Android 内核 SVC 系统调用实时监控 CLI 工具。通过 adb + kpmctl 控制 KernelPatch KPM 模块，捕获目标进程所有系统调用。支持启停监控、按 NR/UID/TID 过滤、关注特定 SVC 类型、字段级深度分析、进程 maps 解析、线程行为检测。适用：反调试分析、风控指纹采集、加壳检测、算法还原。

2026-05-1186

Ejecuta cualquier Skill con un clic

name	svc-monitor
description	Android 内核级 SVC 系统调用监控与分析。通过 adb CLI 控制 KernelPatch KPM，在 ARM64 内核层 hook syscall，捕获目标进程所有系统调用事件。适用：反调试对抗、风控指纹采集、加壳检测、算法还原、Frida/IDA 联动。
version	1.1.0

SVC Monitor — 内核 Syscall 监控

前置要求

已 root 的 Android 设备，安装 KernelPatch（APatch 亦可）
KPM 模块已加载：svc_monitor.kpm 编译自 kpm/src/svc_monitor.c
adb 可用：adb devices 能看到设备
Python 3.8+：运行 svc.py 和 MCP server

验证 KPM 是否正常：

python3 svc.py status          # 应返回 JSON：enabled 状态、target_uid、events_buffered 等

工具

CLI 位于项目根目录：python3 svc.py <命令>

所有捕获的事件建议保存到 analysis/ 目录下：

mkdir -p analysis
python3 svc.py drain --max 500 --output analysis/events.json

完整 CLI 命令参考

状态与生命周期

python3 svc.py status                      # 查询模块状态 JSON（enabled/uid/nrs/buffered/dropped）
python3 svc.py enable                      # 启动 syscall 记录
python3 svc.py disable                     # 停止 syscall 记录
python3 svc.py clear                       # 清空事件缓冲区

目标与配置

python3 svc.py get-uid <包名>               # 包名 → UID
python3 svc.py get-pid --package <包名>     # 确认进程 PID
python3 svc.py get-pid --uid <UID>          # 通过 UID 查 PID
python3 svc.py set-uid <UID>                # 设置目标 UID 过滤（只记录该 UID 的 syscall）
python3 svc.py preset <方案名>               # 加载预设 NR 列表
python3 svc.py set-nrs <NR,NR,...>          # 自定义 syscall 号列表（逗号分隔）

数据采集

python3 svc.py drain [--max N] [--nr N,N] [--tid TID] [--comm NAME] [--bt] [--stat] [--output FILE]
python3 svc.py watch <类型> [--limit N] [--output FILE]
# watch 支持的类型: ptrace, kill, mmap, mprotect, openat, read, write,
#                   clone, execve, connect, process_vm, prctl, seccomp, bpf,
#                   faccessat, all
python3 svc.py analyze [--nr N,N] [--search STR] [--fields F1,F2] [--output FILE]
# analyze 输出: syscall 分布柱状图、线程活跃度排行、异常模式检测
python3 svc.py threads [--max N]            # 按 TID 分组，展示每线程 syscall 使用模式

地址解析

python3 svc.py maps <PID> [--filter r-xp]    # 读取 /proc/PID/maps，高亮可疑段
python3 svc.py resolve <PID> <地址1> <地址2>  # 地址 → libXXX.so+0xOFFSET

快捷会话

python3 svc.py session <包名> --preset <方案> [--tier2]   # 一键配置+启用
python3 svc.py raw "<ctl0 命令>"                           # 直接发 ctl0 命令到 KPM

