业务和功能介绍
本项目为某股份制银行移动 Banking APP 的客户端安全体系升级工程，核心目标是构建多层纵深防御机制，提升对终端环境异常（模拟器、调试 attach、Hook 框架注入）的感知精度，同时降低误报率对正常用户的干扰。
核心功能模块：
1.
设备指纹增强系统：基于硬件特征（传感器校准偏差、电池健康度、CPU 微架构特征）生成高稳定性设备 ID，对抗设备重置和模拟器伪造
2.
运行环境完整性校验：多维度检测 ROOT/越狱状态、调试器附加、代码注入（Xposed/Frida）、模拟器特征（QEMU 痕迹、CPU 架构异常）
3.
敏感逻辑保护：核心风控算法（风险评分计算、加密密钥派生）采用白盒加密和控制流混淆（OLLVM），防止静态分析和动态调试提取业务逻辑
4.
行为生物特征采集：采集触屏压力、手势加速度、操作节奏等行为数据，用于区分真人操作与自动化脚本
业务流程：用户启动 APP → SDK 在独立进程初始化安全环境 → 执行多层级完整性校验 → 采集设备指纹与行为数据 → 本地风险评分 → 加密传输至风控中台 → 结合云端大数据返回风险决策（放行/增强认证/阻断）。
核心功能模块：
1.
设备指纹增强系统：基于硬件特征（传感器校准偏差、电池健康度、CPU 微架构特征）生成高稳定性设备 ID，对抗设备重置和模拟器伪造
2.
运行环境完整性校验：多维度检测 ROOT/越狱状态、调试器附加、代码注入（Xposed/Frida）、模拟器特征（QEMU 痕迹、CPU 架构异常）
3.
敏感逻辑保护：核心风控算法（风险评分计算、加密密钥派生）采用白盒加密和控制流混淆（OLLVM），防止静态分析和动态调试提取业务逻辑
4.
行为生物特征采集：采集触屏压力、手势加速度、操作节奏等行为数据，用于区分真人操作与自动化脚本
业务流程：用户启动 APP → SDK 在独立进程初始化安全环境 → 执行多层级完整性校验 → 采集设备指纹与行为数据 → 本地风险评分 → 加密传输至风控中台 → 结合云端大数据返回风险决策（放行/增强认证/阻断）。
项目实现
整体架构：采用"静态加固 + 动态防护 + 数据链路加密"的三层防御架构。静态层通过编译期混淆和 SO 加密保护核心算法；动态层通过多进程守护、反调试机制、完整性自校验确保运行时安全；链路层采用白盒 AES + 证书 pinning 防止中间人攻击。
技术栈细节：
加固方案设计：针对 ARM64 架构设计 SO 加壳方案，实现 ELF 文件加密存储、运行时内存解密、代码段完整性校验（CRC + 数字签名）
反调试体系：构建基于 ptrace 陷阱、/proc/self/status 状态监控、时间差检测的多层反调试网络，阻断 GDB、LLDB 等调试器附加
环境感知优化：开发基于 JNI 的底层系统调用监控，识别虚拟设备特征（如 QEMU 的特定 CPUID、模拟器的传感器数据静态化）
负责模块与量化成果：
代码保护方案落地：主导设计并实现了 SO 库加固方案，覆盖 15 个核心风控模块，使静态逆向分析成本提升300%（基于 IDA Pro 反汇编时间评估）
风控感知准确率优化：通过逆向分析黑产工具的攻击特征，优化环境检测逻辑，将 ROOT 检测误报率从 12% 降至1.8%，同时将模拟器识别准确率从 85% 提升至99.2%
安全测试框架搭建：构建自动化安全测试平台，模拟 20+ 种攻击场景（调试注入、API Hook、内存 Dump、协议重放），实现回归测试自动化，测试效率提升80%
合规审计支持：配合等保 2.0 和《移动金融客户端应用软件安全管理规范》（JR/T 0092-2019）要求，输出安全架构设计文档 3 份，通过三级等保测评及银行内部安全审计
技术栈细节：
加固方案设计：针对 ARM64 架构设计 SO 加壳方案，实现 ELF 文件加密存储、运行时内存解密、代码段完整性校验（CRC + 数字签名）
反调试体系：构建基于 ptrace 陷阱、/proc/self/status 状态监控、时间差检测的多层反调试网络，阻断 GDB、LLDB 等调试器附加
环境感知优化：开发基于 JNI 的底层系统调用监控，识别虚拟设备特征（如 QEMU 的特定 CPUID、模拟器的传感器数据静态化）
负责模块与量化成果：
代码保护方案落地：主导设计并实现了 SO 库加固方案，覆盖 15 个核心风控模块，使静态逆向分析成本提升300%（基于 IDA Pro 反汇编时间评估）
风控感知准确率优化：通过逆向分析黑产工具的攻击特征，优化环境检测逻辑，将 ROOT 检测误报率从 12% 降至1.8%，同时将模拟器识别准确率从 85% 提升至99.2%
安全测试框架搭建：构建自动化安全测试平台，模拟 20+ 种攻击场景（调试注入、API Hook、内存 Dump、协议重放），实现回归测试自动化，测试效率提升80%
