今天综合榜第 12 条挂了大半天:「手机到底有没有偷听我们?我抓包了 72 小时,抓到了真凶」。一万六千阅读,两百五十多个赞,评论区照例分成两派:一派说这就是实锤,一派说纯属巧合。
两边都说得挺有道理,因为他们讨论的其实不是同一件事。
抓包这个动作本身没问题,问题是绝大多数人把「抓到的流量」直接等同于「证据」。这两者中间隔着一整套方法,而方法里但凡漏一环,结论就会朝任何一个方向倒。
一、先把它拆成三个问题
「App 偷听我」这句话,其实是三件事捆在一起:
- 它有没有开麦克风
- 它有没有把东西传出去
- 传出去的是不是音频内容
这三件事的证据强度完全不同,而且能拿到证据的手段也完全不同。混在一起讨论,就永远吵不出结果,因为一方拿的是第一段的证据,另一方反驳的是第三段。
先说结论:第一段系统能给你铁证,第二段抓包能给你一部分,第三段凭外部手段基本无解。
多数 72 小时抓包实验,恰恰是在最无解的那一段上,用最弱的证据下了最重的结论。
二、为什么录音时看流量峰值,什么都看不到
假设真有 App 在偷听,它会怎么传?
它不会传音频。一分钟的 AAC 音频大概 1MB 左右,一天挂后台几小时就是几个 G,任何一家公司的流量成本监控都会在第二天早上把人叫醒。
真实做法只有两种:传转写后的关键词,或者传本地的声学特征向量。前者几百字节,后者几 KB,都能塞进任何一次正常的埋点请求里。
这就带来三个后果,每一个都足以让「录音时盯流量」这套方法失效:
- 体积上没有异常。几百字节的增量,混在心跳包和图片预加载里根本看不出来。
- 时机上没有相关性。真要上报,也会挑息屏、充电、连 WiFi 的时候批量走,不会在你按下录音键的那一分钟准时发。
- 请求长得不像它。它会复用已有的埋点域名,不会新开一个
audio-upload.xxx.com让你一眼发现。
找错了特征,抓 72 天也只是在记录自己的心理预期。
三、四个让证据凭空消失的盲区
假设你换了个思路,不看峰值,改看「谁在什么时候连了哪些域名」。这条路是对的,但有四个坑,掉进去任何一个,你都会误以为「没有异常」。
盲区一:QUIC。
现在的 App 大量走 HTTP/3,也就是 UDP 443。mitmproxy、Charles 那套 HTTP 代理只接管 TCP,QUIC 流量从旁边直接过去了,代理界面上干干净净。你以为它没请求,其实它在跑。
盲区二:证书 pinning。
抓到了 TCP,破不了 TLS,是最容易被误读成「无事发生」的情况。App 内置了证书校验,你的中间人证书会被直接拒绝,连接失败。而「连接失败」在很多人的截图里,看起来就跟「没有连接」一模一样。
盲区三:DoH / DoT。
DNS 记录本来是最省事的一层证据,但如果 App 或系统开了 DNS over HTTPS,解析请求本身就是一条加密的 HTTPS 请求。你在 DNS 日志里看到一片空白,不代表它没解析过任何一个域名。
盲区四:SDK 的独立链路。
数据不一定经过你 App 的进程。第三方 SDK 有自己的初始化时机、自己的域名、自己的上报节奏,甚至在独立进程里。你盯着主进程的流量做归因,等于只看了半个 App。
四、把它做成一条能复现的链路
真正能站住的审计,是从粗到细三层,成本递增,每层都能独立得出结论。
L1:DNS 层。 最低成本,只能回答「连过谁」。做法是在手机上起一个本地 VPNService 只接管 53 端口,或者干脆让手机连到你电脑上跑的一个 DNS 服务器。这一层看不到内容,但能看到域名清单,够做第一轮筛选。
L2:连接层。 抓 pcap,看 SNI、体积、时序。这一层不解密,所以拿不到内容,但能拿到「谁、什么时候、传了多少」——对判断异常上报节奏来说,这已经是最有用的一层。
L3:内容层。 需要 frida 脱 pinning 才能解密,只建议用在你自己的 App 上。对别人的 App 做这一步,法律上和技术上都不划算。
L2 这层最值得花时间。先 pip install scapy,一段脚本就能把 pcap 变成一张表:
# audit.py —— pcap -> 每个域名在什么时候、传了多少
import sys
from collections import defaultdict
from scapy.all import rdpcap, IP, TCP, UDP, Raw
def parse_sni(payload: bytes):
"""从 TLS ClientHello 里取出 SNI;解析失败返回 None。"""
try:
if payload[0] != 0x16: # 不是 handshake
return None
i = 5 + 4 + 2 + 32 # record + hs header + version + random
i += 1 + payload[i] # session id
i += 2 + int.from_bytes(payload[i:i + 2], "big") # cipher suites
