关于爬虫:验证码逆向专栏螺丝帽人机验证逆向分析

本文章中所有内容仅供学习交换应用，不用于其余任何目标，不提供残缺代码，抓包内容、敏感网址、数据接口等均已做脱敏解决，严禁用于商业用途和非法用处，否则由此产生的所有结果均与作者无关！

本文章未经许可禁止转载，禁止任何批改后二次流传，擅自应用本文解说的技术而导致的任何意外，作者均不负责，若有侵权，请在公众号【K 哥爬虫】分割作者立刻删除！

指标：Luosimao 螺丝帽人机验证逆向剖析

网址：aHR0cHM6Ly9jYXB0Y2hhLmx1b3NpbWFvLmNvbS9kZW1vLw==

进入官网提供的 demo 页面，F12 开启抓包，首先加载 demo 页面，这个页面蕴含一个 site-key，每个网站都不一样，会在后续用到：

接下来是一个 captcha.js，次要用于后续的加密参数生成，乍一看认为是个 OB 混同，其实只是更换了变量名，而后一些值是从大数组外面取的，没有 OB 混同里的打乱数组的操作，比 OB 混同要简略很多，后文会利用 AST 对这三个 JS 进行解混同，后续相似的还加载了 widget.js 和 frame.js，也都是和加密参数的生成无关。

而后是一个 widget 的申请，该申请返回的源码外面有个 data-token，也是后续要用到的。

接下来是一个 request 的申请，接口返回的一些参数也是后续要用到的，同时返回的 w 值，就是要点击的文字提示信息。

而后是一个 frame 申请，申请带了两个加密参数，这个申请返回的源码外面蕴含了验证码图片信息。

而后就加载了验证码图片，留神这里的图片是被切割之后乱序排列了的，和极验三代的相似，所以后文咱们还要对其进行程序还原。

点击图像实现之后，就会发动校验申请 user_verify，校验胜利的话返回的 res 为 success，相同校验不胜利就是 failed。

点击立刻登录，触发最初一个 submit 申请，提交的 data 值就是上一步 user_verify 验证胜利后返回的 resp 值。

小结一下螺丝帽就能够分为三个比拟重要的步骤：request 接口申请失去要点击的内容，frame 接口申请拿到验证码图片，user_verify 接口验证点击是否正确，下文将详细分析这些步骤。

先别着急找加密逻辑，后面抓包的时候说了，一共有三个 JS 参加了加密，别离是 captcha.js、widget.js 和 frame.js，这三个 JS 是被混同了的，为了后续比拟好剖析，咱们能够先应用 babel 将其转换成 AST 语法树后，进行解混同操作。

以 widget.js 为例，察看该 JS，咱们能够总结出以下三个问题：

结尾一个大数组，如 _0x8f24，后续变量赋值操作就是从这个大数组里取值，如 _0x8f24[1]、_0x8f24[2]；
所有的字符串都被转换成了十六进制编码的模式，不易浏览；
拜访对象属性是 _0x3ba3x1["Number"]，而不是 _0x3ba3x1.Number，不易浏览。

所以咱们只须要做三个操作：

从数组取值转为间接赋值（_0x8f24[1] => "\x63\x61\x6C\x6C"）；
十六进制编码的字符串还原（"\x63\x61\x6C\x6C" => "call"）；
对象属性还原（_0x3ba3x1["Number"] => _0x3ba3x1.Number）。

首先是从数组取值转为间接赋值，先将这个 JS 扔到 astexplorer.net 别离看看原始构造（如：_0x8f24[1]）和替换后的构造（如："\x63\x61\x6C\x6C"）：

从上图能够看到相似 _0x8f24[1] 取值的节点类型为 MemberExpression，这个大数组没有像 OB 混同那样做了乱序操作，能够间接取值，那么如果咱们先拿到 _0x8f24 这个大数组，而后遍历 MemberExpression 节点，再将其替换成 StringLiteral 类型的节点就行了。当然遍历的时候也要有限度，必须是 path.node.object.name 的值和大数组的名称一样能力替换。而后就是咱们怎么拿到 _0x8f24 这个大数组呢？这个大数组在 AST 中的地位是 program.body[0]，咱们能够将其转换成 JS 代码而后 eval 执行一下，把大数组加载到内存里，后续就能间接按索引取值了，当然办法不止这一种，能够依照本人的思路来实现，这一部分的 visitor 能够这么写：

const ast = parse(code);
eval(generate(ast.program.body[0]).code)

const visitor = {MemberExpression(path) {if (path.node.object.name === "_0x8f24") {path.replaceWith(types.stringLiteral(eval(path.toString())));
        }
    }
}

