王辉辉的猫-优快云博客

无头检测(`Headless Detection`)就是检测用户是否在无头浏览器。只要检测到，那百分百是爬虫。- 无头检测我们多数使用这个站：https://bot.sannysoft.com/- 之前写过一篇文章：[插眼传送](https://blog.youkuaiyun.com/w1101662433/article/details/139345179)，绕过了部分检测，但是不全，这里我们继续追加。

2024-09-13 17:16:05 2417

原创 (娱乐)魔改浏览器-任务栏图标右上角加提示徽章

- windows中，打开chromium，任务栏中会出现一个chromium的图标。- 我们的目标是给这个图标的右上角，加上"有1条新消息"的小提示图标，也叫徽章(badge)- 注意：本章节纯属娱乐，有需要的集帅可以学习模仿。

2024-09-12 18:17:07 1187 1

原创 025.指纹浏览器-WebGPU指纹

指纹浏览器-WebGPU指纹。通过收集如GPU型号、驱动版本、支持的图形特性等信息，hash而成的指纹信息。WebGPU指纹唯一性并不太高，还有很多浏览器是不支持webGPU，所以WebGPU指纹的风控等级较低。

2024-08-23 10:18:10 2605 1

原创 024.自定义chormium编译-修改屏幕尺寸信息

屏幕尺寸信息雷同太大，用作指纹信息，作用不多。但多个类似小信息组合在一起的话，也就是成唯一指纹了。积少成多吧。写到这里，小伙伴们修改chromium源码的技术已经炉火纯青了，能引导集帅们入门，是我的荣幸。博客就写到这里吧，后续我就不肝了。系列完结。

2024-08-16 14:27:22 1409 5

原创 023.(附加)浏览器魔改-绕过无限debugger

做爬虫的小伙伴在做js逆向时，基本第一关就是先遇到无限debugger，这里我们通过改源码的方式永久绕过无限debugger。- 目标1：使debugger关键字变得无效。- 目标2：新增debuggel关键字，代替原有的debugger功能。

2024-08-15 16:24:13 1851 1

原创 022.(附加)chromedriver编译-绕过selenium机器人检测

- selenium机器人检测有2种，一是cdp检测，二是webdriver特征检测。- 但selenium需要通过webdriver来驱动chrome，每次运行selenium时，都要先找到对应版本的chromedriver.exe。- chromedriver自动化会对浏览器的部分属性进行修改，非常容易被识别为机器人。- pypeeteer却没有这种烦恼，它不需要中间驱动，所以还是建议大家使用pyppeteer。但如果你已经写了上万行selenium代码了，那还是编译一个驱动吧。

2024-08-02 12:58:03 3374 11

原创 021.自定义指纹浏览器编译-修改ClientRects指纹

ClientRects指纹获取的核心方法是DOM元素方法。可以返回一个元素的所有 CSS 边界框（ClientRect对象数组），包括其大小、位置等信息。每个边界框由其左上角的 x, y 坐标和宽高定义。因为不同的设备和浏览器因字体、渲染引擎、屏幕分辨率等因素会有细微的渲染差异，这些差异被用来生成独一无二的指纹。

2024-07-30 16:16:18 1556

原创 020.(附加)指纹浏览器开发-禁止访问图片

使用浏览器自动化进行爬虫工作都有一个痛点，就是速度太慢。其中图片流量占据很多比重。如果从底层禁掉图片的网络访问，一可以省流量，二可以省时间。

2024-07-25 15:15:50 1286 4

原创 019.更改chromium源码-关于修改大版本

想要将大版本从高改到低，需要将这些高版本的特性全部抹除才行。反智亦然，这是明显是个反智的操作。很痛苦，但最终的解决方案是下载旧版本chromium源码，重新编译。

2024-07-25 15:13:53 1919

原创 018.自定义指纹chromium编译-修改UA,GPU,小版本

当初想到搞指纹浏览器，就是想绕过akamai的指纹风控。。其实自定义指纹写到这里，最初的目标早就实现了。之所以还在继续更新新内容，是因为你，集帅，给我点了个赞。最后是，想要成品的直接点击购买哦

2024-07-19 10:37:50 3059 5

原创 017.自定义指纹浏览器-传参固定指纹(二)

- 目标1：启动chrome时，传入参数`--fingerprints=123123123`(正整数)，则指纹固定不变。当正整数更换，则获得一个新指纹。- 目标2：启动chrome时，不传参数`--fingerprints`，则每个访问请求的指纹全部随机生成。

2024-07-18 17:04:09 2352 2

原创 016.自定义指纹chromium-随机ja4指纹

由于之前打乱算法顺序，只会改变ja3指纹和akamai指纹，ja4指纹并不会变。所以这次我们对加密算法进行随机增减。

2024-07-15 16:35:38 2251 1

原创 015.chromium源码修改-绕过cdp检测

博客是全部开源的，但有些同学还是比较懒，想直接要成果。不花时间就得花钱，我将之前的博客内容全部跑了一遍，做了个成品。注意：随机指纹浏览器只用于爬虫，目前。

2024-07-01 13:39:28 6088 6

原创 014.指纹浏览器开发-修改webGL指纹(二)

指纹浏览器开发。上期我们通过修改gl的参数，`getSupportedExtensions()`函数返回值列表的顺序，绕过部分网站的指纹检测。- 但还有些网站通过webGL生成图形来获取指纹，我们就需要再出一期了。- 还有就是：上期指纹检测未通过browserscan这个网站。

