js逆向某东滑块 转载 https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

首先在此声明,本文章仅仅用于研究学习,不可用于任何商业活动,否则后果自负。如侵权请与我联系,立即删除。

唠嗑

俺来自河南,愿望我大河南平安!

 

js逆向某东滑块  转载  https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

    没错今天,我又来搞事情了,咱们今天学习一下某东登录时的滑块的加密。废话不多说了,开干。

加密分析与定位

 

当我们输入账号密码后,点击登录,首先映入眼帘的是一个滑块,那我们先分析一下滑块吧。

 

js逆向某东滑块  转载  https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

上图是滑块的有关信息,左边的横线是请求的url,右边是参数,很显然,里面有好多参数。但经过分析,d就是滑块轨迹的加密,c跟下图获取滑块图片一起返回的,下图中challenge就是参数c,参数e可以从网页源码中获取到,而参数appId是定值,参数o就是我们的账号,

 

js逆向某东滑块  转载  https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

下面我们就分析一下参数d,看它怎么加密。

这里我是通过下图调用栈,找到的,点击下图画横线的,然后格式化一下,再搜索appId就可以找到。

 

js逆向某东滑块  转载  https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

最后找到的就是下图这个,这里我已经打上断点。

 

js逆向某东滑块  转载  https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

我们再次登录,会自动断在这里。我们滑动滑块,就会停到这里

 

 

js逆向某东滑块  转载  https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

可以清除看到,g为一个数组,其实就是我一定滑块的轨迹,这里我们可以借鉴一个文章里面的滑块轨迹思路

https://www.52pojie.cn/thread-1162979-1-1.html

这里我提供一下代码(改写文章里面的)。

# -*- encoding: utf-8 -*-
"""
@File    :   trances.py
@Contact :   jyj345559953@qq.com
@Author  :   Esword
"""
"""
用于生成坐标轨迹
"""
import random
import matplotlib.pyplot as plt
import numpy as np



class GTrace(object):
    def __init__(self):
        self.__pos_x = []
        self.__pos_y = []
        self.__pos_z = []

    def __set_pt_time(self):
        """
        设置各节点的时间
        分析不同时间间隔中X坐标数量的占比
        统计结果: 1. 80%~90%的X坐标在15~20毫秒之间
                2. 10%~15%在20~200及以上,其中 [-a, 0, x, ...] 这里x只有一个,取值在110~200之间
                    坐标集最后3~5个坐标取值再50~400之间,最后一个坐标数值最大

        滑动总时间的取值规则: 图片宽度260,去掉滑块的宽度剩下200;
                        如果距离小于100,则耗时1300~1900之间
                        如果距离大于100,则耗时1700~2100之间
        """
        __end_pt_time = []
        __move_pt_time = []
        self.__pos_z = []

        total_move_time = self.__need_time * random.uniform(0.8, 0.9)
        start_point_time = random.uniform(110, 200)
        __start_pt_time = [0, 0, int(start_point_time)]

        sum_move_time = 0

        _tmp_total_move_time = total_move_time
        while True:
            delta_time = random.uniform(15, 20)
            if _tmp_total_move_time < delta_time:
                break

            sum_move_time += delta_time
            _tmp_total_move_time -= delta_time
            __move_pt_time.append(int(start_point_time+sum_move_time))

        last_pt_time = __move_pt_time[-1]
        __move_pt_time.append(last_pt_time+_tmp_total_move_time)

        sum_end_time = start_point_time + total_move_time
        other_point_time = self.__need_time - sum_end_time
        end_first_ptime = other_point_time / 2

        while True:
            delta_time = random.uniform(110, 200)
            if end_first_ptime - delta_time <= 0:
                break

            end_first_ptime -= delta_time
            sum_end_time += delta_time
            __end_pt_time.append(int(sum_end_time))

        __end_pt_time.append(int(sum_end_time + (other_point_time/2 + end_first_ptime)))
        self.__pos_z.extend(__start_pt_time)
        self.__pos_z.extend(__move_pt_time)
        self.__pos_z.extend(__end_pt_time)

    def __set_distance(self, _dist):
        """
        设置要生成的轨迹长度
        """
        self.__distance = _dist

        if _dist < 100:
            self.__need_time = int(random.uniform(500, 1500))
        else:
            self.__need_time = int(random.uniform(1000, 2000))

    def __get_pos_z(self):
        return self.__pos_z

    def __get_pos_y(self):
        _pos_y = [random.uniform(-40, -18), 0]
        point_count = len(self.__pos_z)
        x = np.linspace(-10, 15, point_count - len(_pos_y))
        arct_y = np.arctan(x)

