ai-mobile-reverse-skills

移动安全分析Skills

面向移动安全分析场景的 6 阶段总控 Skill。用于统一调度 APK 静态侦察、流量与代码对齐、SO/JNI 深度分析、加密与漏洞综合分析、验证设计与报告交付流程。支持 JADX MCP、Burp/Yakit MCP、IDA/Ghidra MCP。

一、适用场景

• Android APK 静态逆向与安全画像
• 反编译代码、抓包结果、接口字段之间的联动分析
• JNI / SO / native 加密、签名、风控逻辑定位
• 弱加密、认证授权、组件安全、JSBridge、敏感信息等风险分析
• 授权测试环境下的最小验证方案与 POC 设计
• 移动端渗透测试报告和结构化 Findings 交付

二、架构设计

主要由以下几个核心模块构成：

• 根总控 SKILL.md：负责阶段识别、运行模式、任务路由和执行约束
• 6 个阶段 Agent：覆盖从 APK 静态侦察到最终安全报告的完整流程
• MCP 接入规范：支持 JADX、Burp/Yakit、IDA/Ghidra 等工具联动
• 本地分析脚本：负责接口、敏感信息、JNI、环境检测、Native 目标等线索提取
• 结构化输出：各阶段通过 JSON / Markdown 产物自动向后续阶段传递分析结果

ai-mobile-reverse-skills/
├── SKILL.md                                  # 总控入口
├── README.md                                 # 使用说明
├── USER-README.md                            # 快速使用说明
├── agents/                                   # 六阶段 Agent
│   ├── agent-01-sample-recon.md              # 第一阶段：APK 静态侦察
│   ├── agent-02-protocol-mapper.md           # 第二阶段：流量与代码对齐
│   ├── agent-03-crypto-native-analyzer.md    # 第三阶段：SO / JNI 深度分析
│   ├── agent-04-crypto-vuln-analyzer.md      # 第四阶段：漏洞综合分析
│   ├── agent-05-validation-designer.md       # 第五阶段：最小验证 POC 设计
│   └── agent-06-reporter.md                  # 第六阶段：安全报告汇总
├── docs/                                     # MCP 与状态说明
├── schemas/                                  # 阶段输入输出规则
├── templates/                                # 状态、报告、复现模板
└── tools/
    ├── frida/                                # Frida 辅助脚本
    ├── poc_templates/                        # POC 模板
    └── scripts/                              # 本地分析与自动化脚本
        ├── run_phase1.py                     # Phase 1 本地一键执行
        ├── endpoint_extractor.py             # 接口 / URL / 字段线索
        ├── secret_scanner.py                 # 硬编码密钥 / Token / 凭证
        ├── native_bridge_indexer.py          # JNI / JSBridge / Native 线索
        ├── env_guard_indexer.py              # Root / Frida / SSL Pinning 等检测
        ├── resolve_native_target.py          # 自动收敛目标 SO
        ├── ghidra_target_loader.py           # Ghidra 自动导入
        ├── ida_target_loader.py              # IDA 自动导入
        └── sign_rebuilder.py                 # 签名算法重建

三、如何使用这个仓库

仓库核心入口：

ai-mobile-reverse-skills/SKILL.md

将 ai-mobile-reverse-skills/ 放到支持 SKILL.md 的 Codex / AI Skill 搜索目录中，或者直接让当前 workspace 中的 AI 读取该目录。

如果只是第一次使用，建议先看：

ai-mobile-reverse-skills/USER-README.md

正式执行时，直接告诉 AI 运行模式，然后从第一阶段开始。

例如：

run_mode: step_by_step

然后：

开始第一步

AI 会返回当前阶段需要填写的标准输入模板。

如果你已经有本地反编译目录，也可以直接给出：

step: 1
analysis_mode: local_source
target_dir: sample_target/decompiled
output_dir: analysis_runs/current_run
jadx_mcp: no

如果使用已经打开的 JADX MCP：

step: 1
analysis_mode: jadx_mcp_session
output_dir: analysis_runs/current_run
jadx_mcp: yes

本地 Phase 1 一键分析

如果使用本地反编译目录，可以直接执行：

python ai-mobile-reverse-skills/tools/scripts/run_phase1.py \
  --target-dir sample_target/decompiled \
  --output-dir analysis_runs/current_run

它会自动完成 Phase 1 的基础索引与标准产物生成。

四、阶段流程说明

阶段	Agent	目标	主要输出
Phase 1	SampleRecon	APK 静态侦察、技术栈识别、环境检测、敏感入口与 SO 线索初筛	file_inventory.json、tech_stack.json、entrypoints.json、env_guard_report.json
Phase 2	ProtocolMapper	将抓包请求、接口字段、签名参数和代码实现对齐	api_endpoints.json、protocol_map.json、traffic_alignment.json
Phase 3	CryptoNativeAnalyzer	分析 JNI / SO / native 加密和签名逻辑	crypto_native_analysis.json、jni_analysis.json
Phase 4	CryptoVulnAnalyzer	综合前序证据，分析弱加密与高风险漏洞	vuln_analysis.json、risk_matrix.json
Phase 5	ValidationDesigner	在授权环境下设计最小验证方案和 POC	validation_cases.json、test_plan.md、repro_steps.md
Phase 6	Reporter	汇总 Phase 1-5，生成最终报告和 Findings	security_report.md、findings.json

