1. 目標與威脅模型：你到底想防什么？
把“混淆”當作成本疊加器：讓逆向者付出更多時間與技能，而不影響用戶體驗與可維護性。可用 Collberg 等提出的四指標來權衡：有效性/韌性/隱蔽性/成本（potency/resilience/stealth/cost）。近年的研究也在重審這些評估方法，建議結合可度量指標落地（見 §6、§8）。
典型威脅面：
-
反編譯閱讀與二次打包（盜版、克隆）。
-
敏感常量/算法泄露（密鑰、授權校驗）。
-
篡改與調試（跳過授權、Hook、惡意 SDK 植入）。
2. 架構總覽：傳統工具鏈 + 大模型協作
2.1 傳統基礎設施（穩定、可復用）
-
ProGuard：開源 shrinker/optimizer/obfuscator，桌面與 Android 通用；配套 ReTrace 反混淆棧追蹤。
-
R8（Android 官方）：Android 構建默認的壓縮/混淆/優化器，替代 ProGuard；配套
retrace。 -
yGuard：yWorks 出品的開源 Java 混淆器，支持 Ant/Gradle。(
)
