器、等离子发生器、抽水泵等设备的自动联动控制。同时系统支持蜂鸣器报警提示，增强安全预警能力。系统采用ESP8266模块通过MQTT协议将数据上传至华为云物联网平台，用户可通过Qt编写的Android手机APP或Windows上位机软件实现对环境数据的远程查看与设备控制。
基于STM32+华为云设计的智慧农业灌溉系统(2023升级版)(158)
10-23 1万+
本项目设计一种基于STM32的智慧农业监测系统。该系统能够检测空气温度、湿度、光强度和土壤湿度等关键指标，并自动调节浇水量，实现作物生长环境的精细化管理。同时，本项目还支持本地LCD屏幕数据显示和通过ESP8266上传数据到华为云物联网平台，同时搭建流媒体服务器实现摄像头远程监控。最重要的是，本项目将利用Qt开发Android手机APP，使用户可以远程查看监测情况，了解农作物生成情况。
某企查请求头部ymg_ssr逆向
weixin_57644831的博客
09-06 1501
某企查请求头部ymg_ssr逆向
某企查旋转验证码V2
LJL_python的博客
12-29 2031
整体来说还是比较简单，没有太多的难度。注意一些细节就可以了。
BASE64加密解密问题
热门推荐
weixin_49869226的博客
10-25 3万+
BASE64加密解密问题 问题点：base64解密用base64加密的字符串，没有拿到正确的原字符串 1.原支付链接： https://yimafu.yeepay.com/ymf-pay/qrPay/index?qr=4AZZPEEO&id=YM111000182021071915551745105&ct=1626681317&sg=EE308A7ACD1C91656E768BD300F08ABA 2.使用base64加密支付链接，得到的最后结果是： aHR0cHM6Ly95aW1h
Java总结进阶之路 （基础二 ）
2509_94006474的博客
11-24 720
提示：java总结学习之路。
Python全栈开发项目——AI智能聊天机器人
qiao_yue的博客
11-24 787
本项目实现了AI聊天功能，具有语音输入和聊天背景自定义等亮点功能
使用python的pywin32库实现CANape工程自动化案例
qq_42746084的博客
11-24 907
摘要 本教程介绍使用Python控制CANape进行自动化数据采集与MF4文件分析的方法。主要内容包括： 环境配置：需Windows系统、CANape软件、Python 3.8+及相关库（pywin32、asammdf等） 核心功能： 通过COM接口控制CANape 实现基础数据采集、条件触发录制、定时批量采集等功能 支持批量标定参数写入与验证 提供MF4文件离线分析方案 典型应用案例： 基础数据采集与保存 基于信号阈值的触发录制 定时批量数据采集 批量标定参数验证 技术实现： 使用win32com操作CA
四、python其它高级语法
2301_79964758的博客
11-25 324
本文介绍了Python中的迭代器和生成器概念。迭代器通过实现__iter__和__next__方法实现惰性加载，示例演示了自定义迭代器模拟range功能。生成器是迭代器的语法糖，通过推导式或yield关键字创建，具有内存占用小的优势（示例显示生成器仅占用192字节，而列表占用8448728字节）。此外还介绍了property属性的两种实现方式：装饰器方式（@property和@属性名.setter）和类属性方式（property()函数），用于将方法封装为属性访问。
Dify知识库图文混排回复-让回答“图文并茂”
paopao_wu的专栏
11-22 388
目前在Dify知识库中上传的文档，要想做到回复图文混排的内容效果比较好的，有word格式导入和 markdown+图床两种。word文档中本身就是图文混排，使用word文档不用太折腾，本文对它探索一番后，各位可以体会一下它的优缺点。
98-爬取租房网站信息-1
11-24 207
import aiohttp #异步的网络请求模块。import asyncio #异步请求。操作系统：windows11。语言：Python3.10。开发环境：PyCharm。#导入伪造头部的信息。
Python科学计算库NumPy使用
2509_93947176的博客
11-23 459