i += 1 + payload[i] # compression methods
end = i + 2 + int.from_bytes(payload[i:i + 2], "big")
i += 2
while i + 4 <= end:
etype = int.from_bytes(payload[i:i + 2], "big")
elen = int.from_bytes(payload[i + 2:i + 4], "big")
if etype == 0: # server_name
return payload[i + 4:i + 4 + elen][5:].decode("ascii", "ignore")
i += 4 + elen
except Exception:
return None
return None
rows = defaultdict(lambda: {"sni": "", "up": 0, "down": 0, "proto": "tcp"})
for pkt in rdpcap(sys.argv[1]):
if IP not in pkt:
continue
ip = pkt[IP]
is_quic = UDP in pkt and ip.dport == 443
if not is_quic and not (TCP in pkt and 443 in (ip.dport, ip.sport)):
continue
outbound = ip.dport == 443
key = ("quic" if is_quic else "tcp", ip.dst if outbound else ip.src)
r = rows[key]
r["proto"] = key[0]
if Raw in pkt:
data = bytes(pkt[Raw])
r["up" if outbound else "down"] += len(data)
if not is_quic and outbound and not r["sni"]:
r["sni"] = parse_sni(data) or ""
for (proto, host), r in sorted(
rows.items(), key=lambda kv: -(kv[1]["up"] + kv[1]["down"]))[:30]:
print("%-46s %-5s up=%-8d down=%d"
% (r["sni"] or host, proto, r["up"], r["down"]))
跑完之后你会得到一张按上传量排序的域名表。注意第二列那个协议:只要有 quic 出现在里面,就说明你之前用 HTTP 代理做的那一版实验,结论是不完整的。
还有个细节:ClientHello 被拆进多个 TCP 段时,上面这个函数会解析不到 SNI。真实排查时按流重组一次再跑,或者干脆只统计 IP 和体积,别在 SNI 上较真。
五、比抓包更硬的一条证据
上面这一整套做完,你依然只能回答「它连了什么」,回答不了「它有没有开麦」。
而后者恰恰是系统能给你铁证的:
# 该 App 的麦克风权限模式:allow / ignore / deny
adb shell cmd appops get com.example.app RECORD_AUDIO
# 该 App 声明了哪些权限
adb shell dumpsys package com.example.app | grep -A40 "requested permissions"
Android 从 12 开始,任何 App 取麦克风,状态栏右上角会有绿点。更直接的入口是系统设置里的隐私仪表盘,它按天记着哪个 App 在什么时候用过麦克风、摄像头和位置——这是操作系统自己写的日志,比你自己抓的包硬得多。
所以正确的问法是:先去 AppOps 看有没有后台取麦克风的记录,有,再去抓包追它传到了哪;没有,那这条链路从第一段就断了,后面抓多少天都没有意义。
这是我最想说的一个判断:「开麦」和「上传」是两件事,前者能被证明,后者只能被部分观察,而多数争论卡在把两者当成一件事。
六、如果你自己是开发者,反过来查这四条
流量审计用来判断别人的 App 效率很低,但用来约束自己的 App 非常好用。
- 冷启动不要一次打满二十个域名。这不是性能问题,是信任问题,任何一个看流量的人都会被那一屏请求吓到。
- 录音权限只在按下的那几秒持有,松开立刻释放。别为了「下次启动更快」提前初始化录音对象。
- 埋点里不要同时出现设备指纹、精确位置、通讯录特征。单个字段都能解释,三个凑一起解释不了。
- 每个上报字段都过一次自检:这条数据如果明天被公开截图,我能不能说清楚它是干什么用的。
最后一条不是合规话术。它是唯一一条在你被质疑时真正管用的标准。
抓包能抓到的是连接,抓不到的是意图;而绝大多数关于「偷听」的争论,都卡在把这两件事当成了一件事。