基于（https://github.com/ufrisk/MemProcFS）实现的内存可视化分析软件，能够基于dma技术直接获取设备的物理内存并进行解析、直观的分析内存数据并尝试检测潜在的恶意代码信息
MalNPMDetector 是一款专为 npm 软件包设计的恶意包检测系统。该系统采用高效的静态规则匹配，能够在大规模数据集中快速筛选出可疑的恶意包和混淆软件包。随后，通过基于字符串的污点分析进一步精确筛查，从初步筛选的可疑软件包中缩小范围。整个流程无需运行 npm 软件包，即可高效识别潜在威胁，从而防止恶意包污染 npm 软件供应链。
It includes ontology learning for Competency questions (CQ) and heterogeneous input from multiple sources, and has a complete front-end user interface. CQ can be used to generate ontology validation.
This project develops security software components running on Kunpeng processors, specifically focusing on trusted computing related software components such as remote attestation client and service, etc.
提出了一种综合白名单和特征提取的TPL检测与识别方法. （1）基于白名单的方法不是仅提取包名，而是在APK文件的三个不同位置提取TPL信息，再与数据库匹配，增加了检测的覆盖率和准确性； （2）改进了开源TPL检测工具Libradar，使其能够处理多dex文件的情况，增加了检测的灵敏度和鲁棒性。Libradar的地址：https://github.com/pkumza/LibRadar