如果想生成全零或全一的数组，可以用 或 ，指定形状就行，比如 会生成一个 2 行 3 列的零矩阵。另外， 类似于 Python 的 range，但更灵活，能生成等差数列。我在项目中常用这些来算统计量，比如均值、标准差，NumPy 提供了 、 等函数，一键搞定。我自己就是通过项目逐步深入的，现在回想起来，NumPy 不仅提升了我的编程效率，还让我对数据有了更深的理解。简单说，如果数组形状不匹配，NumPy 会自动扩展小数组来匹配大数组。比如，一个标量加一个数组，标量会被广播到数组的每个元素。
修复更新四年前的python代码
qq_53325717的博客
11-21 197
笔记
教你使用服务器搭建一款一款端到端的开源 OCR 模型GOT-OCR2.0
m0_69484557的博客
11-25 141
GOT-OCR2.0 是一款真正专业级、可落地的端到端开源 OCR 模型，它让文档识别变得更智能、更精准、更高效。当你将它部署在莱卡云服务器上后，就拥有：一个稳定的 OCR 服务平台一个云端智能识别中心一个支持批量处理的高效工具一个可扩展的文档自动化系统。
Python机器学习库
2509_93946396的博客
11-22 578
说到机器学习核心库，Sklearn的API设计确实经典。最近在做的图像分类项目里，用tf.data构建数据管道比传统生成器效率提升明显，尤其是map()和cache()的链式调用，让数据增强流程流畅了不少。最近遇到个有趣案例：某电商用户行为数据清洗时，发现用pd.get_dummies()处理分类变量比手动编码快了三倍，配合query()方法做数据筛选，代码行数直接减半。计算机视觉项目里OpenCV的HOG特征提取依然可靠，配合imutils库里的便捷函数，几行代码就能完成复杂的目标检测预处理。
Python自动化测试之异常处理机制实例详解
最新发布
Hacker_Nightrain的博客
11-25 725
今天笔者还是想要讲python中的基础，主要讲解Python中异常介绍、捕获、处理相关知识点内容，只有学好了这些才能为后续自动化测试框架搭建及日常维护做铺垫，废话不多说我们直接进入主题吧。到此这篇关于Python自动化测试之异常处理机制的文章就介绍到这了,更多相关Python异常处理机制下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】​​​软件测试面试文档我们学习必然是为了找到高薪的工作，下面这些面试题。
TensorRT-LLM 核心技术深度分析报告
rabies的博客
11-25 156
基于对TensorRT-LLM源码的深入分析，我整理了以下核心技术实现细节和架构设计模式的完整技术报告。核心类结构：tensorrt_llm/layers/attention.py中实现了多种注意力变体Attention：基础多头注意力类，支持GQA（Grouped Query Attention）BertAttention：BERT风格的双向注意力DeepseekV2Attention：针对DeepSeek模型的优化实现CogVLMAttention：多模态视觉-语言模型注意力。
Python视频教程
2509_93942294的博客
11-23 371
想想看，一个完全陌生的编程环境配置，书本可能用几页篇幅描述步骤，配几张可能还是黑白的截图，你跟着操作很容易卡在某个莫名奇妙的地方。而视频里，老师可以直接演示给你看，从下载安装包，到勾选哪个选项，再到打开命令行输入什么指令，整个过程一目了然。选择适合自己的课程，用正确的方法去学习，并积极地将理论转化为实践，这才是从“新手村”走向“实战高手”的正确路径。”的这种真实反应，都是书本冰冷的文字无法给予的。看看它最后能带你做出什么东西来，是一个简单的网站，一个数据分析报告，还是一个能实际运行的小游戏？
Python人工智能开发
2509_93936798的博客
11-22 273
建议他们先用OpenCV做标准化处理，把图片统一缩放到224x224，再用直方图均衡化增强对比度，准确率直接涨了十个百分点。用TextCNN加上合适的词嵌入，在RTX3060上训练二十分钟就能达到90%的准确率，而且推理速度比BERT快二十倍。这里有个小技巧，在卷积层后使用全局最大池化代替全连接层，不仅能降低过拟合风险，还能保留最重要的特征信息。训练过程中的坑也不少。可视化工具特别重要，用Matplotlib绘制损失曲线和准确率曲线，用Seaborn画混淆矩阵，这些看似基础的方法往往比高端工具更直观。
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

傲娇的小苹果

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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