滑块验证码前端安全研究：以 360 天御（TianYu）为例

免责声明： 本文所有分析均基于公开可访问的前端 JS 代码及 360 天御官网演示页（https://tianyu.360.cn/#/global/details/sliding-puzzle），仅用于安全研究、学习与了解验证码防护机制。文中所有接口地址来自官方公开演示环境，不涉及任何第三方业务系统。请勿将本文技术用于任何未授权的系统，违者后果自负。

一、背景介绍

360 天御是奇虎 360 旗下的人机验证方案，本文以滑动拼图验证为研究对象，分析其前端安全机制。

基本交互逻辑：

1. 前端携带 appId 等设备信息请求 auth 接口，获取背景图（bg）、滑块图（front）、会话标识（token）
2. 背景图以列乱序方式传输，需依据图片 ID 计算还原顺序后重组
3. 使用计算机视觉识别滑块缺口位置，得到 distance
4. 生成拟人化滑动轨迹，经 RSA 分块加密 后构造 report 参数
5. 携带 report、length 等参数提交 check 接口，服务端返回 result: true/false

研究核心难点：

• 图片列乱序还原（基于图片 ID 的置换算法）
• 多策略融合缺口识别（OpenCV 四种策略 + 置信度聚类）
• RSA 分块加密轨迹数据（自定义分块边界 + PKCS1_v1_5）

---

二、整体流程图

生成 timestamp / nonce（本地毫秒时间戳）
  ↓
auth 接口（POST /api/v3/auth）
  ↓ 返回 bg URL、front URL、captchaId、token
下载背景图（乱序）+ 滑块图
  ↓
根据图片 ID 计算列置换表 → 重组背景图
  ↓
OpenCV 四策略融合识别缺口距离 distance（原图坐标）
  ↓
换算为压缩宽度坐标（300px 归一化）
  ↓
生成拟人化滑动轨迹 track
  ↓
RSA 分块加密 track → encrypted_track
report = encrypted_track + MD5(captchaId + token)
  ↓
check 接口（POST /api/v3/check）→ result: true/false

---

三、抓包分析

3.1 auth 接口

请求：

POST https://captcha.jiagu.360.cn/api/v3/auth
Content-Type: application/x-www-form-urlencoded

关键请求参数：

参数	来源	说明
appId	业务方配置	绑定具体业务，从前端 JS 中提取，固定值
type	固定	1 表示滑动验证
version	固定	SDK 版本号
pn	固定	业务包名，前端 JS 中可查
os	固定	3 表示 Web 环境
sdkName	固定	SDK 标识
timestamp	本地生成	毫秒时间戳
nonce	本地生成	与 timestamp 相同
phone	固定	示例账号占位
sign	本地计算	各参数按字母序拼接后 MD5，详见第四节

响应示例：

{
  "error": 0,
  "msg": "成功",
  "data": {
    "captchaId": "xxx",
    "token": "yyy",
    "bg": ["https://xxx.360.cn/xxx/<bg_id>.png"],
    "front": ["https://xxx.360.cn/xxx/<slice_id>.png"]
  }
}

背景图 URL 路径末段的文件名（不含扩展名）即为用于计算列置换表的 bg_id。

3.2 check 接口

请求：

POST https://captcha.jiagu.360.cn/api/v3/check
Content-Type: application/x-www-form-urlencoded

关键请求参数：

参数	来源	说明
captchaId	auth 响应	本次验证会话 ID
token	auth 响应	会话凭证，原样透传
length	本地计算	滑动距离（300px 归一化坐标），核心识别结果
width	固定	300，与服务端约定的归一化宽度
version	固定	SDK 版本号
report	本地加密生成	核心参数，见第五节
tracking	固定	[object Object]（前端遗留值）

---

四、签名算法（sign）

auth 请求中的 sign 字段用于防篡改校验，生成规则为：

1. 将所有请求参数（除 sign 本身）按参数名字母序 拼接，格式为 key1value1key2value2...，无分隔符
2. 对拼接字符串执行 MD5 得到 32 位小写十六进制