而后就是十六进制编码的字符串还原，察看前后的 AST 语法树：

能够发现只有将 path.node.extra.raw 的值换为 path.node.extra.rawValue 或者 path.node.value 即可，当然因为 NumericLiteral、StringLiteral 类型的 extra 节点并非必须，这样在将其删除时，也不会影响原节点，所以还能够间接 delete path.node.extra 或者 delete path.node.extra.raw 来还原字符串，这一部分的 visitor 能够这么写：

const visitor2 = {StringLiteral(path) {if (path.node.extra) {
            // 以下办法均可
            // path.node.extra.raw = '"'+ path.node.extra.rawValue +'"'
            // path.node.extra.raw = '"'+ path.node.value +'"'
            // delete path.node.extra
            delete path.node.extra.raw
        }
    }
}

最初就是对象属性还原，同样的先察看前后的 AST 语法树：

能够看到 _0x3ba3x1["Number"] => _0x3ba3x1.Number，是 MemberExpression 下的 property 节点由 StringLiteral 类型的变成了 Identifier 类型的，computed 值由 true 变成了 false，这一部分的 visitor 能够这么写：

const visitor = {MemberExpression(path){if (path.node.property.type === "StringLiteral" && path.node.property.value !== "") {
            path.node.computed = false
            path.node.property = types.identifier(path.node.property.value)
        }
    }
}

后面抓包的时候也说了，一共有三个 JS 参加了加密，别离是 captcha.js、widget.js 和 frame.js，他们的混同都是一样的，所以综上所述咱们的 AST 解混同代码完整版能够是这样的：

const fs = require('fs');
const types = require("@babel/types");
const parse = require("@babel/parser").parse;
const traverse = require("@babel/traverse").default;
const generate = require("@babel/generator").default;


function deconfusion(code, arrName) {const ast = parse(code);
    eval(generate(ast.program.body[0]).code)

    const visitor1 = {MemberExpression(path) {if (path.node.object.name === arrName) {path.replaceWith(types.stringLiteral(eval(path.toString())));
            }
        }
    }

    const visitor2 = {StringLiteral(path) {if (path.node.extra) {
                // 以下办法均可
                // path.node.extra.raw = '"'+ path.node.extra.rawValue +'"'
                // path.node.extra.raw = '"'+ path.node.value +'"'
                // delete path.node.extra
                delete path.node.extra.raw
            }
        },
        MemberExpression(path){if (path.node.property.type === "StringLiteral" && path.node.property.value !== "") {
                path.node.computed = false
                path.node.property = types.identifier(path.node.property.value)
            }
        }
    }


    traverse(ast, visitor1);
    traverse(ast, visitor2);
    delete ast.program.body[0]

    return generate(ast, {jsescOption: {"minimal": true}}).code
}


const widget = fs.readFileSync('widget.js', 'utf-8');
const newWidget = deconfusion(widget, "_0x8f24")
fs.writeFileSync('newWidget.js', newWidget, 'utf-8');


const captcha = fs.readFileSync('captcha.js', 'utf-8');
const newCaptcha = deconfusion(captcha, "_0x2d28")
fs.writeFileSync('newCaptcha.js', newCaptcha, 'utf-8');

const  frame = fs.readFileSync('frame.js', 'utf-8');
const newFrame = deconfusion(frame, "_0x3f7b")
fs.writeFileSync('newFrame.js', newFrame, 'utf-8');

