某金融APP通信协议逆向分析与自动化加解密实战教学文档

文档概述

本教学文档基于一篇实战技术文章，详细讲解了如何对一个采取了高强度加密和反调试措施的金融类Android APP进行渗透测试。核心挑战在于破解其自定义的通信加密协议，并绕过其基于Frida的检测机制。最终目标是实现一个自动化的加解密服务（RPC Server），便于安全研究人员进行接口重放、漏洞挖掘和安全性评估。

技术栈关键词： Android逆向、Frida、RPC、Flask、AES、HMAC、TLS握手、反调试绕过

第一章：挑战与目标

1.1 面临的挑战

1. 反Frida检测： APP内置了检测机制，当Frida注入后，一旦调用Java.use等关键API，应用会立即闪退。
2. 复杂的通信加密： 请求和响应体均为加密的JSON格式，加密算法位于Native层（C/C++），而非Java层，增加了分析难度。
3. 动态密钥： 加密所用的密钥（AES密钥、IV等）并非硬编码在代码中，而是通过一个类似TLS握手的过程动态生成，每次启动APP都会变化。

1.2 渗透目标

1. 绕过反Frida检测，成功将Frida注入到目标APP中。
2. 逆向分析出完整的通信数据加解密流程。
3. 定位并提取动态生成的加密密钥。
4. 构建一个自动化RPC服务，提供加密和解密接口，支持对抓取的数据包进行解密分析和对修改后的数据进行加密重放。

第二章：技术分析与破解流程

2.1 阶段一：绕过Frida反调试检测

问题现象： Frida可以注入，但执行Java.use()时APP崩溃。

解决方案（二选一）：

方案A：编译Frida Java Bridge

1. 原理： 官方的Frida Java.use等API特征明显，容易被检测。通过编译Frida的frida-java-bridge模块，可以改变这些API的底层实现方式，从而绕过基于特征码的检测。
2. 操作步骤：
   • 参考提供的视频教程，搭建Node.js环境。
   • 使用frida-compile工具将自定义的Agent脚本（包含对Java层的操作）编译成一个单独的、优化过的_agent.js文件。
   • 注入时，直接加载这个编译后的_agent.js文件，而非原始的、特征明显的Frida API脚本。

方案B：使用ZygiskFrida

1. 原理： 这是一个开源项目，它将Frida集成到Magisk的Zygisk模块中。它通过修改Android系统底层（Zygote进程）的加载方式，实现了更深层次的注入和更隐蔽的存在，从而有效规避了常规的Frida检测。
2. 操作步骤：
   • 确保手机已解锁Bootloader并刷入Magisk（支持Zygisk）。
   • 安装ZygiskFrida模块并重启手机。
   • 之后即可像正常使用Frida一样进行注入，检测功能已被绕过。

推荐： 对于新手，方案B（ZygiskFrida） 更为简单可靠。

2.2 阶段二：逆向分析加密流程

1. 抓包初步分析

• 请求/响应体格式：{"key": "Base64EncodedEncryptedData"}
• 关键请求头：X-Emp-Signature，用于数据签名验证。

2. 定位签名算法（突破口）

• 使用逆向工具（如Jadx-GUI）反编译APP，全局搜索字符串X-Emp-Signature。
• 定位到initHttpRequest方法，发现其调用了encryptHMAC方法。
• 分析encryptHMAC，确认其使用HmacSha1（或可配置的国密SM3）算法对数据进行签名。

3. 定位请求体加密入口

• 由于加密可能在Native层，直接阅读Java代码逻辑更高效。在Jadx中查找initHttpRequest方法的调用者，向上追溯。
• 最终定位到sendRequest方法，其中调用了handleRequestBody方法来处理请求体加密。
• 关键代码逻辑分析（handleRequestBody）：
  • byte[] rnc = new byte[16]; ... new SecureRandom().nextBytes(rnc); 生成一个16字节的随机数（RNC）。
  • 将RNC与原始的JSON请求体字节数组合并（RNC + RequestBody）。
  • 调用 AESCipher.encrypt(rncAndBody) 对合并后的数据进行AES加密。
  • 将加密结果与一个序列号（mSequence）拼接，然后计算HMAC签名。
  • 最终结构为：HMAC签名 || 序列号 || AES加密结果。
  • 将整个结果进行Base64编码，并封装成{"key": "base64String"}的格式。

4. 解密流程推理
响应体的解密是加密的逆过程：

• Base64解码响应体。
• 分离出HMAC签名（用于验证数据完整性）、序列号和AES加密数据。
• 使用正确的AES密钥和IV解密数据。
• 解密后的数据前16字节是RNC，后面才是真正的JSON响应体。

2.3 阶段三：追踪动态密钥生成

核心问题： AES加密所需的clientKey_和clientIv_是动态的。

1. 密钥生成点定位

• 在Jadx中追踪AESCipher类，发现其clientKey_和clientIv_的赋值在一个initSecret方法中。
• initSecret方法的核心是这行代码：

  byte[] allSecret = PRFCipher.PRF(ms2, HMac.TLS_MD_CLIENT_SERVER_KEYIVMAC_CONST(), ms2RncRnsSeed, R2.attr.arrowHeadLength);
  