预设方案完整 NR 清单

方案名	数量	包含的 syscall
re_basic	14	56(openat), 48(faccessat), 78(readlinkat), 221(execve), 222(mmap), 226(mprotect), 198(socket), 203(connect), 117(ptrace), 167(prctl), 29(ioctl), 134(sigaction), 279(eventfd2), 280(epoll_create1)
re_full	42	re_basic + 63(read), 64(write), 79(getcwd), 80(chdir), 200(bind), 202(listen), 206(sendto), 207(recvfrom), 129(kill), 130(tkill), 131(tgkill), 215(munmap), 220(clone), 227(msync), 277(seccomp), 278(getrandom), 291(epoll_pwait), 等
file	21	56(openat), 34(mkdirat), 35(unlinkat), 38(renameat), 48(faccessat), 57(open), 59(readlink), 63(read), 64(write), 78(readlinkat), 79(getcwd), 80(chdir), 94(fchmodat), 等
net	13	198(socket), 200(bind), 201(listen), 202(listen), 203(connect), 206(sendto), 207(recvfrom), 208(getpeername), 209(getsockname), 等
proc	14	220(clone), 435(clone3), 221(execve), 93(exit), 94(exit_group), 109(setpgid), 等
mem	9	215(munmap), 216(mremap), 219(madvise), 222(mmap), 226(mprotect), 270(process_vm_readv), 271(process_vm_writev), 等
security	15	117(ptrace), 129(kill), 130(tkill), 131(tgkill), 134(sigaction), 167(prctl), 277(seccomp), 等
anti_debug	7	117(ptrace), 129(kill), 131(tgkill), 134(sigaction), 167(prctl), 220(clone), 435(clone3)
fingerprint	6	29(ioctl), 56(openat), 63(read), 160(uname), 167(prctl), 278(getrandom)
proc_scan	10	56, 63, 78, 79, 80, 222, 226, 117, 270, 271
crypto	8	56, 29, 25(mount), 63, 64, 215, 222, 226
binder	8	29, 291(epoll_pwait), 198, 200, 202, 203, 206, 207

使用建议：先用 re_basic（14 个 NR，缓冲区压力小）快速摸底，发现疑点后再切 re_full 或自定义 NR。

分析决策树

第 1 步：确认目标

python3 svc.py get-uid <包名>                    # 获取 UID
python3 svc.py get-pid --package <包名>          # 确认进程在运行

第 2 步：根据分析目的选择监控方案

分析目的	推荐 preset	关注 SVC	关键字段
反调试/Frida检测	`re_full`	ptrace(117), kill(129), tgkill(131), prctl(167), clone(220)	a0-a2, desc, clone_fn, bt
风控指纹	`fingerprint`	openat(56), ioctl(29), getrandom(278), faccessat(48)	desc(路径), a1, a2
加壳/自修改	`mem` + `file`	mmap(222), mprotect(226), munmap(215), openat(56), read(63)	a1(len), a2(prot/flags), desc
内存注入	`proc_scan`	process_vm_writev(271), mmap(222), ptrace(117)	a0(pid), a1(addr), desc
网络行为	`net`	connect(203), sendto(206), socket(198), bind(200)	a1(sockaddr), desc
进程管理	`proc`	clone(220), clone3(435), execve(221), exit(93)	clone_fn, a0(flags), desc
加密算法	`crypto`	mmap(222), mprotect(226), read(63), write(64)	desc, a1(len), a2(prot), ret

第 3 步：启动监控

python3 svc.py session <包名> --preset <方案> --tier2   # 如需 payload 抓取
# 或分步手动控制
python3 svc.py set-uid <UID>
python3 svc.py preset re_full
python3 svc.py enable

第 4 步：触发行为 + 采集

# 操作目标 App 后立即拉取
python3 svc.py drain --max 500 --stat --output analysis/round1.json
python3 svc.py watch ptrace --limit 30 --output analysis/ptrace.json

第 5 步：分析日志

5a. 找检测线程

python3 svc.py threads --max 500

观察：某个 TID 如果同时出现 openat(/proc/self/maps) + read + kill/tgkill → 高度疑似检测线程。找到可疑 TID 后，用 --tid 过滤该线程的所有事件。

5b. 找 inline SVC（壳的痕迹）

python3 svc.py drain --max 200 --bt --output analysis/bt.json

观察 pc 字段：

pc 在 libc.so / linker64 范围 → 正常 libc 调用
pc 在匿名段或壳的 SO 内 → inline SVC，说明代码绕过了 libc

5c. 找指纹采集

python3 svc.py analyze --nr 56 --search "/proc/" --output analysis/proc.json
python3 svc.py analyze --nr 56 --search "/sys/" --output analysis/sys.json

观察 desc 中的路径：/proc/self/status（进程信息）、build.prop（设备型号）、/sys/devices（硬件信息）

5d. 找内存注入

python3 svc.py analyze --nr 222,226,271 --fields desc,a0,a1,a2 --output analysis/mem.json

观察 mmap 的 prot + MAP_ANONYMOUS + RWX → 注入代码 process_vm_writev（pid=其他进程） → 跨进程注入

5e. 解析 backtrace 定位代码

python3 svc.py maps <TGID> --filter r-xp
python3 svc.py resolve <TGID> <address1> <address2>

将可疑地址解析为 libXXX.so + 0xOFFSET，然后交给 IDA 反汇编。

第 6 步：决策是否需要调整

过多（>1000）：增加过滤 --nr 56,117,129 缩小范围
过少（<10）：检查 preset 是否正确，或直接用 set-nrs 自定义列表
无关事件多：用 --comm 过滤目标进程名