注意：timestamp 和 nonce 虽然同值，但两者均参与拼接，且按字母序 n 在 t 之前。

---

五、图片列乱序与还原

5.1 乱序机制

服务端下发的背景图并非正常图片，而是将原始图按 17px 宽分成 32 列后打乱顺序 拼接而成（原图尺寸 544×284px，17×32=544）。还原需要先根据 bg_id 计算列置换表。

5.2 置换表计算

置换表算法以图片 ID 字符串为输入，逐字符生成一个 0~31 的无重复排列：

对于 i in range(32):
    val = ord(bg_id[i]) XOR 0x20
    val = val % 32
    若 val 已被占用，则 val = (val + 1) % 32（线性探测）
    记录 val，标记为已用

该算法本质是一个基于字符编码的哈希置换 + 线性探测冲突解决，确保每个位置只被映射一次。

5.3 图片还原

得到置换表 col_order（长度 32 的列表）后：

• 对于原乱序图的第 i 列（x = i×17），将其粘贴到还原图的第 col_order[i] 列位置（x = col_order[i]×17）

for index, target_pos in enumerate(col_order):
    x = index * 17
    col = bg_img.crop((x, 0, x + 17, 284))
    recover_img.paste(col, (target_pos * 17, 0))

注意 ：图片下载时需禁用 HTTP 缓存（添加 Cache-Control: no-cache 请求头并给 URL 附加随机时间戳参数），否则 CDN 可能返回上一次请求的旧图，导致每次识别结果相同但验证均失败。

---

六、图像识别------多策略融合缺口检测

识别目标：在还原后的背景图上找到滑块拼图缺口的 x 坐标。

6.1 四种检测策略

策略	核心方法	特点
edge	Canny 边缘检测 + TM_CCOEFF_NORMED 模板匹配	对边缘轮廓敏感，受纹理噪声影响
alpha_mask	提取滑块透明通道作为掩码后匹配	利用 RGBA 信息精准定位，受滑块形状影响
multi_scale	以 0.9/1.0/1.1 三个缩放比例逐一匹配取最优	对轻微缩放有鲁棒性，置信度相对可靠
gradient	Sobel 水平梯度垂直累加，找梯度峰值列	不依赖滑块图，纯背景分析，精度最低

6.2 结果融合策略

四种策略独立执行，每个返回 (x坐标, 置信度, 策略名) 三元组，再通过以下逻辑取最优结果：

1. 若任一策略置信度 > 0.7，直接采用
2. 过滤 x < 40px 的结果（缺口不可能在最左侧）
3. 遍历两两组合，若差值 ≤ 30px 则认为是同一簇：
   - 用置信度加权计算簇中心
   - 取总置信度最高的簇
4. 若无聚类，排除 gradient 策略后对剩余结果做置信度加权平均

gradient 策略置信度动态计算（峰值/均值比值），不再固定为 0.5，避免其以固定权重干扰聚类。

6.3 距离归一化

识别得到的 distance 为原图坐标（544px 宽度下），提交前需换算到服务端约定的 300px 宽度：

compressed_distance = round(distance * 300 / 544)

---

七、轨迹生成

check 接口要求提交滑动轨迹，格式为按序编号的字典列表：

[{"0": {"t": 1744812345000, "y": 200.0}}, {"1": {"t": 1744812345015, "y": 200.3}}, ...]

其中 t 为毫秒绝对时间戳，y 为鼠标纵坐标。轨迹生成采用物理加速模型模拟拟人滑动：

阶段	逻辑
起步阶段（0~70% 目标距离）	加速度 1.5~3，快速提速
减速阶段（70%~终点）	加速度 -1~0.5，模拟制动
过冲（overshoot）	超出目标 3~8px，再缓慢回退
Y 轴抖动	每步随机 ±1.5px（前进）、±0.3px（回退）
帧间隔	随机 1020ms（前进）、2040ms（回退）

---

八、RSA 加密（report 参数）

8.1 report 结构

report = RSA_Encrypt(str(track)) + MD5(captchaId + token)