• 这行代码是标准的TLS-PRF（Pseudo-Random Function） 实现，用于从主密钥（ms2）和随机数种子（ms2RncRnsSeed）派生出会话所需的多个密钥。

2. 逆向TLS握手流程

• 继续追溯ms2（主密钥）的来源，最终定位到handleServerKeyExchange方法。该方法处理服务器发送的密钥交换信息（如RSA公钥加密的预主密钥）。
• 进一步向上追溯，发现一个关键的HTTP请求（例如 /api/facility/serverHello），该请求的响应数据被用于计算主密钥ms2。
• 结论： APP启动时，会与服务器进行一次自定义的、简化版的TLS握手。通过这次握手，客户端和服务器协商出共享的主密钥ms2，然后双方使用相同的PRF函数，派生出完全一致的AES密钥、IV和HMAC密钥。

2.4 阶段四：Frida RPC实现自动化

由于密钥动态生成，硬编码密钥到Python脚本是不可行的。因此，采用Frida RPC（Remote Procedure Call）技术，在APP内存中直接调用其Java加密/解密方法。

1. Frida脚本核心任务
编写一个Frida脚本（agent.js），暴露（export）几个RPC函数给外部调用：

• getKeys(): 获取当前会话的动态密钥（clientKey, clientIv, serverKey, serverIv, hmacKey）。
• encryptData(data): 接收明文字符串，调用APP自身的handleRequestBody逻辑，返回加密后的Base64字符串。
• decryptData(encryptedBase64): 接收加密的Base64字符串，调用APP自身的解密逻辑，返回明文字符串。

示例代码片段（概念性）：

Java.perform(function () {
    var AESCipher = Java.use("com.xxx.AESCipher");
    var CryptoManager = Java.use("com.xxx.CryptoManager");

    // RPC函数：获取密钥
    rpc.exports.getKeys = function () {
        return {
            clientKey: Array.from(AESCipher.clientKey_.value),
            clientIv: Array.from(AESCipher.clientIv_.value),
            // ... 其他密钥
        };
    };

    // RPC函数：加密
    rpc.exports.encryptData = function (plainText) {
        var result = CryptoManager.handleRequestBody(plainText);
        return result;
    };
});

2. Python端与Flask服务器

• 使用Python的frida库连接到设备上的APP进程，并加载上述agent.js脚本。
• 利用flask框架创建一个轻量级的Web服务器。
• 为每个RPC函数创建一个对应的API端点（endpoint）。

示例Flask端点：

import frida
from flask import Flask, request, jsonify

app = Flask(__name__)
session = None
script = None

@app.route('/encrypt', methods=['POST'])
def encrypt():
    data = request.json.get('data')
    encrypted_data = script.exports.encrypt(data)
    return jsonify({'encrypted_data': encrypted_data})

@app.route('/decrypt', methods=['POST'])
def decrypt():
    encrypted_data = request.json.get('data')
    decrypted_data = script.exports.decrypt(encrypted_data)
    return jsonify({'decrypted_data': decrypted_data})

if __name__ == '__main__':
    # 连接Frida并加载脚本的代码...
    device = frida.get_usb_device()
    pid = device.spawn(["com.xxx.financialapp"])
    session = device.attach(pid)
    with open("agent.js", "r") as f:
        script_code = f.read()
    script = session.create_script(script_code)
    script.load()
    device.resume(pid)
    app.run(host='0.0.0.0', port=5000)

第三章：实战操作流程总结

1. 环境准备： 安装Frida、Python、ADB。Root手机并配置ZygiskFrida以绕过检测。
2. 逆向分析： 使用Jadx静态分析APP，理清handleRequestBody、AESCipher、PRFCipher等关键类的调用关系。
3. 编写Frida RPC脚本： 根据分析结果，编写agent.js，暴露getKeys， encryptData, decryptData等RPC函数。
4. 部署Flask RPC服务器： 编写Python脚本，连接Frida，加载JS脚本，并启动Flask服务。
5. 渗透测试：
   • 抓包： 使用Burp Suite或Charles抓取APP流量，得到加密的数据包。
   • 解密： 将抓到的加密数据（{"key": "..."}中的值）发送到本地Flask服务器的/decrypt接口，即可获得明文。
   • 分析/修改： 分析明文JSON，发现潜在漏洞（如参数污染、越权等）。
   • 加密重放： 将修改后的明文发送到/encrypt接口，获得新的加密数据，替换原数据包中的内容，进行重放攻击。

第四章：核心知识点与工具清单

• 核心知识点：
  • Frida动态插桩与反检测绕过
  • Android Java层与Native层逆向分析
  • TLS握手与密钥交换协议（PRF）
  • AES对称加密与HMAC签名
  • Frida RPC机制
  • Flask Web框架
• 工具清单：
  • 逆向分析： Jadx-GUI
  • 动态调试： Frida, ZygiskFrida
  • 抓包工具： Burp Suite, Charles
  • 开发环境： Python 3, Flask库, frida-tools
  • Android环境： 已Root的Android手机/模拟器

通过以上步骤，您可以系统地完成对该金融APP的通信协议破解，并建立起一个强大的自动化测试平台。请注意，本文档仅用于安全研究和学习目的，请勿用于非法活动。