实战工作流示例

示例 A：反调试检测分析

# 1. 确认目标
python3 svc.py get-uid com.example.app              # → UID 10123
python3 svc.py get-pid --package com.example.app    # → PID 12345

# 2. 配置并启动
python3 svc.py set-uid 10123
python3 svc.py preset anti_debug
python3 svc.py enable

# 3. 操作 App（触发检测逻辑），然后立刻拉取
python3 svc.py drain --max 500 --bt --stat --output analysis/anti_debug_1.json

# 4. 分析：找检测线程、看 ptrace 事件
python3 svc.py threads --max 500
python3 svc.py watch ptrace --limit 50

# 5. 定位检测代码
python3 svc.py maps 12345 --filter r-xp              # 查看 SO 布局
python3 svc.py resolve 12345 0x7a1b2c3000 0x7a1b2c4567
# → libnative.so+0x124567 → IDA 跳转反汇编

示例 B：风控指纹采集

python3 svc.py session com.example.app --preset fingerprint
python3 svc.py drain --max 200 --output analysis/fp_launch.json
# ...操作 App（登录、支付）...
python3 svc.py drain --max 200 --output analysis/fp_login.json

# 提取文件访问指纹
python3 svc.py analyze --nr 56 --search "/proc/" --output analysis/fp_proc.json
python3 svc.py analyze --nr 56 --search "/sys/" --output analysis/fp_sys.json
python3 svc.py analyze --nr 56 --search "build.prop" --output analysis/fp_build.json

# 汇总：App 读取了哪些 /proc/self/*、/sys/devices/*、build.prop → 风控因子

示例 C：加壳检测与脱壳辅助

python3 svc.py session com.example.app --preset mem
python3 svc.py drain --max 1000 --bt --output analysis/packer.json

# 找壳入口：pc 不在 libc.so 的 mmap → 壳的 inline SVC
python3 svc.py analyze --nr 222 --fields desc,pc,bt --output analysis/mmap.json

# 找 DEX 解密时机：openat .dex + 大量 read
python3 svc.py analyze --nr 56 --search ".dex" --output analysis/dex_open.json
python3 svc.py analyze --nr 63 --fields desc,a0,a1,a2 --output analysis/read.json

敏感行为速查

模式	NR 组合	含义
打开 proc/self/maps	56 + desc 含 "/proc/self/maps"	扫描自身内存布局
ptrace PTRACE_ATTACH	117 + a0=16	Frida 注入检测
kill SIGKILL	129 + a1=9	强制杀进程/线程
mprotect +X	226 + a2 含 PROT_EXEC	修改内存为可执行
mmap RWX	222 + a2=7	映射可读可写可执行内存
process_vm_writev 跨进程	271 + a0≠自身	跨进程内存写入
prctl PR_SET_DUMPABLE	167 + a0=4	设置不可 dump（防 gdb）
seccomp	277 + 任意	限制 syscall 白名单
clone + 匿名入口	220/435 + clone_fn 指向匿名段	动态生成检测代码
connect 非 localhost	203 + sockaddr 非 127.x	网络上报

事件字段解读

字段	来源	分析意义
`nr`	ARM64 syscall 号	操作类型（对照 svc调用号.md）
`tgid`	进程 PID	目标进程
`pid`	内核 TID（用户态 tid）	区分线程
`pc`	调用指令地址	是否 inline SVC（不在 libc 范围内说明绕过 libc）
`caller`	LR 返回地址	上层调用者
`bt`	栈回溯地址列表	完整调用链（注意：内核虚拟地址 0xffffff...）
`desc`	内核态参数解析	可读的操作描述（路径、标志位等）
`a0-a5`	syscall 6 个参数	操作对象（PID、地址、长度、权限等）

Frida / IDA 联动

地址对齐管线

# 1. 从事件提取可疑 pc 地址
python3 svc.py drain --max 200 --bt --output analysis/bt.json

# 2. 用 maps 找到对应 SO 和基址
python3 svc.py maps <PID> --filter r-xp

# 3. 地址解析为 SO + 偏移
python3 svc.py resolve <PID> 0x7a1b2c3000 0x7a1b2c4567
# → 0x7a1b2c3000 → libnative.so+0x123000
# → 0x7a1b2c4567 → libnative.so+0x124567

# 4. IDA 中打开 libnative.so，跳转到 0x124567 反汇编

Frida hook 辅助

# 发现某 SO 中大量 inline SVC → 该 SO 绕过 libc
# 用 resolve 定位函数后，Frida Interceptor 替换：
# Interceptor.attach(Module.findExportByName("libnative.so", "detect"), { ... })