2024-06-20 13:39:40 3964

原创 013.随机指纹chromium定制-如何通过传参来固定指纹

之前有介绍过plugins指纹和如何修改，插眼：https://blog.youkuaiyun.com/w1101662433/article/details/138058525。

2024-06-18 14:24:22 2578 1

原创 012.指纹浏览器开发-修改canvas指纹(二)

指纹浏览器开发。上期我们假定网站获取canvas指纹时会随机填写文字，所以通过修改fillText()函数实现修改指纹。- 但部分网站通过单纯的色彩来获取指纹，我们就需要再出一期了。- 还有就是：众所周知，creepjs和browserscan这2个网站对指纹的检测比较严格，随机修改了指纹后，很容易无法通过网站的反指纹修改检测，被识别到指纹被篡改。

2024-06-18 09:06:31 3048 1

原创 009.ResNet-FashionMNIST-正确率93.739

ResNet是一次CNN网络架构，核心思想是引入"残差学习"来解决深层网络难以训练的问题。在传统的网络中，每一层都直接尝试学习目标映射。相反，ResNet通过跨层连接，允许某一层学习输入与输出之间的残差（或者说是差异），使得这些网络层只需要学习与输入的微小差异，从而简化了学习目标和过程。插眼传送注意：了解数据集是机器学习的所有环节中最重要的一步，没有之一。

2024-06-12 10:48:30 632

原创 008.googleNet-FashionMNIST-正确率90.510

GoogleNet, 也称为，是一种深度卷积神经网络（CNN）结构，最初由Google的研究人员在2014年设计并在ILSVRC竞赛中取得优异成绩。GoogleNet在准确度和计算效率之间达到了较好的平衡，其独特的“Inception模块”是其核心创新。尤其在图像识别视频分析和计算机视觉等领域取得了突出的应用成果。插眼传送注意：了解数据集是机器学习的所有环节中最重要的一步，没有之一。# 定义一个基本的卷积+批归一化+ReLU激活函数层# 定义Inception模块# 实现GoogleNet模型。

2024-06-11 17:53:08 470

原创 007.卷积网络-FashionMNIST-正确率90.180

插眼传送注意：了解数据集是机器学习的所有环节中最重要的一步，没有之一。return x这个模型是使用PyTorch框架实现的一个简单的卷积神经网络（CNN）。它继承自，其中定义了网络的架构和前向传播的流程。下面我来逐行进行分析。__init__调用父类的构造函数，必须在开始执行子类构造函数逻辑之前完成。self.bn定义了一个Batch Normalization层，用于正则化处理，这里针对的是2D数据，通常应用于卷积层之后，全连接层之前。self.conv1定义了第一个卷积层，输入通道。

2024-06-07 14:25:50 1226

原创 006.全连接网络-FashionMNIST-正确率86.899

插眼传送注意：了解数据集是机器学习的所有环节中最重要的一步，没有之一。# 设置随机种子，确保实验可重复性# 初始化一个模型，输入特征为784，输出特征为10# 使用负对数似然损失函数# 初始化SGD优化器，设定学习率为0.01，动量为0.8。

2024-06-07 13:27:56 379

原创 005.FashionMNIST数据集简介

FashionMNIST数据集，是一款作为经典的MNIST数据集的现代替代品的数据集，用来做衣物分类问题，由Zalando（一家德国的在线时尚零售商）发布。该数据集含有10种类别，共70000个灰度图像。包含60000个训练集样本，和10000个测试集样本。每张图像以28x28像素的分辨率提供。

2024-06-07 10:20:43 1478

原创 011.编译随机指纹浏览器-禁用webRTC

歪理顾得，不花时间就得花钱，我将之前的博客内容全部跑了一遍，做了个成品。没想到有的同学觉得编译太麻烦，直接问我有没有编译好的。

2024-06-06 12:13:53 2093 4

原创 010.编译指纹浏览器-绕过常见无头检测

【代码】010.编译指纹浏览器-绕过常见无头检测。

2024-05-31 10:15:10 1899 3

原创 008.编译自己的指纹浏览器-随机tls指纹(ja3指纹)

可以看到加密方式在chromium中是写死的，顺序也是。我们不能随意删减加密方式，但我们给他随机打乱还是可以的。这样加密顺序就打乱了。

2024-04-29 09:26:59 2799 3

原创 004.实现多层神经网络中的前向传播

"""in_feature: 输入层神经元个数out_feature: 输出层神经元个数"""：第一个线性层，输入特征数为in_feature，输出特征数为13。它是完全连接的，意味着每个输入神经元与输出层的每个神经元都相连。：第二个线性层，输入特征数为13，输出特征数为8。：输出层，输入特征数为8，输出特征数为，这里是3，对应于最终分类的类别数。

2024-04-24 11:18:46 456

原创 003.使用torch.nn.Linear实现单层网络的正向传播

此外，由于PyTorch的灵活性，我们可以轻松扩展单层网络到多层网络，并探索不同类型的神经网络架构，如卷积神经网络(CNN)、循环神经网络(RNN)和变换器(Transformer)等，来解决更复杂的问题。在真实应用中，我们会对这个网络进行训练，也就是不断调整权重（model.weight）和偏置（model.bias），使得网络的预测值与真实值之间的误差越来越小。此外，我们也可以查看到网络中的权重和偏置值是如何初始化并参与到正向传播中的。在我们的案例中，我们将创建一个将二维输入映射到一维输出的线性层。

2024-04-23 17:39:49 359

空空如也

球助：无头模式被识别

pyppeteer元素内容