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
售后服务管理系统
本套售后管理系统，是深度贴合制造业一线业务场景的轻量化协同工具。它无需推翻企业现有管理体系，不依赖高额定制开发，无缝衔接金蝶ERP，精准填补现场业务与后端管理系统的衔接空白，用最小成本实现售后管理数字化升级。
系统适用对象覆盖全生态售后相关角色，包括企业售后部全体人员、销售人员、授权经销商及合作电工，不同角色配备专属操作入口与功能权限，操作简单易上手，无需复杂培训即可快速落地使用。
在登录方式上，系统采用双端适配模式：内部售后、销售人员通过企业微信工作台登录，实现PC+移动端协同办公；外部经销商、合作电工通过微信小程序登录，扫码即用、无需安装额外软件，真正做到随时随地办业务，一键操作提效率。
内部AI问答平台
系统集成 AI 知识助手、多模态助手、企业知识库三大核心能力，支持仪表板快速生成、拖拽式大屏搭建、智能报告生成与剧本化编辑，并提供 AI 机器人聊天及自定义指标配置，打造覆盖智能交互、数据分析与可视化应用的全链路企业级平台。
证券H5积分商城系统
作为前端核心开发，我的任务是主导积分商城的前端架构设计，并独立负责商品展示、积分兑换、订单管理等核心模块的开发。关键目标是打造一个稳定、流畅且用户体验良好的H5应用，并确保与券商APP原生环境无缝集成。
批量数据处理与自动化运维脚本开发
本项目为批量数据处理与自动化运维脚本工具，旨在解决企业日常工作中大量重复的数据处理、运维操作问题，通过 Python 自动化脚本，实现数据采集、批量导出、定时任务、日志监控等功能。工具核心功能包括：1. 多源数据采集，支持 Excel/CSV/ 数据库等多格式数据自动提取；2. 批量数据处理，支持数据清洗、格式转换、报表生成；3. 自动化运维，支持定时任务、服务器监控、日志分析；4. 可视化配置，用户可通过简单配置实现自定义自动化流程，无需代码。工具可广泛应用于财务、行政、运维等多个岗位，大幅提升工作效率，减少人工错误。
AI 多 Agent 自动化办公系统开发
本项目为 AI 多 Agent 自动化办公系统，旨在解决企业日常办公中重复、繁琐的流程化工作，通过大模型驱动的多智能体协同，实现文档处理、智能问答、流程自动化等核心功能。系统核心模块包括：1. 智能文档解析 Agent，支持 PDF/Word/Excel 等多格式文件自动提取关键信息、生成摘要；2. 流程自动化 Agent，可自定义工作流，自动执行数据录入、报表生成等任务；3. 智能问答 Agent，基于企业私有知识库，提供精准的业务咨询服务。用户可通过可视化界面快速配置 Agent，无需代码即可搭建专属自动化办公系统，大幅提升办公效率，降低人力成本。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服