# 发现 mmap RWX → 壳在解密代码，Frida 在 mmap 返回后 dump 内存：
# Interceptor.attach(Module.findExportByName(null, "mmap"), {
#   onLeave(retval) { if (this.prot == 7) dump(retval, this.size); }
# })

PC Viewer 实时监控

cd SVC_PC_View && bash run_app_socket.sh
# 浏览器打开 http://localhost:5000
# 实时查看：syscall 热力图、TID 对话追踪、Maps 视图（高亮可疑段）、Strings 聚合面板

MCP Server 使用

让 Claude、Cursor 等 AI 助手通过 MCP 协议直接控制监控。

安装

cd SVCMonitor-MCP-Skill
pip install -r requirements.txt
bash start.sh check           # 检查设备连接和 KPM 状态

配置到 AI 助手

在项目 .claude/settings.local.json 中添加：

{
  "mcpServers": {
    "svc-monitor": {
      "command": "python3",
      "args": ["svc_monitor_mcp.py"],
      "cwd": "/path/to/SVCMonitor-MCP-Skill",
      "env": { "KPATCH_KEY": "your-superkey" }
    }
  }
}

MCP 提供的 13 个工具

status, get_uid, get_pid, set_target, apply_preset, set_custom_nrs, enable, disable, drain_events, clear_buffer, analyze_events, get_maps, resolve_address

远程设备 SSE 模式

bash start.sh sse             # 启动 SSE server，通过 HTTP 供远程 AI 助手访问

常见问题排查

Q: `status` 返回空或报错

KPM 模块未加载，或 ctl0 路径不对。

adb shell "su -c 'cat /proc/kallsyms | grep ctl0'"
python3 svc.py raw "status"     # 直接用 ctl0 试探

Q: `drain` 返回空数组

enable 是否已执行？python3 svc.py status 检查 enabled 字段
目标 App 是否在运行？python3 svc.py get-pid --package <包名> 确认
UID 是否设对？python3 svc.py get-uid <包名> 重新确认
NR 列表是否被清空？status 检查 nrs 字段

Q: 事件丢失（drain 数量明显少于预期）

内核缓冲区只有 8192 槽位，全量监控几秒就满。

先用小 preset（如 anti_debug），不要一上来用 re_full
触发行为后立即 drain（越快越好）
用 --stat 查看 dropped 数量：dropped > 0 说明溢出

Q: 事件 desc 乱码

某些 syscall 参数是二进制数据（ioctl 的 struct、connect 的 sockaddr）：

python3 svc.py drain --max 100 --fields nr,tgid,pid,a0,a1,a2   # 看 raw hex

Q: backtrace 地址无法解析

bt 中的地址是内核虚拟地址（0xffffff...），maps 里的是用户态地址（0x7...）。用 resolve 时使用 pc/caller 字段的地址，而非 bt 字段。

Q: adb 设备断连

adb kill-server && adb start-server && adb devices

注意事项

内核缓冲区 8192 事件，全量监控几秒就满，务必及时 drain
svc.py watch 和 svc.py analyze 内部也会 drain，消耗缓冲区
先设 preset 再 enable，顺序不能反
backtrace 地址是内核虚拟地址（0xffffff...），maps 里的是用户态地址（0x7...），不要混淆
desc 乱码说明是二进制数据，用 --fields 查看 hex
path_keywords 不要放 App 完整包名：KPM 的 path_keywords 用 strstr 匹配，放了完整包名会导致 App 自己打不开自身 APK（路径中包含包名被误拦截）

name	svc-monitor
description	Android 内核级 SVC 系统调用监控与分析。通过 adb CLI 控制 KernelPatch KPM，在 ARM64 内核层 hook syscall，捕获目标进程所有系统调用事件。适用：反调试对抗、风控指纹采集、加壳检测、算法还原、Frida/IDA 联动。
version	1.1.0

SVC Monitor — 内核 Syscall 监控

前置要求

已 root 的 Android 设备，安装 KernelPatch（APatch 亦可）
KPM 模块已加载：svc_monitor.kpm 编译自 kpm/src/svc_monitor.c
adb 可用：adb devices 能看到设备
Python 3.8+：运行 svc.py 和 MCP server

验证 KPM 是否正常：

python3 svc.py status          # 应返回 JSON：enabled 状态、target_uid、events_buffered 等

