Safe Haven VX-TITANIUM 扫描引擎，字节结构解析加 ML 分类器
是什么
VX-TITANIUM 是 Safe Haven 扫描管线里的可选增强引擎。当扫描器检测到工作目录下有 libcolourswift_av.so（C/C++ 机器码引擎库）和机器学习定义包时，会自动加载完整的 VX-TITANIUM 引擎来做深度分析。
如果这两个文件不存在（比如社区分支去掉了闭源组件），扫描器不会报错——它会自动降级为纯 Python 的哈希比对和证书提取引擎，核心的签名锁定功能不受影响。
v9 引擎（2026 年 6 月）的扫描能力
官方文档里明确列了三个检测维度，以及一个明确的技术排除项：
| 能力 | 说明 |
|---|---|
| 签名数据库匹配 | 对比 APK 内部的字节结构特征与已知恶意样本的签名模式 |
| 哈希查找 | 对比 APK 文件的 SHA-256 与已知恶意文件的哈希库 |
| ML 分类器 | 字节结构解析 + 机器学习模型，检测被混淆的恶意载荷 |
| 不是 YARA | 明确不使用 YARA 规则做检测 |
为什么不用 YARA
YARA 是最流行的恶意代码匹配工具，很多安全引擎都用。Safe Haven 明确排除了 YARA，可能的原因：
- YARA 规则需要持续的人工维护（新样本 → 新规则），工作量大
- YARA 规则容易产生误报——规则写得太泛就把良性应用也标记了
- ML 分类器对混淆代码的检出能力可能比手写的 YARA 规则更强（特别是对抗性混淆）
Safe Haven 的选择体现了它的定位——它不是一个追求极致覆盖率的传统杀毒引擎，而是一个侧重签名锁定 + 元数据透明化的应用商店安全层。引擎能力够用就行，不必追求全覆盖。
字节结构解析
签名数据库匹配和 ML 分类器都需要先做字节结构解析——把 APK 文件里的字节流解析成结构化的特征向量。这是 .so 引擎库负责的核心能力，纯 Python 实现做不到这种性能。
解析过程大致是：
- APK 解压 → 拿到 classes.dex（Dalvik 字节码）
- 把 dex 反编译成 smali 或提取原始字节序列
- 按固定窗口大小滑过字节序列，提取 n-gram 特征
- 特征向量送入签名数据库做匹配，或送入 ML 分类器做推理
ML 分类器能发现什么
签名数据库匹配的局限性是：你只能检出已知的恶意模式。ML 分类器的价值是可能检出未知的（0-day）混淆恶意载荷——前提是 ML 模型在训练时见过足够多的良性样本和恶意样本。
Safe Haven 没有公开 ML 模型的训练数据和架构，但从它选择用 ML 而不是纯签名匹配来看，它想覆盖的场景就是：
- 新出现的恶意样本（签名数据库还没更新）
- 混淆过的恶意载荷（字节模式被加密或重排）
- 利用已知技术组合出新变种的恶意代码
降级模式
没有 .so 引擎库时，Safe Haven 扫描管线还能做什么：
| 功能 | 有 VX-TITANIUM | 降级模式 |
|---|---|---|
| APK SHA-256 计算 | ✅ | ✅ |
| 签名密钥提取 | ✅ | ✅ |
| 签名锁定比对 | ✅ | ✅ |
| manifest 提取（versionCode / packageName） | ✅ | ✅ |
| 本地威胁数据库哈希比对 | ✅ | ✅ |
| 签名数据库字节模式匹配 | ✅ | ❌ |
| ML 分类器推理 | ✅ | ❌ |
降级模式覆盖了 Safe Haven 作为应用商店安全层的核心职责——签名锁定和哈希去重。增强的字节结构匹配和 ML 推理只是额外加分项。
商业安全软件的边界
Safe Haven 官方文档承认它"leverages commercial security software in the live build"——商业引擎有商业引擎的问题：
- 误报（把良性应用标记为恶意，特别是权限多的开源应用）
- 漏报（漏掉新型恶意代码，特别是 0-day）
- 模型版本不透明（引擎内部判定逻辑用户看不到）
- 可能有性能开销（字节解析是重 CPU 的操作）
Safe Haven 的应对方式不是"换开源引擎"，而是透明化——把扫描结果直接展示给用户，让用户看到引擎扫了什么、结果是什么。如果两个应用用了相似技术栈，一个被扫出"可能恶意"，另一个没有，这个对比本身就是有价值的信息。
扫描结果怎么进客户端
VX-TITANIUM 引擎的分析结果最终会：
- 作为
scannedAt（扫描时间戳）和 VTTI 摘要入库 - 写入应用条目的扫描记录
- 随索引同步下发到客户端
- 在应用详情页展示 VTTI 分析区（v2.0.9 起）
用户看到的是："扫描时间 2026-10-14，VX-TITANIUM 引擎分析完成，无恶意检出"这样的信息。引擎内部的判定逻辑和 ML 推理过程用户看不到，但扫描结果本身是公开的。