项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-11-04 · 当前星标 ★ 1737
使用教程
环境要求
- 电脑桌面环境:macOS / Windows / Linux
- Android 手机需开启开发者模式与 USB 调试,并用数据线连接电脑
- 首次运行需可用网络以下载 adb、jadx(可选,会自动存到 ~/.noir/tools)
- 选源码构建方式时需 JDK 与可用的 Gradle Wrapper(./gradlew)
安装与启动步骤
-
1下载便携包
到 Releases 页下载对应平台的 portable 压缩包(macOS / Windows / Linux),可同时下载 SHA256SUMS.txt 校验。
-
2解压安装包
解压到任意目录;Linux 用户需给启动脚本加执行权限,否则双击或终端运行会提示无权限。
unzip noir-v0.1.1-Linux-portable.zip chmod +x Start-NOIR.sh -
3手机开启USB调试
在手机开发者选项里打开 USB 调试,用数据线连接电脑,手机上出现授权弹窗时选择允许。
-
4启动并跑向导
双击对应启动器(macOS 为 Start NOIR.command、Windows 为 Start NOIR.bat、Linux 为 Start-NOIR.sh),会弹出终端窗口依次完成 adb 检查、等待插线(最多 180 秒)、扫描与
./Start-NOIR.sh -
5确认处置建议
扫描后向导会询问是否执行安全处置,输入 y 执行并生成回滚文件;不确定时先选 n 只查看报告。
-
6源码构建(可选)
不想用便携包时从源码构建,生成可执行入口,之后再用 --about 检查。
git clone https://github.com/Verlintas/NOIR cd NOIR ./gradlew :cli:installDist -
7验证安装
运行 --about 查看版本与构建信息,能正常输出说明安装完成。
./cli/build/install/noir/bin/noir --about
如何确认成功
启动器终端窗口能完整跑完向导并输出仪表盘,或用 noir --about 正常打印版本信息。
常见问题
Q:双击启动器被系统拦截怎么办?
A:macOS 可右键选择「打开」,或执行 xattr -dr com.apple.quarantine "Start NOIR.command" NOIR.app;Windows 在 SmartScreen 中点「更多信息」再选「仍要运行」。
Q:需要另外安装 Java 吗?
A:便携包内自带运行时,不需要安装 Java;只有从源码构建时才依赖本机的 JDK 与 Gradle Wrapper。
Q:提示找不到设备或 adb?
A:按向导打印的步骤开启开发者模式与 USB 调试后重新插线,向导会等待最多 180 秒;adb 缺失时可在首次运行时选择自动下载到 ~/.noir/tools。
Q:会不会自动卸载手机上的应用?
A:不会。工具默认只给出建议,只有显式加 --aggressive 才会执行更激进的动作,每条动作都会生成回滚命令。
Q:jadx 是必须的吗?
A:不是。只有使用 deep 模式对单个 APK 做反编译和关键字检索时才需要,首次运行可按提示自动下载。
注意事项
- 工具只做审计与自我防护,请仅扫描自己的设备或已获授权的设备。
- 全程不联网、不上传数据、不需要账号,也不需要 root 或修改系统分区。
- 执行处置前先确认回滚文件已生成,便于随时还原。
- 包内不含 adb 与 jadx,均存放在 ~/.noir/tools,可按需清理。
核心亮点
- 基于 adb 直连设备,无需 root 即可读取应用权限与组件信息
- 同时呈现权限、上报端点、数据流向三类视图,隐私暴露面集中可见
- 处置操作支持回滚,降低误停用系统组件带来的风险
不足之处
- 依赖 adb 与开发者调试环境,普通用户上手门槛偏高
- 静态分析与端点识别可能存在误报,需人工复核结论
- 文档与社区规模仍在成长,复杂机型适配情况待观察
适用场景
- 新手机到手后审计预装软件与权限申请情况
- 定期检查已装 App 的网络上报端点与数据流向
- 精简系统组件前先评估隐私影响并保留回滚方案
替代项目
Exodus Privacy、TrackerControl、AppScanner
上一篇:torch-fidelity
下一篇:没有了!
同类项目推荐
Video-MME-v2
开源
评测视频大模型,从看懂片段到理解长视频全场景。
Video-MME-v2: Towards the Next Stage in Benchmarks for Comprehensive Video Understan···
Omni-SafetyBench
开源
给音视频大模型做安全体检,发现隐藏风险
[ACM MM 2026] Code for paper "Omni-SafetyBench: A Benchmark for Safety Evaluation of···
SpatialEval
开源
测出大模型空间推理真实水平,选模型不再靠猜
[NeurIPS'24] SpatialEval: a benchmark to evaluate spatial reasoning abilities of MLL···
secure-ai-agent-boundary
开源
给 AI 代理划数据红线,越界访问直接拦住
Secure AI Engineering Framework 2026: Data-Boundary Security for Frontier Models
RiOSWorld
开源
测出你的电脑智能体有多“手贱”,防翻车必备
[NeurIPS 2025] Official repository of RiOSWorld: Benchmarking the Risk of Multimodal···
awesome-RLHF
开源
一份清单,从入门到进阶搞定 RLHF 全部资源
A curated list of reinforcement learning with human feedback resources (continually ···
AlgoTune
开源
写更快的代码,用154道题检验你的算法优化能力
AlgoTune is a NeurIPS 2025 benchmark made up of 154 math, physics, and computer scie···
ViT-Prisma
开源
打开视觉Transformer黑箱,看清内部机制
ViT Prisma is a mechanistic interpretability library for Vision and Video Transforme···
photoguard
开源
给图片加“免疫”,让AI改不动你的图
Raising the Cost of Malicious AI-Powered Image Editing