工具

CLI 位于项目根目录：python3 svc.py <命令>

所有捕获的事件建议保存到 analysis/ 目录下：

mkdir -p analysis
python3 svc.py drain --max 500 --output analysis/events.json

完整 CLI 命令参考

状态与生命周期

python3 svc.py status                      # 查询模块状态 JSON（enabled/uid/nrs/buffered/dropped）
python3 svc.py enable                      # 启动 syscall 记录
python3 svc.py disable                     # 停止 syscall 记录
python3 svc.py clear                       # 清空事件缓冲区

目标与配置

python3 svc.py get-uid <包名>               # 包名 → UID
python3 svc.py get-pid --package <包名>     # 确认进程 PID
python3 svc.py get-pid --uid <UID>          # 通过 UID 查 PID
python3 svc.py set-uid <UID>                # 设置目标 UID 过滤（只记录该 UID 的 syscall）
python3 svc.py preset <方案名>               # 加载预设 NR 列表
python3 svc.py set-nrs <NR,NR,...>          # 自定义 syscall 号列表（逗号分隔）

数据采集

python3 svc.py drain [--max N] [--nr N,N] [--tid TID] [--comm NAME] [--bt] [--stat] [--output FILE]
python3 svc.py watch <类型> [--limit N] [--output FILE]
# watch 支持的类型: ptrace, kill, mmap, mprotect, openat, read, write,
#                   clone, execve, connect, process_vm, prctl, seccomp, bpf,
#                   faccessat, all
python3 svc.py analyze [--nr N,N] [--search STR] [--fields F1,F2] [--output FILE]
# analyze 输出: syscall 分布柱状图、线程活跃度排行、异常模式检测
python3 svc.py threads [--max N]            # 按 TID 分组，展示每线程 syscall 使用模式

地址解析

python3 svc.py maps <PID> [--filter r-xp]    # 读取 /proc/PID/maps，高亮可疑段
python3 svc.py resolve <PID> <地址1> <地址2>  # 地址 → libXXX.so+0xOFFSET

快捷会话

python3 svc.py session <包名> --preset <方案> [--tier2]   # 一键配置+启用
python3 svc.py raw "<ctl0 命令>"                           # 直接发 ctl0 命令到 KPM

预设方案完整 NR 清单

方案名	数量	包含的 syscall
re_basic	14	56(openat), 48(faccessat), 78(readlinkat), 221(execve), 222(mmap), 226(mprotect), 198(socket), 203(connect), 117(ptrace), 167(prctl), 29(ioctl), 134(sigaction), 279(eventfd2), 280(epoll_create1)
re_full	42	re_basic + 63(read), 64(write), 79(getcwd), 80(chdir), 200(bind), 202(listen), 206(sendto), 207(recvfrom), 129(kill), 130(tkill), 131(tgkill), 215(munmap), 220(clone), 227(msync), 277(seccomp), 278(getrandom), 291(epoll_pwait), 等
file	21	56(openat), 34(mkdirat), 35(unlinkat), 38(renameat), 48(faccessat), 57(open), 59(readlink), 63(read), 64(write), 78(readlinkat), 79(getcwd), 80(chdir), 94(fchmodat), 等
net	13	198(socket), 200(bind), 201(listen), 202(listen), 203(connect), 206(sendto), 207(recvfrom), 208(getpeername), 209(getsockname), 等
proc	14	220(clone), 435(clone3), 221(execve), 93(exit), 94(exit_group), 109(setpgid), 等
mem	9	215(munmap), 216(mremap), 219(madvise), 222(mmap), 226(mprotect), 270(process_vm_readv), 271(process_vm_writev), 等
security	15	117(ptrace), 129(kill), 130(tkill), 131(tgkill), 134(sigaction), 167(prctl), 277(seccomp), 等
anti_debug	7	117(ptrace), 129(kill), 131(tgkill), 134(sigaction), 167(prctl), 220(clone), 435(clone3)
fingerprint	6	29(ioctl), 56(openat), 63(read), 160(uname), 167(prctl), 278(getrandom)
proc_scan	10	56, 63, 78, 79, 80, 222, 226, 117, 270, 271
crypto	8	56, 29, 25(mount), 63, 64, 215, 222, 226
binder	8	29, 291(epoll_pwait), 198, 200, 202, 203, 206, 207

使用建议：先用 re_basic（14 个 NR，缓冲区压力小）快速摸底，发现疑点后再切 re_full 或自定义 NR。

分析决策树

第 1 步：确认目标

python3 svc.py get-uid <包名>                    # 获取 UID
python3 svc.py get-pid --package <包名>          # 确认进程在运行

