本
文
摘
要
很多朋友批量玩抖音，微信，陌陌 等等，经常遇到封号 ，异常 ，遇到这样的情况 ，
多半是设备已经被平台列为黑名单 ，在这样的设备上面继续登录 ，封号相当严重。
这样的设备必须进行改机 ，才能再次使用。
首先从原理上面来进行简单的分类，一共分2大类 ：
1：硬改 ，
2：软改
软改的软件很多 ，早期软改架构基本依赖于 xposed ，这类架构 ，需要Root手机才可以使用 ，
基本所有的app，都对是否root非常敏感 ，发现插入xposed 模块，直接停止运行，
如果要基于xposed ，想过app 检测，目前来说，难度非常大 ，
需要做相关的防xp 检测 ，防root 检测，稍微app更新又得重新修改 。
目前这类型的 改机软件 ，除非有针对性开发团队，不然使用起来相当麻烦 ，不合适普通用户使用。
常见这类型软件如下
随着xposed 架构，root条件下面使用等等诸多缺点 ，又演变出来另外一种架构，
基于虚拟技术的改机软件，这类型的改机软件，无须 root ，类似电脑端的 虚拟操作系统一样 。
在电脑上面用过 vmware软件的朋友应该都知道它的工作原理 。虚拟化技术，就是手机上面的 vmware ，
国产比较具有代表的 比如 VirtualAPP ，当然也有国外的cpp 架构 。当然还有很多 。
对于国内的VirtualAPP ，打着开源的幌子 ，干的是收费勾当，这里就不说了，git上面开源的，
基本都是 *** ，功能极度不稳定的版本 ，和官方不同步 ，要和官方对接，
开发加盟费是 30万起步，不适合一般个人，只适合有实力的工作室 ，交了加盟费后，就可以在它上面基础进行开发 。实现改机功能。
目前基于这类型的 改机软件也不少 。
国外的则厚道非常多，不存在短斤少两的情况出现 。这里没有歧视的，并不是国外的月亮更圆，就事论事 。
国外的改机软件也很多 ，因为英文 ，国人英语水平有限 ，查找起来就非常的麻烦 。
当然软改还有另外一种模式 ，就是改room ，通过绿色的方式 ，因为我们知道安卓的软件，是基于 java开发的，
是可以逆向绿色 ，拿到伪代码 ，就可以做相应的功能修改 ，
大概原理举个例子吧 。
room里面包含若干个模块 ，通过逆向工具 ，将相关模块的伪源码 解密出来 。
在相应的api 位置插入对应的修改代码 ，改完之后，再重新进行room打包 ，然后刷入手机 ，
即可 免root 使用 ，需要修改相关配置的时候 ，直接通过配置工具进行配置 ，这种方式是非常安全的 方式 ，
目前大部分营销手机都是改room方式 。
接下来和大家讲讲 硬改 。硬改是基于部分的 芯片 ，比如mtk的 部分芯片 ，提供内在支持 ，
但是大部分都是老旧手机 ，比如 华为 oppo ，vivo ，小米，酷派 ，中兴等一批老旧手机 ，
老掉牙，即使能改 ，也是 风控手机 ，因为 接口太老 ，目前绝大部分app已经将这类型的手机，列入风控手机 。
而且速度如龟爬 ，不适合时代要求 ，目前主流 都是安卓 10 系统 ，这种类型的手机更容易获得 流量 ，封号率更低 。
综合各种 比较 ，个人更倾向 cpp架构，或是改room的改机软件 。
这里留个
有这方面需求的小伙伴可以来找我交流
参考上图
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 1. simple plot with 4 numbers
plt.plot([1, 3, 2, 4])
plt.show()
# 2. points have x and y values; add title and axis labels
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plt.title(Test Plot, fontsize=8, color=g)
plt.xlabel(number n)
plt.ylabel(n^2)
plt.show()
# 3. change figure size. plot red dots; set axis scales x: 0-6 and y: 0-20
plt.figure(figsize=(1,5)) # 1 inch wide x 5 inches tall
plt.plot([1, 2, 3, 4], [1, 4, 9, 16], ro) # red-o
plt.axis([0, 6, 0, 20]) # [xmin, xmax, ymin, ymax]
plt.annotate(square it, (3,6))
plt.show()
# 4. bar chart with four bars
plt.clf() # clear figure
x = np.arange(4)
y = [8.8, 5.2, 3.6, 5.9]
plt.xticks(x, (Ankit, Hans, Joe, Flaco))
plt.bar(x, y)
# plt.bar(x, y, color=y)
# plt.bar(x, y, color=[lime, r, k, tan])
plt.show()
# 5. two sets of 10 random dots plotted
d = {Red O : np.random.rand(10),
Grn X : np.random.rand(10)}
df = pd.DataFrame(d)
df.plot(style=[ro,gx])
plt.show()
# 6. time series - six months of random floats
ts = pd.Series(np.random.randn(180), index=pd.date_range(1/1/2018, periods=180))
df = pd.DataFrame(np.random.randn(180, 3), index=ts.index, columns=list(ABC))
df.cumsum().plot()
plt.show()
# 7. random dots in a scatter
N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
sizes = (30 * np.random.rand(N))**2 # 0 to 15 point radii
plt.scatter(x, y, s=sizes, c=colors, alpha=0.5)
plt.show()