合规审计支持：配合等保 2.0 和《移动金融客户端应用软件安全管理规范》（JR/T 0092-2019）要求，输出安全架构设计文档 3 份，通过三级等保测评及银行内部安全审计
示例图片视频
相似推荐
基于GD32H759I的轻量级卷积循环网络边缘语音降噪系统-EdgeDenoise边缘语音降噪终端
面向会议记录、工业对讲、人机交互及嵌入式智能终端在风扇、空调、键盘敲击和室内混响等噪声环境下的语音采集需求，设计并实现一套基于GD32H759IMT6微控制器的边缘语音降噪系统。系统通过ES7210音频采集模块、SAI和DMA连续获取48 kHz多通道音频，在本地完成通道选择、音量统计、短时傅里叶变换、频带特征提取、神经网络推理、频谱掩蔽和语音重建，无需依赖云端服务器。
系统支持RAW原始音频、RNNoise对照降噪和自研CRN降噪三种工作模式，可通过触摸屏完成模式切换、输入通道选择、增益调整、开始或停止录音以及屏幕截图。LCD实时显示原始与降噪波形、音量、模型状态、录音时间、缓存状态和输出文件名；TF卡可保存原始WAV录音、CRN降噪音频及LCD截图，形成“音频采集—边缘推理—效果显示—文件保存”的完整闭环。
图片数据智能提取
本程序用于信息录入场景，可将截图内容整理为规范表格。先借助 OCR 识别提取截图内图文原始信息，再调用大模型 API，按预设规则完成数据筛选与结构化解析，属于专用数据格式提取脚本。支持自定义提取规则灵活适配不同业务需求，可按需调整输出模板，高效完成图片信息标准化导出，大幅减少人工录入整理工作量。
excel智能体
立项背景与目标 ：日常办公中，表格合并、文档处理、数据看板生成等重复性工作耗时且门槛高。雪球旨在利用大语言模型的自然语言理解能力，让用户通过一句话即可完成复杂办公任务，实现"对话即操作"的智能办公体验。
软件功能与核心模块 ：平台围绕四大模块构建——表格处理引擎（JOIN联查、批量填充、分组聚合、拆分合并）、文档处理引擎（Word改写/模板填充、PDF提取/拆分/合并、PPT生成）、BI看板生成器（11种ECharts图表，支持HTML/PNG/PDF/PPT导出）和PPT自适应渲染引擎（四级降级策略）。所有工具通过DeepSeek Agent统一调度。
业务流程与功能路径 ：用户自然语言输入 → Agent解析意图并编排步骤 → 自动调用工具链执行 → SSE流式返回执行进度与结果 → 任务快照持久化存档。全程支持审计日志脱敏和中断恢复，确保数据安全与操作可追溯。
基于多智能体与知识图谱的复杂知识分析平台
1. 立项背景和目标
面向复杂知识问答、多步任务拆解和证据驱动分析场景，搭建统一的 AI Agent 平台。旨在解决传统问答系统在复杂任务中可分解性不足、证据链不可追溯、文档与图谱数据割裂、模型选型缺乏统一评测等痛点，降低知识密集型分析任务的人工操作成本。
2. 核心功能模块
多智能体协作： 采用 planner -> dispatcher -> summary 主链路，支持任务拆解、依赖编排和拓扑执行。
知识检索与定位： 集成文档多格式解析、片段级检索、页级定位及 Neo4j 知识图谱 Cypher 检索。
评测与选型底座： 支持对不同模型、提示词策略和子代理组合进行横向对比与流程稳定性观察。
前端工作台： 支持多会话聊天、模型参数配置、执行轨迹面板、知识图谱可视化及结果下载。
3. 业务流程与功能路径
用户上传多格式文档或输入复杂分析任务 -> 系统提取分析并构建图谱 -> 多智能体协作编排并调度任务（子代理执行文档精读和图谱检索） -> 聚合生成可追溯、可信的结构化报告或演示文稿 -> 通过 SSE 流式反馈、渲染任务轨迹并展示给前端。
豪视界-AI 图像处理平台
AI 图像处理平台（"流行智能"后更名"豪视界"） —— 一个面向电商卖家的 SaaS 化 AI图像处理工具站。核心业务逻辑:卖家上传商品图,平台调用多个 AI引擎完成换背景、生成模特图、扩图/高清/去水印等处理,按张扣积分,处理结果存云端图库。
支撑业务的系统能力
- 账户体系:邮箱/手机注册登录、JWT 鉴权、图形验证码、访客可浏览(登录才可下单)
- 积分计费系统:注册赠送 100 积分、按任务类型差异化定价(可后台配置)、消费流水记录、积分套餐
- 异步任务系统:任务状态机(等待→处理中→完成/失败)、批量提交、全局任务列表、结果轮询
- 图库:处理结果云端存储(阿里云 OSS)、缩略图、任务详情回看
- 管理后台:用户管理(禁用/启用/改积分)、任务监控与重试、系统配置、积分规则/套餐配置、操作日志、仪表盘统计
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服