第 2 步：根据分析目的选择监控方案

分析目的	推荐 preset	关注 SVC	关键字段
反调试/Frida检测	`re_full`	ptrace(117), kill(129), tgkill(131), prctl(167), clone(220)	a0-a2, desc, clone_fn, bt
风控指纹	`fingerprint`	openat(56), ioctl(29), getrandom(278), faccessat(48)	desc(路径), a1, a2
加壳/自修改	`mem` + `file`	mmap(222), mprotect(226), munmap(215), openat(56), read(63)	a1(len), a2(prot/flags), desc
内存注入	`proc_scan`	process_vm_writev(271), mmap(222), ptrace(117)	a0(pid), a1(addr), desc
网络行为	`net`	connect(203), sendto(206), socket(198), bind(200)	a1(sockaddr), desc
进程管理	`proc`	clone(220), clone3(435), execve(221), exit(93)	clone_fn, a0(flags), desc
加密算法	`crypto`	mmap(222), mprotect(226), read(63), write(64)	desc, a1(len), a2(prot), ret

第 3 步：启动监控

python3 svc.py session <包名> --preset <方案> --tier2   # 如需 payload 抓取
# 或分步手动控制
python3 svc.py set-uid <UID>
python3 svc.py preset re_full
python3 svc.py enable

第 4 步：触发行为 + 采集

# 操作目标 App 后立即拉取
python3 svc.py drain --max 500 --stat --output analysis/round1.json
python3 svc.py watch ptrace --limit 30 --output analysis/ptrace.json

第 5 步：分析日志

5a. 找检测线程

python3 svc.py threads --max 500

观察：某个 TID 如果同时出现 openat(/proc/self/maps) + read + kill/tgkill → 高度疑似检测线程。找到可疑 TID 后，用 --tid 过滤该线程的所有事件。

5b. 找 inline SVC（壳的痕迹）

python3 svc.py drain --max 200 --bt --output analysis/bt.json

观察 pc 字段：

pc 在 libc.so / linker64 范围 → 正常 libc 调用
pc 在匿名段或壳的 SO 内 → inline SVC，说明代码绕过了 libc

5c. 找指纹采集

python3 svc.py analyze --nr 56 --search "/proc/" --output analysis/proc.json
python3 svc.py analyze --nr 56 --search "/sys/" --output analysis/sys.json

观察 desc 中的路径：/proc/self/status（进程信息）、build.prop（设备型号）、/sys/devices（硬件信息）

5d. 找内存注入

python3 svc.py analyze --nr 222,226,271 --fields desc,a0,a1,a2 --output analysis/mem.json

观察 mmap 的 prot + MAP_ANONYMOUS + RWX → 注入代码 process_vm_writev（pid=其他进程） → 跨进程注入

5e. 解析 backtrace 定位代码

python3 svc.py maps <TGID> --filter r-xp
python3 svc.py resolve <TGID> <address1> <address2>

将可疑地址解析为 libXXX.so + 0xOFFSET，然后交给 IDA 反汇编。

第 6 步：决策是否需要调整

过多（>1000）：增加过滤 --nr 56,117,129 缩小范围
过少（<10）：检查 preset 是否正确，或直接用 set-nrs 自定义列表
无关事件多：用 --comm 过滤目标进程名

实战工作流示例

示例 A：反调试检测分析

# 1. 确认目标
python3 svc.py get-uid com.example.app              # → UID 10123
python3 svc.py get-pid --package com.example.app    # → PID 12345

# 2. 配置并启动
python3 svc.py set-uid 10123
python3 svc.py preset anti_debug
python3 svc.py enable

# 3. 操作 App（触发检测逻辑），然后立刻拉取
python3 svc.py drain --max 500 --bt --stat --output analysis/anti_debug_1.json

# 4. 分析：找检测线程、看 ptrace 事件
python3 svc.py threads --max 500
python3 svc.py watch ptrace --limit 50

# 5. 定位检测代码
python3 svc.py maps 12345 --filter r-xp              # 查看 SO 布局
python3 svc.py resolve 12345 0x7a1b2c3000 0x7a1b2c4567
# → libnative.so+0x124567 → IDA 跳转反汇编

示例 B：风控指纹采集

python3 svc.py session com.example.app --preset fingerprint
python3 svc.py drain --max 200 --output analysis/fp_launch.json
# ...操作 App（登录、支付）...
python3 svc.py drain --max 200 --output analysis/fp_login.json

