Java 内存马运行时审计 Agent —— attach 到目标 JVM，检测容器层（Filter/Servlet/Listener/Valve）与 JVM 层（Agent 型/defineClass 注入）内存马，并在检出后完成 dump / 反编译 / 回连 / 堆取证 / AI 分析的全链路闭环。
零依赖（JDK 8 编译，目标 JVM 兼容 JDK 8-26），纯反射实现（不依赖具体中间件类），JSON/控制台双输出。特征库随版本内置（rules/ 目录），在线更新 + 增量同步 + 自定义规则保护。
⚠️ 本工具仅用于授权环境下的安全应急响应、攻防演练与防御建设。请确保你的行为符合当地法律法规。
| 🔴 A1 强信号检测 | 容器组件注册的类在磁盘无对应 class 文件——主流生成器全部伪装 Spring 类名，但 A1 不受影响，实测 7/7 检出。 |
| 🕵️ 双程序防识别 | --gen-agent 每次生成随机文件名/包名/类名的混淆取证程序，攻击者无法预判；取证程序不含 AI 防暴露。 |
| ⚡ 全自动扫描 --scan | 无需知道 PID，自动枚举所有 Java 进程按可疑度排序审计，并发加速（--parallel）。 |
| 📡 实时监控 --live | attach 后新 defineClass 的类在定义瞬间捕获字节码，无需 retransform。 |
| 🔔 值守监控 --monitor | 检测到可疑动态加载类实时推送群机器人（企业微信/钉钉/飞书 webhook），配置驱动，适合值守客户现场。 |
| 🛡️ 威胁情报集成 | --analyze 自动查询回连 IP（微步 API + 启发式降级），C2/隧道端口自动判 HIGH。 |
| 🧠 hprof 堆解析 | jmap 堆 dump 自动深度解析（流式分块，1GB+ 兼容），retransform 失败载荷从堆中恢复。 |
| 🤖 AI 增强分析 | OpenAI 通用兼容接口（DeepSeek/通义/Ollama/vLLM），可配可跳过，离线自动降级本地规则。 |
| 📚 特征库生态 | 18 条内置规则（JMSH-001~018），在线更新 + 增量同步 + 自定义规则保护 + 众包特征提交。 |
# 一键部署（下载 jar + 同步特征库 + 生成取证程序）
bash -c "$(curl -sL https://raw.githubusercontent.com/x7peeps/memshell-auditor/main/deploy.sh)"
# 或直接下载 Release
curl -L -o memshell-auditor.jar https://github.com/x7peeps/memshell-auditor/releases/latest/download/memshell-auditor.jar环境要求：JDK 8+（JDK 21+ 附加 --add-modules jdk.attach）。
java -jar memshell-auditor.jar --gen-agent ./agents --name-prefix system-diag
# 输出: agents/system-diag-2c4488.jar（每次随机，防识别）# 全自动扫描（无需知道 PID，自动识别可疑进程）
java -jar system-diag-2c4488.jar --scan --dump ./dump --heap ./heap
# 指定进程审计
java -jar system-diag-2c4488.jar <PID> --dump ./dump --heap ./heap
# 值守监控（webhook 实时推送群机器人，配置见 monitor.example.json）
java -jar system-diag-2c4488.jar <PID> --monitor monitor.json --dump ./dump# 本地规则分析（自动降级）；配置 AI 后自动增强（--ai-config ai.json）
java -jar memshell-auditor.jar --analyze report.json [--ai-config ai.json]java -jar memshell-auditor.jar --rules update|list|select|status
java -jar memshell-auditor.jar --submit --report report.json --author <name> --auto-commit使用 java-memshell-generator (JMG) v1.0.9 生成真实内存马载荷，注入 Tomcat 9/10 靶场，7/7 全部检出（100%）：
| 载荷 | 工具 | 真实类名（伪装） | 容器 | 结果 |
|---|---|---|---|---|
| behinder-filter | 冰蝎 | org.springframework.ServletRequestAujFilter |
Tomcat 10.1 | ✅ HIGH |
| godzilla-filter | 哥斯拉 | org.springframework.WhiteBlackListGbyfbdFilter |
Tomcat 10.1 | ✅ HIGH |
| antsword-filter | 蚁剑 | org.springframework.AbstractMatcherVyjFilter |
Tomcat 10.1 | ✅ HIGH |
| suo5-filter | Suo5 | org.springframework.SessionKqvcFilter |
Tomcat 9.0 | ✅ HIGH |
| behinder-listener | 冰蝎 | org.apache.logging.Log4jConfigEaeListener |
Tomcat 10.1 | ✅ HIGH |
| godzilla-valve | 哥斯拉 | org.apache.AbstractMatcherGbValve |
Tomcat 10.1 | ✅ HIGH |
| behinder-listener2 | 冰蝎 | org.springframework.ContextLoaderDmasjListener |
Tomcat 9.0 | ✅ HIGH |
关键结论：主流生成器全部伪装类名，类名特征检测可被绕过；但 A1 强信号（磁盘无 class 文件）不受影响。误报控制：正常业务 Filter → INFO，JDK 类/自身类 → 白名单豁免。
检测报告携带回分析者机器后，可用 --analyze 配合 AI 模型做深度解读（识别内存马家族、还原攻击链、给出处置建议）。下面是真实执行截图 —— 基于上面 JMG 7/7 检出中的 behinder-filter 报告，配置 DeepSeek v4-flash 跑通：
① 配置 AI + 执行命令
② DeepSeek 真实分析输出（自动识别为冰蝎 Behinder、还原攻击链、给出隔离/取证/清除/加固建议）：