        for _, val in enumerate(arct_y):
            _pos_y.append(val)

        return _pos_y

    def __get_pos_x(self, _distance):
        """
        绘制标准的数学函数图像: 以 tanh 开始 以 arctan 结尾
        根据此模型用等比时间差生成X坐标
        """
        # first_val = random.uniform(-40, -18)
        # _distance += first_val
        _pos_x = [random.uniform(-40, -18), 0]
        self.__set_distance(_distance)
        self.__set_pt_time()

        point_count = len(self.__pos_z)
        x = np.linspace(-1, 19, point_count-len(_pos_x))
        ss = np.arctan(x)
        th = np.tanh(x)

        for idx in range(0, len(th)):
            if th[idx] < ss[idx]:
                th[idx] = ss[idx]

        th += 1
        th *= (_distance / 2.5)

        i = 0
        start_idx = int(point_count/10)
        end_idx = int(point_count/50)
        delta_pt = abs(np.random.normal(scale=1.1, size=point_count-start_idx-end_idx))
        for idx in range(start_idx, point_count):
            if idx*1.3 > len(delta_pt):
                break

            th[idx] += delta_pt[i]
            i+=1

        _pos_x.extend(th)
        return _pos_x[-1], _pos_x

    def get_mouse_pos_path(self, distance):
        """
        获取滑动滑块鼠标的滑动轨迹坐标集合
        """
        result = []
        _distance, x = self.__get_pos_x(distance)
        y = self.__get_pos_y()
        z = self.__get_pos_z()
        for idx in range(len(x)):
            result.append([int(x[idx]), int(y[idx]), int(z[idx])])
        import matplotlib.pyplot as plt
        plt.plot(z,x)
        plt.show()
        return int(_distance), result

import random
import time

from trances import GTrace
def timestamp():
    return int(time.time()*1000)

trace = GTrace()
# distance = random.uniform(70, 150)
distance = 125



print("长度为: %d " % distance)
distance, mouse_pos_path = trace.get_mouse_pos_path(distance)
print("长度为: %d , 坐标为: " % distance, mouse_pos_path)
# num = len(mouse_pos_path)
# print(num)
# 842,368
base_t = timestamp()
trace = []
for i in mouse_pos_path:
    x,y,t = i
    x += 842
    y += 368
    t += base_t
    trace.append([str(x),str(y),t])
print(trace)

我们把数组copy下来,本地画一下图,然后看看是怎样的轨迹。

 

js逆向某东滑块  转载  https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

(这里我就直接剽窃人家的图了,我的找不到了,哈哈哈,其实就是上面上面文章里面的。)

 

基本上都是这样的一个轨迹。我们用那个文章的代码跑一下,然后生成跟g一样的数组,本地生成的数组替换滑块的,看看能不能过,经过我的尝试,是可以的,至于那个移动长度,其实数组的第一个(从第0个开始)的第0个参数,被最后一个数组的第0个减去,然后就是移动距离。

[    [        "808",        "211",        1626942564294    ],    [        "856",        "240",        1626942564294    ],    [        "857",        "240",        1626942564406    ],    [        "859",        "240",        1626942564413    ],    [        "860",        "240",        1626942564421    ],    [        "861",        "240",        1626942564437    ],    [        "864",        "240",        1626942564445    ],    [        "865",        "240",        1626942564453    ],    [        "866",        "240",        1626942564461    ],    [        "867",        "240",        1626942564469    ],    [        "870",        "240",        1626942564477    ],    [        "872",        "240",        1626942564485    ],    [        "875",        "240",        1626942564502    ],    [        "877",        "240",        1626942564510    ],    [        "879",        "240",        1626942564517    ],    [        "881",        "240",        1626942564525    ],    [        "884",        "240",        1626942564533    ],    [        "886",        "240",        1626942564549    ],    [        "889",        "240",        1626942564557    ],    [        "891",        "240",        1626942564565    ],    [        "894",        "240",        1626942564574    ],    [        "895",        "240",        1626942564581    ],    [        "897",        "240",        1626942564589    ],    [        "899",        "240",        1626942564597    ],    [        "901",        "240",        1626942564605    ],    [        "904",        "240",        1626942564613    ],    [        "905",        "240",        1626942564621    ],    [        "907",        "240",        1626942564629    ],    [        "910",        "240",        1626942564637    ],    [        "914",        "240",        1626942564645    ],    [        "916",        "240",        1626942564653    ],    [        "920",        "240",        1626942564661    ],    [        "924",        "240",        1626942564669    ],    [        "926",        "240",        1626942564677    ],    [        "927",        "240",        1626942564685    ],    [        "931",        "240",        1626942564693    ],    [        "932",        "240",        1626942564701    ],    [        "936",        "240",        1626942564709    ],    [        "937",        "240",        1626942564717    ],    [        "940",        "240",        1626942564725    ],    [        "942",        "240",        1626942564733    ],    [        "945",        "239",        1626942564741    ],    [        "947",        "239",        1626942564749    ],    [        "950",        "239",        1626942564758    ],    [        "951",        "239",        1626942564765    ],    [        "954",        "239",        1626942564775    ],    [        "956",        "239",        1626942564781    ],    [        "957",        "239",        1626942564789    ],    [        "960",        "238",        1626942564797    ],    [        "962",        "238",        1626942564806    ],    [        "964",        "238",        1626942564813    ],    [        "965",        "238",        1626942564822    ],    [        "967",        "238",        1626942564829    ],    [        "969",        "238",        1626942564837    ],    [        "970",        "238",        1626942564845    ],    [        "972",        "238",        1626942564853    ],    [        "975",        "238",        1626942564861    ],    [        "976",        "238",        1626942564877    ],    [        "979",        "238",        1626942564885    ],    [        "980",        "238",        1626942564893    ],    [        "981",        "238",        1626942564910    ],    [        "982",        "238",        1626942565013    ],    [        "984",        "238",        1626942565678    ],    [        "983",        "238",        1626942565950    ],    [        "981",        "238",        1626942565974    ],    [        "980",        "238",        1626942566110    ],    [        "979",        "238",        1626942566126    ],    [        "981",        "238",        1626942568326    ],    [        "981",        "238",        1626942568861    ]]