解混同之后，将代码替换掉原始代码，而后就能够欢快的进行剖析了。

首先来看 request 接口，POST 申请，params 有 k 和 l 两个参数，data 有 bg 和 b 两个加密参数，如下图所示：

k 参数通过间接搜寻能够发现就存在于页面的 html 里，如下图所示的 data-site-key 就是 k 的值，从这个名字也能够看出应该是每个网站调配的一个 key。

bg 和 b 参数搜寻不到，且每次都是变动的，通过观察可知这是一个 XHR 申请，那么就能够通过 XHR 断点，或者间接跟栈的形式来找加密入口，好在栈也不多，间接跟进去下断点，在 ajax send 办法这里，就能够看到 bg 和 b 曾经生成。

持续往上跟栈，就很容易发现 bg 和 b 的生成地位，如下图所示：

"bg=" + _0x3ba3xc.encryption(_0x3ba3x1) + "&b=" + _0x3ba3xc.encryption(_0x3ba3x3)，先来看 _0x3ba3x1 和 _0x3ba3x3 是怎么生成的：

var _0x3ba3x1 = _0x3ba3xc.env.us + "||" + _0x3ba3xc.getToken() + "||" + _0x3ba3xc.env.sc.w + ":" + _0x3ba3xc.env.sc.h + "||" + _0x3ba3xc.env.pf.toLowerCase() + "||" + _0x3ba3xc.prefix.toLowerCase(),
_0x3ba3x3 = _0x3ba3xc.path[0] + ":" + _0x3ba3xc.timePoint[0] + "||" + _0x3ba3xc.path[1] + ":" + _0x3ba3xc.timePoint[1];

_0x3ba3xc.env.us：User-Agent；
_0x3ba3xc.env.sc.w：屏幕宽度；
_0x3ba3xc.env.sc.h：屏幕高度；
_0x3ba3xc.env.pf.toLowerCase()：platform（如 win32）小写；
_0x3ba3xc.prefix.toLowerCase()：浏览器引擎（如 webkit）小写。

_0x3ba3xc.getToken() 是一个函数，跟进去能够看到是取 widget 申请返回的 html 外面的 data-token 值，如下图所示：

widget 申请还有个 i 参数，也是加密生成的，间接全局搜寻 i:，能够发现在 captcha.js 里 _0x7125x5.id 就是 i 的值，如下图所示：

跟进去，generateID() 办法 return "_" + Math.random().toString(36).substr(2, 9); 就能够生成这个值了。

而后是 _0x3ba3x3，次要由 path 和 timePoint 组成，重复比照你会发现，path = [鼠标第一次进入点击区域的坐标，鼠标点击时的坐标]，timePoint = [页面加载结束的工夫，开始点击的工夫]，如下图所示，能够在左上角和右下角都点一下看看这个点击的区域坐标范畴是啥，而后随机构建一下就行了。

总结下来，_0x3ba3x1 和 _0x3ba3x3 就能够通过以下代码实现：

function randomNum(min, max) {return Math.floor(Math.random() * (max - min + 1) + min);
}

const ua = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/116.0.0.0 Safari/537.36"
const screen = {width: 1920, height: 1080};
const platform = "Win32";
const prefix = "Webkit";
//[鼠标第一次进入点击区域的坐标，鼠标点击时的坐标]
const path = [`${randomNum(60, 200)},${randomNum(0, 3)}`,
    `${randomNum(60, 200)},${randomNum(10, 20)}`
];
// [页面加载结束的工夫，开始点击的工夫]
const time = +new Date();
const timePoint = [time, time + randomNum(1000, 6000)];

const _0x3ba3x1 = ua + "||" + token + "||" + screen.width + ":" + screen.height + "||" + platform.toLowerCase() + "||" + prefix.toLowerCase();
const _0x3ba3x3 = path[0] + ":" + timePoint[0] + "||" + path[1] + ":" + timePoint[1];

最初一步加密 "bg=" + _0x3ba3xc.encryption(_0x3ba3x1) + "&b=" + _0x3ba3xc.encryption(_0x3ba3x3);，跟进 encryption 办法相熟的 iv、mode、padding，但他这里写的却是 SHA3，很显著是骗人的，比照测试一下加密后果，发现是 AES 加密，间接引库就完事儿了。

