Vaptcha 手势验证码分析流程

原创于 2025-08-29 09:39:23 发布 · 1.7k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#python #opencv #开发语言

前言

好久没搞web了，结果搞了好久最后还是被战胜了。还是太菜了啊，哎，😑，难受。这里做个记录吧。希望可以日后战胜。

抓包

先config 获取信息再get拿到验证码和order

如下图配置如下

vi：固定

k：返回值

en：加密值

分析

get请求

n 生成出如下

第一个en 随便扣扣就扣出来了。

然后把比较重要的component拿出来

然后抠出来请求就可以了。中间会遇到很多坑。

其中指纹需要复制。

底图还原

这里请求完之后会获取到图片信息和图片的order

但是这个order不是直接还原的order。还需要去js中找到加密的地方。

（这里为了保持代码一致。我扣下来一版来找对应位置。所以有些值和网页会有所对应不上）

还原位置如下：

搜索关键词：imageOnload 或者 Decrypt

这里就直接硬扣就完事了。

Decrypt的算法逻辑如下

function _0xb05afc(_0x2b9119, _0x1f3614) {
    var _0x431184 = "";
    _0x431184 = (parseInt(_0x2b9119) - _0x1f3614).toString();
    if (_0x431184.length < (983293 ^ 983287)) {
        _0x431184 = "0" + _0x431184;
    }
    return _0x431184;
}

稍微麻烦的也就是传参的这个

算法还原

拿到底图链接即重新拼接成一个完整图片

算法如下；

def process_image(order: str, image_url: str, output_path: str = "image.png"):
    CANVAS_WIDTH, CANVAS_HEIGHT = 290, 167
    SOURCE_WIDTH, SOURCE_HEIGHT = 400, 230

    if not (len(order) == 10 and order.isdigit()):
        print("错误：排序字符串必须为10位数字")
        return False
    response = requests.get(image_url, timeout=10)
    source_image = Image.open(io.BytesIO(response.content))

    target_canvas = Image.new('RGB', (CANVAS_WIDTH, CANVAS_HEIGHT), 'white')

    canvas_block_w, canvas_block_h = CANVAS_WIDTH // 5, CANVAS_HEIGHT // 2
    source_block_w, source_block_h = SOURCE_WIDTH // 5, SOURCE_HEIGHT // 2

    for i in range(10):
        # 计算源和目标位置
        source_x, source_y = (i % 5) * source_block_w, (i // 5) * source_block_h
        pos = int(order[i])
        target_x, target_y = (pos % 5) * canvas_block_w, (pos // 5) * canvas_block_h

        # 裁剪、缩放并粘贴
        block = source_image.crop((source_x, source_y, source_x + source_block_w, source_y + source_block_h))
        resized_block = block.resize((canvas_block_w, canvas_block_h), Image.Resampling.LANCZOS)
        target_canvas.paste(resized_block, (target_x, target_y))

    target_canvas.save(output_path, 'PNG')
    print(f"图像已保存为 {output_path}")

validate

validate的请求中的en

定位点如下图所示

其实这里算法都和你简单随便扣扣就出来了。

传参这里看看。

v：轨迹

vi：固定值和uk差不多

k：接口返回

dt：滑动时间

ch：heigh 图片高度

cw：width 图片宽度

补充说明：具体值demo如上

难点与坑

这里讲完流程大概讲下难点

en有个UA头前后要保持一致如下图
GenerateFP。下图其实这里就是运用了 JavaScript 生成器的特性。.sent 就是接受了上一步吐出来的值。
这里有个异步方法其实。只需要看他返回值然后扣下来或者给AI就可以了。

当然这里还有个环境指纹直接copy下来就好了。
轨迹

这里不应该是坑点。这里打个鼠标断点就能找到轨迹生成的地方。可以对着分析但是没屌用。具体我也没研究明白。

结果

结果就是我也没搞出来。demo站倒是比较松。这个真应用起来好像是划得来不太准就会一直错。

代码返回了 103 代表了canvas 指纹不对。

代码返回了101 代表了 en生成的值和 knock的值不对。

代码返回了104 代表了轨迹的值不对。最终也是卡死在了这一步。

至于识别的话。这里我使用了优快云的某位大佬的方案。

使用cv2 手动的去滑。然后 line 的去模拟轨迹。但是实际下来好像是不太行。

这里我把识别的代码也开源出来。反正也是抄的哈哈哈

def record_trajectory(img_path):
    points = []
    img = cv2.imread(img_path)
    if img is None:
        print("无法加载图片，请检查路径")
        return ""

    cv2.namedWindow('Image Trajectory Recorder')
    cv2.setMouseCallback('Image Trajectory Recorder',
                         lambda event, x, y, flags, param:
                         (points.append({'x': x, 'y': y, 'time': int(time.time() * 1000)}))
                         if event == cv2.EVENT_LBUTTONDOWN or (
                                     event == cv2.EVENT_MOUSEMOVE and flags == cv2.EVENT_FLAG_LBUTTON) else None)

    print("在图片上按住鼠标左键并移动来绘制轨迹，按's'保存并返回，按'q'退出")

    while True:
        clone = img.copy()
        if len(points) > 1:
            for i in range(len(points) - 1):
                cv2.line(clone,
                         (points[i]['x'], points[i]['y']),
                         (points[i + 1]['x'], points[i + 1]['y']),
                         (0, 255, 0), 2)
        cv2.imshow('Image Trajectory Recorder', clone)

        key = cv2.waitKey(1) & 0xFF

        # 按's'保存并返回
        if key == ord('s'):
            if not points:
                print("没有记录到轨迹点")
                break

            # 计算相对时间并添加偏移量
            start_time = points[0]['time']
            for point in points:
                point['time'] = point['time'] - start_time
                point['x'] += 30
                point['y'] += 35

            # 返回JSON字符串
            trajectory_data = json.dumps(points, indent=2)
            print(f"轨迹已记录，共 {len(points)} 个点。")

            cv2.destroyAllWindows()
            return trajectory_data

        # 按'q'退出
        elif key == ord('q'):
            print("已退出，未保存轨迹")
            break

    cv2.destroyAllWindows()
    return ""