某美官网案例滑块逆向

zzyzy

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：实现滑块验证。
网站：aHR0cHM6Ly93d3cuaXNodW1laS5jb20vdHJpYWwvY2FwdGNoYS5odG1s


1.又到周末了，开始今天的滑块分析，直接进官网中demo在线体验，找到滑块验证。


2.抓包主要分析两个接口，一是获取验证码图片接口，二是进行校验的接口。
    图片的获取参数很少，主要看两个captchaUuid和organization，其实两个都可以固定，callback后面时间戳，固不固定都行。

   
    organization 是一个标识，在一个js文件中，固定值就行。captchaUuid直接全局搜索，有一个getCaptchaUuid函数。代码是经过ob混淆的，前半部分是当前年月日时分秒，后半部分是从 _0x2e8d92  = 'ABCDEFGHJKMNPQRSTWXYZabcdefhijkmnprstwxyz2345678'   随机获得十八位。


3.标准的ob解混淆，我这在网站看到一个在线网站，测试一下可以用，网站就不发啦，直接搜就有的，可能会超时，多等待会。

[JavaScript] 纯文本查看 复制代码

'generateTimeFormat': function _0x4c6363() {
        var _0x430757 = new Date(),
            _0x2378e5 = function _0x3174a6(_0x47652b) {
          return +_0x47652b < 10 ? '0' + _0x47652b : _0x47652b["toString"]();
        };

        return _0x430757["getFullYear"]()["toString"]() + _0x2378e5(_0x430757['getMonth']() + 1) + _0x2378e5(_0x430757["getDate"]()) + _0x2378e5(_0x430757["getHours"]()) + _0x2378e5(_0x430757["getMinutes"]()) + _0x2378e5(_0x430757["getSeconds"]());
      },
      'getCaptchaUuid': function _0x1c52e3() {
        var _0x41580c = '',
            _0x2e8d92 = "ABCDEFGHJKMNPQRSTWXYZabcdefhijkmnprstwxyz2345678",
            _0x24bf2f = _0x2e8d92['length'];

        for (var _0x117c27 = 0; _0x117c27 < 18; _0x117c27++) {
          _0x41580c += _0x2e8d92['charAt'](Math['floor'](Math["random"]() * _0x24bf2f));
        }

4.这是解混淆后代码，看着就是比之前好看。（ast好啊，还是待写，dddd），主要还是看校验接口，参数多一些。


5.校验成功结果中 riskLevel: "PASS"  失败是 "riskLevel":"REJECT"。请求参数看着有什么，其实加密方式都一样，就key和明文不一样。可以直接全局搜索 'tm' ，结果有三个。为啥搜它呢，密文长度独特，每次都会更新。看着都引人注目。


6.可以解混淆后代码，本地替换，或者fidder或者，插件替换都行。注意是代码要压缩成一行，因为里面有自定义格式化检测isJsFormat，每次加密明文的时候，为true会更改key值为_0x45d705 --> 是一个时间戳加域名。


7.当然看原文也可以的，回到上面分析tm的参数由来，在switch之前有很多参数。请求参数的生成都是从过getEncryptContent方法。


_0x54ba18 = _0x2f5942[_0x4a8786(0x2c7)]       鼠标轨迹
_0x53e48a = _0x2f5942[_0x4a8786(0x8da)]      滑动开始时间
_0x278de4 = _0x2f5942[_0x4a8786(0xaa9)]      滑动结束时间
_0x4f9d04 = _0x2f5942['mouseEndX']               滑动距离
_0x4f5460 = _0x2f5942[_0x4a8786(0x1d9)]      图片宽度
_0x41b1a4 = _0x2f5942['trueHeight']               图片高度
_0x3ef349 = _0x2f5942[_0x4a8786(0x602)]       空数据 fr 的明文
_0x20abcb = _0x2f5942[_0x4a8786(0x83e)]     滑块宽度

8.进到getEncryptContent 里面是一个switch控制流，主要注意一下key，和加密过程。这是一个des标准的加密算法 mode 是 ECB，padding 是 ZeroPadding，不需要 iv，在线网站测试或者py的标准库。


9.因为有很多参数，在break前打上日志断点，看方便，在根据请求参数一一对应，可以看到有部分参数的明文是固定的，注意的就是tm tb 和ly ，对应着轨迹， 距离比背景宽度，和滑动时间。


10.距离识别我这使的是ddddocr，学习来说够用了，需要注意的是，背景图片的比例，下载下来的是600*300，在官网显示的是300*150，识别的距离除以2就行。
11.关于key的获取，都在ob混淆的大数组中，根据版本不同相应的改变，现在来看版本是 v1.0.4-184/captcha-sdk.min.js



12.使用在线ob解混淆后代码看的很清晰了，版本不更新key应该不会变吧，等后面跟踪一下，我这使用python还原，下面是一些方法代码。

[Python] 纯文本查看 复制代码

def generate_slider_track(target_distance):
    track = []
    current_distance = 0
    current_time = 0
    y_offset = 0
    track.append([0, random.randint(0, 10), 0])
    while current_distance < target_distance:
        # 时间步长随机，模拟不均匀采样，90~110ms之间
        time_step = random.randint(90, 110)
        current_time += time_step