所有模式都从 Phase 1 开始，自动链也不会跳过第一阶段。

五、MCP 接入说明

MCP 用于给 AI 提供真实工具上下文。

MCP	主要用途	典型阶段
jadx-mcp	读取 Manifest、类、方法、资源、字符串和调用链	Phase 1、Phase 4
Burp MCP / Yakit MCP	读取抓包请求、Header、Body、响应和接口场景	Phase 2、Phase 5
ida-mcp / ghidra-mcp	分析 SO、JNI、伪代码、交叉引用和 native 加密逻辑	Phase 3

完整说明：

ai-mobile-reverse-skills/docs/MCP-INTEGRATION.md

六、运行模式

6.1 逐阶段步进

适合希望人工控制每一步分析过程的场景。

run_mode: step_by_step

特点：

• 每个阶段结束后默认暂停
• 人工检查当前结果后再继续
• 适合复杂样本或需要人工持续调整分析方向的场景

6.2 自动链

适合前置材料比较完整，希望系统尽量自动推进的场景。

run_mode: auto_chain
auto_chain_mode: A/B/C

模式	自动化范围	适合情况
A	Phase 1 人工确认，Phase 2-6 自动推进	Phase 1 后需要人工完成代理、抓包、MCP 等准备
B	Phase 1-3 人工确认，Phase 4-6 自动推进	前三阶段人工深挖，后续自动完成漏洞收口、验证与报告
C	Phase 1-6 尽量自动推进	启动前已经准备好反编译目录、抓包和 MCP 环境

如果缺少关键输入，例如抓包结果、Native 分析环境或前序阶段产物，自动链会在对应阶段暂停并提示缺失项。

七、更新说明

2026/8/14 — v1.1

• 重构根 SKILL.md：总控聚焦阶段路由、运行模式、状态和安全边界，阶段细节下沉，降低总控上下文占用
• 新增 schemas/phase-contracts.json：将六阶段最低输入、必要输出、可选输入输出和阻塞条件改为机器可读契约
• 新增 run_phase1.py：为 local_source 路径提供 Phase 1 确定性执行入口，并行运行四个本地索引器
• 新增 phase1_artifact_builder.py：自动生成 file_inventory.json、tech_stack.json、entrypoints.json 等标准交接资产
• 新增 phase_guard.py：检查必要产物的存在性、非空状态和 JSON 可解析性，生成 phase_gate.json 并维护 analysis_state.json
• 优化 Blackboard 初始化：空白模板与示例数据分离，避免演示 Fact / Intent / Hint 被误当作真实分析结论
• 调整 auto_chain 质量门：Phase 1-3 关注新增 Fact，Phase 4-6 改以必要产物与 Phase Gate 为主，减少无意义 stall_warning
• 修正 SM3 降级行为：缺少 gmssl 时显式失败，不再错误回退为 SHA-256
• 在不改变六阶段核心分析模型的前提下，进一步增强自动化编排、阶段交接可靠性和上下文效率

2026/6/28 - v1.0

• 新增 session_blackboard.json：各阶段关键发现（密钥、native 目标、加密算法）写入共享黑板，下游阶段直接读取，无需重复推导
• 新增 Phase 2 → Phase 3 Intent 定向信号：Phase 2 将锁定的目标 so 和字段写入黑板，Phase 3 直接从指定目标开始分析
• 新增 Guardian L1-L5 证据深度标注：每条漏洞标注可利用程度（Phase 4 静态最高判到 L4 可直接出 PoC / L3 需 Frida 确认 / L2 调用链待补全；L5 为 Phase 5 运行时确认），risk_matrix.json 同步输出 Phase 5 优先级工作队列
• 新增 auto_chain 质量门：阶段完成后自动检查新增发现数，为零时向下游写入预警，各阶段质量可感知
• 新增 ida_target_loader.py：IDA 版 so 自动化拉取，与 ghidra_target_loader.py 输入通用，Phase 2 选定的 so 自动 headless 建库分析并拉起 IDA GUI，交给 ida_pro_mcp 接手；macOS/Windows 标准路径下自动定位 IDA，兼容 9.x（ida/idat）与 8.x（ida64/idat64）

2026/5/20 - v0.2

• 新增 ai_summarizer.py：4 个索引脚本执行后自动生成压缩摘要，减少 AI token 消耗
• 新增 sign_rebuilder.py：支持 17 种算法和 pipeline 链式组合，Phase 5 直接生成 sign 复现请求
• ghidra_target_loader.py 支持 macOS 和 Windows，用户需提前填写 ghidra_root

2026/4/23 - v0.1

初版发布