上面就是那个数组,距离就是981-856,则125就是移动距离。我本地生成一下。然后复制,令g = 本地生成的数组(控制台操作)。

 

js逆向某东滑块  转载  https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

通过上图可以看出,g发生了改变,没错,就是我们本地生成的数组。我们接着让它运行,看一下结果。

 

js逆向某东滑块  转载  https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

可以发现已经成功了,还有就是滑块缺口识别用opencv的模板匹配就好了,完全可以识别出来。

 

js逆向某东滑块  转载  https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

上图是生成的轨迹图。

下面我们就要看它的加密了,

 

js逆向某东滑块  转载  https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

就是上图这个,我们点进去看一下,

 

js逆向某东滑块  转载  https://mp.weixin.qq.com/s/eZSTfduYS63-LOvkAofxqA

 

就是上面这个函数,这里很好扣的,就不多说了,扣下来,稍微改一改就好了,代码如下。

 

function string10to64(d) {
    var c = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ-~".split("")
        , b = c.length
        , e = +d
        , a = [];
    do {
        mod = e % b;
        e = (e - mod) / b;
        a.unshift(c[mod])
    } while (e);
    return a.join("")
}

function prefixInteger(a, b) {
        return (Array(b).join(0) + a).slice(-b)
    }

function pretreatment(d, c, b) {
    var e = string10to64(Math.abs(d));
    var a = "";
    if (!b) {
        a += (d > 0 ? "1" : "0")
    }
    a += prefixInteger(e, c);
    return a
}


function getCoordinate(c) {
    var b = new Array();
    for (var e = 0; e < c.length; e++) {
        if (e == 0) {
            b.push(pretreatment(c[e][0] < 262143 ? c[e][0] : 262143, 3, true));
            b.push(pretreatment(c[e][1] < 16777215 ? c[e][1] : 16777215, 4, true));
            b.push(pretreatment(c[e][2] < 4398046511103 ? c[e][2] : 4398046511103, 7, true))
        } else {
            var a = c[e][0] - c[e - 1][0];
            var f = c[e][1] - c[e - 1][1];
            var d = c[e][2] - c[e - 1][2];
            b.push(pretreatment(a < 4095 ? a : 4095, 2, false));
            b.push(pretreatment(f < 4095 ? f : 4095, 2, false));
            b.push(pretreatment(d < 16777215 ? d : 16777215, 4, true))
        }
    }
    return b.join("")
}

function slide(array) {
    g = array
    return getCoordinate(g)

}

 

总结

    说实话京东这个滑块的加密不难,对我而言要学的就是怎么模拟生成这个轨迹,这里我们不要一味的复制别人的代码,而是要真正懂其原理,然后再化为己用,如果你也不会滑块轨迹生成,可以好好看看那个文章。

 

     这里仅仅是京东滑块的加密,后面还有,我们下期再见。

上一篇:238 除自身以外数组的乘积 左右乘积数组


下一篇:Leetcode 238. 除自身以外数组的乘积 前缀和