AI 输出的处置建议摘录（写回 report.json 的 aiAnalysis 字段）：
1. 隔离与止血：立即将受影响主机从网络中隔离（至少断开对外连接）。不要立即重启 JVM，先完成内存取证，否则内存马和 key 会丢失。 2. 内存取证：用
jmap -dump:live,format=b,file=heap.hprof <pid>导出堆；用jstack取线程栈；备份并分析/tmp/jmg-payloads/behinder-filter.b64。 3. 清除内存马：在完成取证后，重启 Java 应用进程，以彻底清除内存中的恶意对象；同时检查是否残留启动时自动加载的 Agent。 4. 排查攻击入口与持久化：审计 Web 访问日志、应用日志、中间件错误日志，定位漏洞利用痕迹。 5. 加固与预防：修复漏洞；部署 RASP 实时监测动态类加载；配置 WAF 拦截冰蝎特征请求；限制服务器主动出网。
配置 AI（兼容一切 OpenAI 协议）：
# 配置方式 1：JSON 文件（推荐，截图就是这种）
cat > ai.json <<'EOF'
{
"base_url": "https://api.deepseek.com/v1",
"api_key": "sk-your-deepseek-key",
"model": "deepseek-v4-flash"
}
EOF
java -jar memshell-auditor.jar --analyze report.json --ai-config ai.json
# 配置方式 2：环境变量
AI_BASE_URL=https://api.deepseek.com/v1 AI_API_KEY=sk-xxx AI_MODEL=deepseek-v4-flash \
java -jar memshell-auditor.jar --analyze report.json
# 配置方式 3：本地 Ollama（完全离线）
AI_BASE_URL=http://localhost:11434/v1 AI_API_KEY=ollama AI_MODEL=llama3.1 \
java -jar memshell-auditor.jar --analyze report.json- 兼容一切 OpenAI 协议服务：OpenAI / DeepSeek / 通义千问 / 智谱 / 本地 Ollama / vLLM
- 可配可跳过：无配置自动降级本地规则分析（离线现场完全可用）
- 零依赖：标准
HttpURLConnection实现，不引入 SDK - 思考链兼容：v4-flash 等思考模型自动解析
reasoning_contentfallback；token 预算 8192 覆盖长报告
| 文档 | 内容 |
|---|---|
| docs/USAGE.md | 详细参数说明（全部 CLI 参数/环境变量/输出格式/退出码） |
| docs/RULES.md | 检测规则库参数详情（规则格式/信号体系/内置规则清单/编写规范） |
| docs/AGENT-SKILL.md | AI Agent 技能引导（如何让 AI 用好本产品） |
| QUICKSTART.md | 快速使用手册（九大章节） |
| CONTRIBUTING-RULES.md | 特征规则提交规范 |
| evidence/20-v2-devlog.md | 开发过程与踩坑记录 |
技术研究：检测方法论、信号分级体系、工具演进历程、实战验证细节 → 见个人主页文章 《Java 内存马应急检测实战：从手册到开源工具的全栈演进》
- Tomcat 5-11（javax 与 jakarta 双命名空间，纯反射实现）
- Spring Boot 内嵌容器（StandardContext 同源）
- 国产中间件：TongWeb / BES / InforSuite / Apusic / Primeton（StandardContext 类名兼容 + Loader 特征识别）
- 定位逻辑：
WebappClassLoader反查 + MBeanServer 辅助
src/main/java/com/memshellauditor/
├── AgentMain.java # agent 入口（premain/agentmain，含取证端规则分析）
├── AuditorMain.java # 主程序 CLI（--gen-agent/--analyze/--rules/--submit）
├── ForensicMain.java # 取证程序 CLI（--scan/pid/--live/--monitor）
├── ScanRunner.java # 全自动扫描编排（并发审计）
├── JvmScanner.java # JVM 进程枚举 + 可疑度评分
├── detect/ # 检测器（容器/Agent/Transformer/ClassLoader/启发式/Live）
├── dump/ # 取证（ClassDumper/Decompiler/NetworkAnalyzer/MemoryForensics/HprofParser）
├── ai/ # AI 增强（AiClient/AiAnalyzer）
├── threat/ # 威胁情报（ThreatIntelClient）
├── monitor/ # 值守监控（WebhookClient/MonitorEngine）
├── obf/ # 混淆生成（ClassRewriter/ObfuscateAgentGenerator）
├── rules/ # 特征库（Rule/RuleEngine/RuleStore/RuleUpdater/SubmitCollector）
├── report/ # 报告（Finding/Report）
└── util/ # 反射工具（ReflectUtil）
- JMG 混淆载荷的 dump 限制：Suo5 等激进 ASM 处理载荷 JVM 拒绝 retransform——由 --live 定义时捕获 + hprof 堆解析双兜底
- Agent 型内存马（transformer 注入）：JDK 标准 API 无法枚举已注册 transformer，通过
getAllLoadedClasses类特征 + 内部字段探测间接检测 - 回连分析噪声：lsof 混入本机其他服务连接，已集成威胁情报自动判定，特殊场景人工复核
- 容器定位依赖 WebappClassLoader：极度精简 classpath 模式（非 WAR 部署）可能定位不到 StandardContext
- 运行时窗口：attach 只能看到当前已加载类；
--live覆盖后续注入
- 提 Issue/PR：https://github.com/x7peeps/memshell-auditor/issues
- 贡献特征规则：见 CONTRIBUTING-RULES.md，模板
rules/template.json - 开发记录/踩坑：见 evidence/20-v2-devlog.md
MIT