# 提取文件访问指纹
python3 svc.py analyze --nr 56 --search "/proc/" --output analysis/fp_proc.json
python3 svc.py analyze --nr 56 --search "/sys/" --output analysis/fp_sys.json
python3 svc.py analyze --nr 56 --search "build.prop" --output analysis/fp_build.json

# 汇总：App 读取了哪些 /proc/self/*、/sys/devices/*、build.prop → 风控因子

示例 C：加壳检测与脱壳辅助

python3 svc.py session com.example.app --preset mem
python3 svc.py drain --max 1000 --bt --output analysis/packer.json

# 找壳入口：pc 不在 libc.so 的 mmap → 壳的 inline SVC
python3 svc.py analyze --nr 222 --fields desc,pc,bt --output analysis/mmap.json

# 找 DEX 解密时机：openat .dex + 大量 read
python3 svc.py analyze --nr 56 --search ".dex" --output analysis/dex_open.json
python3 svc.py analyze --nr 63 --fields desc,a0,a1,a2 --output analysis/read.json

敏感行为速查

模式	NR 组合	含义
打开 proc/self/maps	56 + desc 含 "/proc/self/maps"	扫描自身内存布局
ptrace PTRACE_ATTACH	117 + a0=16	Frida 注入检测
kill SIGKILL	129 + a1=9	强制杀进程/线程
mprotect +X	226 + a2 含 PROT_EXEC	修改内存为可执行
mmap RWX	222 + a2=7	映射可读可写可执行内存
process_vm_writev 跨进程	271 + a0≠自身	跨进程内存写入
prctl PR_SET_DUMPABLE	167 + a0=4	设置不可 dump（防 gdb）
seccomp	277 + 任意	限制 syscall 白名单
clone + 匿名入口	220/435 + clone_fn 指向匿名段	动态生成检测代码
connect 非 localhost	203 + sockaddr 非 127.x	网络上报

事件字段解读

字段	来源	分析意义
`nr`	ARM64 syscall 号	操作类型（对照 svc调用号.md）
`tgid`	进程 PID	目标进程
`pid`	内核 TID（用户态 tid）	区分线程
`pc`	调用指令地址	是否 inline SVC（不在 libc 范围内说明绕过 libc）
`caller`	LR 返回地址	上层调用者
`bt`	栈回溯地址列表	完整调用链（注意：内核虚拟地址 0xffffff...）
`desc`	内核态参数解析	可读的操作描述（路径、标志位等）
`a0-a5`	syscall 6 个参数	操作对象（PID、地址、长度、权限等）

Frida / IDA 联动

地址对齐管线

# 1. 从事件提取可疑 pc 地址
python3 svc.py drain --max 200 --bt --output analysis/bt.json

# 2. 用 maps 找到对应 SO 和基址
python3 svc.py maps <PID> --filter r-xp

# 3. 地址解析为 SO + 偏移
python3 svc.py resolve <PID> 0x7a1b2c3000 0x7a1b2c4567
# → 0x7a1b2c3000 → libnative.so+0x123000
# → 0x7a1b2c4567 → libnative.so+0x124567

# 4. IDA 中打开 libnative.so，跳转到 0x124567 反汇编

Frida hook 辅助

# 发现某 SO 中大量 inline SVC → 该 SO 绕过 libc
# 用 resolve 定位函数后，Frida Interceptor 替换：
# Interceptor.attach(Module.findExportByName("libnative.so", "detect"), { ... })

# 发现 mmap RWX → 壳在解密代码，Frida 在 mmap 返回后 dump 内存：
# Interceptor.attach(Module.findExportByName(null, "mmap"), {
#   onLeave(retval) { if (this.prot == 7) dump(retval, this.size); }
# })

PC Viewer 实时监控

cd SVC_PC_View && bash run_app_socket.sh
# 浏览器打开 http://localhost:5000
# 实时查看：syscall 热力图、TID 对话追踪、Maps 视图（高亮可疑段）、Strings 聚合面板

MCP Server 使用

让 Claude、Cursor 等 AI 助手通过 MCP 协议直接控制监控。

安装

cd SVCMonitor-MCP-Skill
pip install -r requirements.txt
bash start.sh check           # 检查设备连接和 KPM 状态

配置到 AI 助手

在项目 .claude/settings.local.json 中添加：

{
  "mcpServers": {
    "svc-monitor": {
      "command": "python3",
      "args": ["svc_monitor_mcp.py"],
      "cwd": "/path/to/SVCMonitor-MCP-Skill",
      "env": { "KPATCH_KEY": "your-superkey" }
    }
  }
}