至此 request 接口就剖析结束了。

而后是获取验证码图片，间接搜寻图片的名称，能够发现是在 frame 申请返回的 html 源码外面，如下图所示：

这个 captchaImage 对象蕴含两个值，p 是验证码乱序的图片，有三个图片，这个应该是避免宕机，有多个节点，理论三张图都是一样的内容，而 l 则是用来还原乱序图片的。

var captchaImage = {
    p:['https://i5-captcha.luosimao.com/22/aa27352e782eb74ccccef04eb91bc23c.png',
        'https://i2-captcha.luosimao.com/22/aa27352e782eb74ccccef04eb91bc23c.png',
        'https://i1-captcha.luosimao.com/22/aa27352e782eb74ccccef04eb91bc23c.png'],
    l: [["40","80"],["220","0"],["280","0"],["200","80"],["100","0"],["40","0"],
        ["0","80"],["180","0"],["20","0"],["120","80"],["220","80"],["240","0"],
        ["180","80"],["0","0"],["280","80"],["140","80"],["140","0"],["200","0"],
        ["160","0"],["260","0"],["20","80"],["240","80"],["100","80"],["60","80"],
        ["120","0"],["260","80"],["160","80"],["80","0"],["80","80"],["60","0"]]
};

咱们查看图片的源码，能够发现这个 l 的坐标就是 css background-position 属性的值，如下图所示：

逻辑也很简略，图片尺寸 300x160 px，切割的乱序图片，分为高低两局部，每一部分又被分为 15 个小片段，那么上半局部从左至右，每一片段的左上角坐标为：[0, 0]、[20, 0]、[40, 0] …，以此类推，下半局部则是 [0, 80]、[20, 80]、[40, 80] …，以此类推，而后面的 l 的值，就示意原始图片第 N 个地位，对应乱序图片的某个片段的左上角的坐标，例如 l 的第一个值为 ["40","80"]，则示意原始图片第一个地位是乱序图中坐标为 [40, 80] 的片段，换句话说，也就是原始图片第一个地位，应该是乱序图中下半局部从左至右的第三个片段。图片的还原在 Python 中能够用以下代码实现：

from PIL import Image


section = [["40","80"],["220","0"],["280","0"],["200","80"], ......]
image = Image.open("乱序图片.png")
canvas = Image.new("RGBA", (300, 160))

for index in range(len(section)):
    x = int(section[index][0])
    y = int(section[index][1])
    slice_ = image.crop(box=(x, y, x + 20, y + 80))
    canvas.paste(slice_, box=(index % 15 * 20, 80 if index > 14 else 0))

canvas.save("正确图片.png")

而后就是这个 frame 申请，蕴含了一个 s 参数，这个是后面 request 申请返回的，如下图所示：

而后就是点击发送验证申请了，user_verify 蕴含三个参数 h、v 和 s，h 是后面 request 接口返回的，v 和 s 是须要咱们逆向的，如下图所示：

同样也间接跟栈，如下图所示 _0xaaefx15.toString() 就是最终的 s 值，而 s 是最终的 v 值：

先来看 s，s = _0xaaefx11.toString();，而 _0xaaefx11 和后面一样也是 AES 加密，其中 key 是后面 request 接口返回的 i 的值，待加密的值是 _0xaaefx5，而 _0xaaefx5 = _0xaaefx3.dots.join("#")，_0xaaefx3.dots 就是点击的坐标，不过这个坐标要留神，他的 x 和 y 坐标是反着排列的，整个数组也是倒序的，直观点儿来讲就是 _0xaaefx3.dots = ["第三次点击的 y，第三次点击的 x", "第二次点击的 y，第二次点击的 x", "第一次点击的 y，第一次点击的 x"]，如下图所示：

而后就是 _0xaaefx15，通过 MD5 加密失去最终的值，如下图所示：

申请会校验 header 的 Host 字段，frame 接口和其余接口的 Host 是不一样的，留神察看替换，Host 不正确会导致申请失败。

至此所有流程就都剖析结束了。

关于爬虫:验证码逆向专栏螺丝帽人机验证逆向分析

申明

指标

抓包剖析

AST 解混同

获取验证码信息

获取验证码图片

发送验证

注意事项

后果验证