        # 横向步长，接近目标时减小步长
        if target_distance - current_distance > 10:
            x_step = random.randint(4, 10)
        else:
            x_step = random.randint(1, 4)

        current_distance += x_step
        if current_distance > target_distance:
            current_distance = target_distance

        # 纵向浮动在-5到5之间，模拟抖动
        y_offset = random.randint(-5, 5)
        track.append([current_distance, y_offset, current_time])

    return track


def DESEncrypt(key, text):
    key_bytes = key.encode('utf-8')
    des = DES.new(key_bytes, DES.MODE_ECB)
    padded_text = text.encode('utf-8')
    pad_len = 8 - (len(padded_text) % 8)
    if pad_len != 8:
        padded_text += b'\x00' * pad_len
    encrypted_bytes = des.encrypt(padded_text)
    # 返回Base64编码字符串
    return base64.b64encode(encrypted_bytes).decode('utf-8')


def random_str():
    return ''.join(random.choice('ABCDEFGHJKMNPQRSTWXYZabcdefhijkmnprstwxyz2345678') for _ in range(18))


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'][0], res['target'][1], res['target'][2], res['target'][3]
        bg_image = Image.open(io.BytesIO(bg))
        draw = ImageDraw.Draw(bg_image)
        draw.rectangle([left, top, right, bottom], outline="red", width=2)
        bg_image.save(save_path)
        print(f"已保存标注后的图片到: {save_path}")
        return res
    return res

13.轨迹-加密-随机字符串-距离识别，好了，完结撒花，又是愉快的周末，基本流程就这些了，测试一下，结果正确，这个demo分析完了，感谢大佬们观看。

lightsuper001

[Python] 纯文本查看 复制代码

def generate_slider_track(target_distance):
    track = []
    current_distance = 0
    current_time = 0
    
    # 初始点
    y_offset = random.randint(-5, 5)
    track.append([0, y_offset, current_time])
    
    # ===== 三阶段运动模型 =====
    # 1. 加速阶段 (0-15%距离)
    acceleration_end = int(target_distance * 0.15)
    while current_distance < acceleration_end:
        time_step = random.randint(40, 70)
        current_time += time_step
        x_step = random.randint(4, 8)  # 较大步长
        current_distance = min(current_distance + x_step, target_distance)
        y_offset += random.randint(-2, 2)
        y_offset = max(-10, min(10, y_offset))
        track.append([current_distance, y_offset, current_time])
    
    # 2. 匀速阶段 (15%-85%距离)
    main_phase_end = int(target_distance * 0.85)
    while current_distance < main_phase_end:
        time_step = random.randint(80, 120)
        current_time += time_step
        x_step = random.randint(5, 9)  # 中等步长
        current_distance = min(current_distance + x_step, target_distance)
        y_offset += random.randint(-3, 3)
        y_offset = max(-15, min(15, y_offset))
        track.append([current_distance, y_offset, current_time])
    
    # 3. 减速阶段 (最后15%)
    while current_distance < target_distance - 3:  # 预留3px给微调
        time_step = random.randint(100, 150)
        current_time += time_step
        x_step = random.randint(2, 4)  # 小步长
        current_distance = min(current_distance + x_step, target_distance)
        y_offset += random.randint(-4, 4)  # 增大抖动模拟紧张
        y_offset = max(-20, min(20, y_offset))
        track.append([current_distance, y_offset, current_time])
    
    # ===== 关键优化：精准到达和停留 =====
    # 确保精确到达目标
    if current_distance < target_distance:
        current_time += random.randint(80, 120)
        current_distance = target_distance
        y_offset += random.randint(-2, 2)
        track.append([current_distance, y_offset, current_time])
    
    # 停留阶段（3-5个点）
    stay_points = random.randint(3, 5)
    for _ in range(stay_points):
        current_time += random.randint(100, 200)  # 较长间隔
        
        # 微小抖动（±1px），80%概率保持目标位置
        if random.random() < 0.8:
            final_distance = target_distance
        else:
            final_distance = target_distance + random.randint(-1, 1)
        
        y_offset += random.randint(-2, 2)
        track.append([final_distance, y_offset, current_time])
    
    return track

我自己用AI写了一个滑块轨迹，成功率提高了好多

buluo533

大佬牛批，学习了

zzyzy

buluo533 发表于 2025-7-5 16:57
大佬牛批，学习了

你才是大佬，向你学习

buluo533

zzyzy 发表于 2025-7-5 17:13
你才是大佬，向你学习

又多学了一门验证码手艺

yxf515321

感谢大佬分享，厉害了

Tily

感谢分享。学到了

wasd71

不错 多看看你们的思路

zhenyuan27

感谢分享，学到了

whyzl20

活到老学到老。感谢楼主。

lingtian_shi

厉害了，虽然还有一些不太明了，但是整体思路已经很清晰了。膜拜