信息公示平台搜索滑块逆向
本帖最后由 zzyzy 于 2025-5-3 00:06 编辑本文章中所有内容仅供学习交流，抓包内容、敏感网址、数据接口均已做脱敏处理，严禁用于商业用途和非法用途，否则由此产生的一切后果均与作者无关，若有侵权，请联系我立即删除！
目标：实现搜索后，滑块验证，得到结果。
网站：aHR0cHM6Ly94eGdzLmNoaW5hbnBvLm1jYS5nb3YuY24vZ3N4dC9uZXdMaXN0
1.显示输入搜索关键字，触发滑块验证，在/slideCaptcha 也没有什么校验直接，直接拿到了数据，a和b后面要用到的参数，c中有cutImage和oriImage是背景和缺口图的base64编码数据。
2.接下来校验滑块走一遍，看看如何拿到搜索后的数据。slide_captcha_check滑块的校验，请求参数中有a b c三个，验证成功后，请求 /gridQuery.html获得搜索后的数据。所以只需要分析这三个参数的由来就行。
3.在slide_captcha_check中，msg结果我是遇到三种，大致看一下a b c 都是=结尾的很像base64 下面就hook到生成的地方看看。
success 验证成功
jcaptha invalid好像是超时无效
jcaptha wrong 滑块的距离不对
4. 先是测试一下hook JSON中stringify，parse，能用，找到参数生成后，往上跟栈，往上走一步，发现t是生成后的结果，看一下t是如何来的。
(function () {
var stringify = JSON.stringify;
JSON.stringify = function (params) {
console.log("Hook JSON.stringify ——> ", params);
debugger;
return stringify(params);
}
})();
(function () {
var parse = JSON.parse;
JSON.parse = function (params) {
console.log("Hook JSON.parse ——> ", params);
debugger;
return parse(params);
}
})();
5.在往上跟一步，打上断点后，刷新页面重新定到滑动滑块后，继续往上分析栈，在checkLocation中发现了熟悉的字段，可以清空其他断点，只定这三个。
6.先看a b 的值，是valuea和valueb经过encodedata得到的，value a b就是和返回图片base64数据一起返回的 a b，encodedata就是base64编码。
7.主要是看一下c的生成，在c编码前，是对上面定义的a，this.moveX,顾名思义是滑动的距离，转成字符串，经过this.$getRsaCode得到的结果， 直接跳转进去看看源码，打下断点。
8.这是一个典型的rsa加密，创建JSEncrypt对象，JSEncrypt 是一个 JavaScript 库，用于执行 RSA 加密和解密操作。设置公钥，知道这些条件后直接上python代码。
# 默认密钥大小 (default_key_size)：1024位，表示RSA密钥的长度。
# 默认公钥指数 (default_public_exponent)：010001（十进制65537）。def rsa_encrypt(t):
# 公钥字符串 PEM格式
public_key_str = """-----BEGIN PUBLIC KEY-----
公钥
-----END PUBLIC KEY-----"""
public_key = RSA.import_key(public_key_str)
cipher = PKCS1_v1_5.new(public_key)
message = str(t).encode('utf-8')
encrypted_bytes = cipher.encrypt(message)
encrypted_str = base64.b64encode(encrypted_bytes).decode('utf-8')
return encrypted_str
9.得到的rsa加密滑动距离结果后，在进行base64编码得到c。
10.滑块距离识别同样使用的dddocr，或者使用cv2，识别成功率五五开吧，看背景图缺口是纯白色，把滑块改成白色再用对比，感觉会成功率高一点把（有佬优化了，教教小生）。
def get_distance(bg, tp, save_path=None):
det = DdddOcr(det=False, ocr=False, show_ad=False)
res = det.slide_match(tp, bg, simple_target=True)
if save_path is not None:
# 将背景图片的二进制数据加载为Pillow Image对象
left, top, right, bottom = res['target'], res['target'], res['target'], res['target']
bg_image = Image.open(io.BytesIO(bg))
draw = ImageDraw.Draw(bg_image)
draw.rectangle(, outline="red", width=2)
bg_image.save(save_path)
logger.info(f"已保存标注后的图片到: {save_path}")
return res
return res
10.至此该网站搜索的滑块分析完了，大致不难，感谢观看，给点热心值，感谢老铁们。{:301_975:}
进行灰度 二值化，达到95%。
def handle_code(self,img,flag=False):
bigImage = io.BytesIO(img)
big_img = Image.open(bigImage)
gray = big_img.convert("L")
if flag:
threshold = 200
binary = gray.point(lambda p: 255 if p > threshold else 0)
else:
threshold = 240
binary = gray.point(lambda p: 255 if p > threshold else 0)
img_bytes = io.BytesIO()
binary.save(img_bytes, format='PNG')
return img_bytes.getvalue()
def my_slide_match(self,oriImage, cutImage,y):
binary = self.handle_code(oriImage)
cutImage = self.handle_code(cutImage,True)
det = ddddocr.DdddOcr(det=False, ocr=False, show_ad=False)
res = det.slide_match(cutImage, binary, simple_target=True)
return res
前两天刚解决了爬虫查看更多选项 刚学习到了滑块的课程，这就出了教程，感谢 受教，感谢大佬 是不是可以可以自己部署一个距离识别大模型来识别滑动距离 大佬节日快乐 码住，有空学习 cddchen 发表于 2025-5-3 11:19
是不是可以可以自己部署一个距离识别大模型来识别滑动距离
这玩意用不上大模型，训练一个专门的视觉模型就行了。 好好好，但是为什么要这么严格 谢谢分享，还得模拟滑动，不能直接就到缺口处吧