MCP 提供的 13 个工具

status, get_uid, get_pid, set_target, apply_preset, set_custom_nrs, enable, disable, drain_events, clear_buffer, analyze_events, get_maps, resolve_address

远程设备 SSE 模式

bash start.sh sse             # 启动 SSE server，通过 HTTP 供远程 AI 助手访问

常见问题排查

Q: `status` 返回空或报错

KPM 模块未加载，或 ctl0 路径不对。

adb shell "su -c 'cat /proc/kallsyms | grep ctl0'"
python3 svc.py raw "status"     # 直接用 ctl0 试探

Q: `drain` 返回空数组

enable 是否已执行？python3 svc.py status 检查 enabled 字段
目标 App 是否在运行？python3 svc.py get-pid --package <包名> 确认
UID 是否设对？python3 svc.py get-uid <包名> 重新确认
NR 列表是否被清空？status 检查 nrs 字段

Q: 事件丢失（drain 数量明显少于预期）

内核缓冲区只有 8192 槽位，全量监控几秒就满。

先用小 preset（如 anti_debug），不要一上来用 re_full
触发行为后立即 drain（越快越好）
用 --stat 查看 dropped 数量：dropped > 0 说明溢出

Q: 事件 desc 乱码

某些 syscall 参数是二进制数据（ioctl 的 struct、connect 的 sockaddr）：

python3 svc.py drain --max 100 --fields nr,tgid,pid,a0,a1,a2   # 看 raw hex

Q: backtrace 地址无法解析

bt 中的地址是内核虚拟地址（0xffffff...），maps 里的是用户态地址（0x7...）。用 resolve 时使用 pc/caller 字段的地址，而非 bt 字段。

Q: adb 设备断连

adb kill-server && adb start-server && adb devices

注意事项

内核缓冲区 8192 事件，全量监控几秒就满，务必及时 drain
svc.py watch 和 svc.py analyze 内部也会 drain，消耗缓冲区
先设 preset 再 enable，顺序不能反
backtrace 地址是内核虚拟地址（0xffffff...），maps 里的是用户态地址（0x7...），不要混淆
desc 乱码说明是二进制数据，用 --fields 查看 hex
path_keywords 不要放 App 完整包名：KPM 的 path_keywords 用 strstr 匹配，放了完整包名会导致 App 自己打不开自身 APK（路径中包含包名被误拦截）

svc-monitor

Más de este repositorio

Más de este repositorio

SVC Monitor — 内核 Syscall 监控

前置要求

工具

完整 CLI 命令参考

状态与生命周期

目标与配置

数据采集

地址解析

快捷会话

预设方案完整 NR 清单

分析决策树

第 1 步：确认目标

第 2 步：根据分析目的选择监控方案

第 3 步：启动监控

第 4 步：触发行为 + 采集

第 5 步：分析日志

第 6 步：决策是否需要调整

实战工作流示例

示例 A：反调试检测分析

示例 B：风控指纹采集

示例 C：加壳检测与脱壳辅助

敏感行为速查

事件字段解读

Frida / IDA 联动

地址对齐管线

Frida hook 辅助

PC Viewer 实时监控

MCP Server 使用

安装

配置到 AI 助手

MCP 提供的 13 个工具

远程设备 SSE 模式

常见问题排查

Q: status 返回空或报错

Q: drain 返回空数组

Q: 事件丢失（drain 数量明显少于预期）

Q: 事件 desc 乱码

Q: backtrace 地址无法解析

Q: adb 设备断连

注意事项

SVC Monitor — 内核 Syscall 监控

前置要求

工具

完整 CLI 命令参考

状态与生命周期

目标与配置

数据采集

地址解析

快捷会话

预设方案完整 NR 清单

分析决策树

第 1 步：确认目标

第 2 步：根据分析目的选择监控方案

第 3 步：启动监控

第 4 步：触发行为 + 采集

第 5 步：分析日志

第 6 步：决策是否需要调整

实战工作流示例

示例 A：反调试检测分析

示例 B：风控指纹采集

示例 C：加壳检测与脱壳辅助

敏感行为速查

事件字段解读

Frida / IDA 联动

地址对齐管线

Frida hook 辅助

PC Viewer 实时监控

MCP Server 使用

安装

配置到 AI 助手

MCP 提供的 13 个工具

远程设备 SSE 模式

常见问题排查

Q: status 返回空或报错

Q: drain 返回空数组

Q: 事件丢失（drain 数量明显少于预期）

Q: 事件 desc 乱码

Q: `status` 返回空或报错

Q: `drain` 返回空数组

Q: `status` 返回空或报错

Q: `drain` 返回空数组