即：轨迹字符串经 RSA 加密后的结果，直接拼接会话完整性哈希（无分隔符）。

8.2 RSA 分块加密

使用 RSA PKCS1_v1_5，公钥通过模数（hex）+ 固定指数（65537）构造，模数可通过调试 SDK JS 获取。

由于轨迹字符串远超单次 RSA 加密的最大明文长度（密钥长度 - 11 字节），需要分块加密。分块边界由 SDK 自定义算法决定：

维护累计字节数 r，逐字符累加 UTF-8 字节大小：
当 (r % 117 >= 114 或 r % 117 == 0) 且 (r - 上次分块位置 >= 114) 时切割

每块独立加密为 hex 字符串，最终所有块 hex 拼接后做 Base64 编码：

combined_hex = ''.join(block.hex() for block in encrypted_blocks)
encrypted_track = base64.b64encode(bytes.fromhex(combined_hex)).decode()

公钥模数（modulus）在 SDK JS 中以 hex 字符串形式存在，建议通过 Hook PKCS1_v1_5.encrypt 在运行时动态确认其与当前版本的对应关系。

---

九、完整请求流程概述

步骤	动作	说明
1	构造 auth 参数	生成 timestamp/nonce，计算 sign（MD5 字母序拼接）
2	调用 auth 接口	获取 captchaId、token、bg URL、front URL
3	计算列置换表	取 bg URL 末段文件名，逐字符 XOR+取模+线性探测冲突解决
4	下载图片	禁用 HTTP 缓存，确保每次下载最新图片
5	还原背景图	按置换表重组 32 列（每列 17px）
6	识别缺口	四策略独立执行，聚类融合取最优，换算为 300px 坐标
7	生成轨迹	物理加速模型 + 过冲 + 随机抖动
8	加密构造 report	RSA 分块加密轨迹（自定义切块） + MD5 会话哈希
9	调用 check 接口	携带 length、report 等参数，解析返回结果

限流注意：auth/check 接口对请求频率有限制，频繁请求会返回 HTTP 403。建议每次请求前随机等待 1~3 秒，遇 403 冷却 10~20 秒后再重试。

---

十、关键知识点总结

知识点	详情
图片乱序机制	按 17px 列宽分 32 列打乱，基于图片 ID 字符串通过 XOR+取模+线性探测生成置换表
缺口识别	OpenCV 四策略（边缘/透明通道/多尺度/梯度）并行，聚类+置信度加权融合
距离归一化	原图 544px → 压缩 300px，需等比换算再提交
RSA 加密	PKCS1_v1_5，自定义分块边界（117 字节周期），分块 hex 拼接后 Base64
report 结构	Base64(RSA分块加密轨迹) + MD5(captchaId+token)（直接拼接）
签名算法	参数字母序拼接后 MD5，无需密钥
HTTP 缓存陷阱	图片请求必须禁用缓存，否则 CDN 可能返回旧图导致识别结果固定
轨迹格式	[{"index": {"t": ms时间戳, "y": 纵坐标}}, ...] 的编号字典列表

---

十一、与极验 GT4 的横向对比

对比维度	360 天御	极验 GT4
加密算法	RSA PKCS1_v1_5，输出 Base64	AES-CBC + RSA，输出 hex
图片保护	列乱序（32列×17px，基于文件名置换）	无乱序，标准图片直接下载
参数结构	length + report（track+MD5拼接）	单一 w 参数（AES加密数据+RSA加密密钥）
工作量证明	无 PoW	有 PoW（pow_detail 动态下发，支持 bits>0 碰撞）
签名机制	参数字母序 MD5	无额外签名
图像识别库	OpenCV 多策略	ddddocr（更简便）
图片分辨率	原图 544px → 需归一化到 300px	标准分辨率，无需归一化
JSONP 解析	无，标准 JSON	需动态定位括号解析
JS 混淆程度	中等，关键逻辑可读	gt4.js 基本可读

---

十二、依赖安装

pip install requests pycryptodome opencv-python pillow numpy

---

本文技术仅供安全研究与学习，切勿用于任何未授权系统，违者后果自负。