某企查-某度旋转验证码V2算法分析

声明:本案例中所有内容仅供个人学习交流，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！

1.流程分析

所有接口都会用到cookie,msg为请求头Referer的值这里必须设置，1-4需要设置，不然第五步会报错

{'code': 1, 'msg': 'url is invalid', 'data': {'f': {'feedback': 'wappass.baidu.com/static/acti...

scss 复制代码

1.某企查翻页触发验证码，会返回msg,ak 后续会用到
2./cap/init 验证码初始化 tk(style接口用到),as(log接口生成newkey会用到)，ds(log接口用到)
3./cap/style 获取图片验证码接口 path为验证码图片，backstrs(后续生成fs参数用用到、首次滑动c接口不需要refresh参数，失败再次滑动需传refresh值为backstrs)
4./cap/log 验证接口 fuid和fs为关键参数，ak、as、tk为上面接口返回，响应返回as、ds、tk,op为1为成功，3为失败
5./cap/c 认证接口 携带log接口返回的 tk、ds以及refer也就是一开始的msg，成功响应返回一个url
6.访问/cap/c响应的内容的url，这个地址与msg相关联，请求返回的url会设置cookie-> __jdg_yd(某企查的是这个，其他项目就不知道了)

2.参数fuid生成

直接搜索fuid可以找到，这个fingerprint.js 文件主要是收集一些指纹相关，可以写死，也可以找一些canvas指纹进行随机，将收集的指纹转为json字符串进入U函数进行加密

进入U之后可以看到秘钥直接写出来了，我们只需要看一下是不是标准的AES

可以看到与标准算法一致，那么这个参数就解决了

3.参数fs生成

入口搜n.fs就可以找到,但是不能直接下段，这个绑定了鼠标事件，要不然无法断到我们旋转后再断的时机，我们需要先搜索ac_c,这个也就是旋转角度,在这里下断点，断住之后再放行断到n.fs这个才是真正发包加密的地方，t.data也就是旋转角度 / 360

n.fs成功断住，发现n.fs经过了两次生成，第一次将this.rzData进行加密，第二次将第一次生成的在进行一次加密而且两次加密的入口都是u.Li函数，先看下this.rzData是什么，比较关键的的ac_c旋转角度 backstr为style接口返回 ,以及两个mv，common的mv只是记录，写不写都行，captchalist的mv为轨迹校验，每次只有3-5个也不怎么校验，随机一下就可以，acc = 旋转角度 / 360 距离 = acc * 290 290为总长，根据距离伪造mv理论上就没问题。

yaml 复制代码

{
    "common": {
        "cl": [],
        "mv": [],
        "sc": [],
        "kb": [],
        "sb": [],
        "sd": [],
        "sm": [],
        "cr": {
            "screenTop": 0,
            "screenLeft": 0,
            "clientWidth": 2560,
            "clientHeight": 937,
            "screenWidth": 2560,
            "screenHeight": 1080,
            "availWidth": 2560,
            "availHeight": 1040,
            "outerWidth": 2560,
            "outerHeight": 1040,
            "scrollWidth": 2560,
            "scrollHeight": 2560
        },
        "simu": 0
    },
    "backstr": "xxxxxxxx",
    "captchalist": {
        "spin-0": {
            "mv": []，
            "ac_c": 0.71,
            "p": {
                "t": 5,
                "an": 780
            },
            "cr": {
                "left": 1135,
                "top": 308,
                "width": 290,
                "height": 280
            },
            "back": {
                "left": 1204,
                "top": 352,
                "width": 152,
                "height": 152
            }
        }
    }
}

进入Li函数根据第二个参数去取key以及所用模式，多次刷新模式是固定的，这里的key生成是通过getNewKey函数传入as参数，也就是init接口返回的，看一下如何生成key的

这里是根据as加一个固定字符串appsapi2相加，r为as的最后一位，然后根据r进入对应分支，对e进行对应方法的sha和md5运算，最后返回前16为作为aes的key，这里的方法经过测试均为标准算法

4.模型识别

这里验证码识别用到了大佬开源的模型，时间比较久了，左为现在干扰的右边为之前的，图片加干扰，所以识别不理想但是勉强能用。

bash 复制代码

https://github.com/HarderThenHarder/rotate_image_classifier

逻辑比较简单，算法也是标准的，用python实现就好，也是成功拿到了cookie，使用生成的也是成功拿到数据。