猿人学第22题「初识-魔改标准算法」逆向实录:jsconfuser 混淆下的 AES + MD5 魔改还原
目标站点:
https://match.yuanrenxue.cn/match/22题目要求:抓取 5 页数据,每页 10 个数字,求和即为答案。 核心难点:token由「异化 AES」+「逆练 MD5」组合生成,且 22.js 经过了 jjencode / 控制流平坦化级别的重度混淆。
一、题目背景
第 22 题的页面提示里藏着两句话:
- 异化 AES 心法:AES 算法被魔改过;
- 逆练 MD5 口诀:MD5 算法被魔改过。
同时页面还给出了两个硬性条件:
- 每道灵符(每个请求)必须携带
sessionidcookie,每位「修士」命数不同,所得天数和也不同; - 第 5 页请求必须携带
User-Agent: yuanrenxue。
抓包之后,能清晰地看到题目请求的目标接口:
ini
GET /api/question/22?page=1&pageSize=10&kw=&token=xxx&now=xxx&m=xxx
其中 token 是一个 32 位 hex 字符串,now 是毫秒时间戳,m 是「匹配数」,形如 0c68fb9352201f73ccb19484a18992f0|1794070695238。
二、抓包分析
首次访问 /match/22 时,页面会依次触发几个请求:
bash
1. GET /api/getTime → 返回当前服务器毫秒时间戳
2. POST /api/match/number → 返回匹配数 m(页面内联脚本拦截此请求并写入 window.matchnumber)
3. GET /api/question/22?... → 真正的数据接口,校验 token
数据接口的返回格式:
json
{
"data": [655175, 905806, 560795, ...],
"status": "1"
}
如果 token 校验失败,会返回:
json
{"error": "token failed"}
用任意值去重放旧 token 会直接 403,说明 token 是随时间戳动态变化的,必须还原它的生成算法。
三、定位混淆代码
题目页加载了一个 438 KB 的 22.js,打开一看:
js
(function(e){var i=e||74;for(;;)if(i<64){if(i<32){if(i<16){if(i<8){...
整个文件是一个自执行的 IIFE,内部遍布:
- 控制流平坦化 (control-flow flattening):一个
for(;;)循环 + 一个状态变量i,通过i+=N/i-=M在几十上百个分支之间跳转; - 字符串拆分拼接 :所有关键字符串都被拆成碎片再拼回来,例如
"match"+"numbe"+"r"→matchnumber; - jjencode 风格变量名 :大量单字母 / 下划线 /
$命名的变量。
这种代码直接读是灾难,但好在它本质上是一个确定性的状态机,我们可以用 jsdom 把它跑起来,动态定位关键逻辑。
3.1 用 jsdom 搭建执行环境
js
const fs = require('fs');
const { JSDOM } = require('jsdom');
const html = fs.readFileSync('./match22.html', 'utf8');
const dom = new JSDOM(html, {
url: 'https://match.yuanrenxue.cn/match/22',
runScripts: 'outside-only',
pretendToBeVisual: true,
});
const { window } = dom;
global.window = window; global.document = window.document;
global.navigator = window.navigator; global.self = window;
window.eval(fs.readFileSync('./jquery.js', 'utf8'));
const $ = window.jQuery;
// 拦截 ajax,mock 掉服务端接口,方便观察请求参数
$.ajax = function (opts) {
if (typeof opts === 'string') opts = { url: opts };
const url = opts.url;
if (url === '/api/getTime') { opts.success && opts.success(SERVER_TIME); return; }
if (url === '/api/match/number') { window.matchnumber = MATCH_NUMBER; opts.success && opts.success({ m: MATCH_NUMBER }); return; }
if (String(url).includes('/api/question/22')) {
console.log('question data =', opts.data); // 关键:打印签名请求体
opts.success && opts.success({ data: [], status: '1' });
return;
}
};
3.2 捕获第一份请求体
执行 22.js 后,第一页会自动发出请求,控制台打印:
json
{
"page": 1,
"pageSize": 10,
"kw": "",
"m": "123456789",
"token": "74dfb741786cce2a4571df55e0c22fb5",
"now": 1794146143027
}
我们得到了一个确定性样本 :(now, page) → token。
四、控制流平坦化还原
拿到样本后,要做的是把 token 的生成过程从状态机里「抠」出来。
在 22.js 里搜索 token 的组装点,可以定位到这样一段高度混淆的代码:
js
...de=j,pe="token",ye=re,_e=de[pe]=ye,ge=j,me="now",we=f,be=ge[me]=we,j
这明显是在构建返回对象 j:
js
j.token = re;
j.now = f;
关键函数 l 的定义是一个典型的状态机:
js
var l = function(f, s, l, r, t, n, o) {
var a = e || 1;
for (;;) if (a < 32) { ... } else { ... }
};
我写了一个 Python 脚本,把这段状态机逐条翻译成转移表 ,然后从 a=1 开始模拟执行,得到完整的 55 步执行序列:
ini
a=1 declare_vars -> a=7
a=7 c="match" -> a=21
a=21 v="r" -> a=32
a=32 u="numbe" -> a=17
a=17 h="ize" -> a=31
a=31 d="pageS" -> a=43
a=43 p="est" -> a=24
...
a=44 se=AES.encrypt(ie,fe,{ECB,Pkcs7}) -> a=4
...
a=40 Y=H[z](V) // MD5(...)
...
a=53 RETURN_DATA
再配合运行时插桩(在 ye=re 处注入 globalThis.__dbg = {...}),直接拿到中间变量的真实值:
json
{
"ie": "17941461430271", // String(now) + String(page)
"fe": "666yuanrenxue66", // AES 密钥
"se": "u2fSDgvKx1+7DPLpU3Azt1DjvY2O0EjC8Lxh1cxDbzS=", // AES 密文
"re": "74dfb741786cce2a4571df55e0c22fb5" // token
}
五、算法还原结论
把状态机跑通之后,整条签名链一目了然:
js
// 1. 拼接明文
plaintext = String(now) + String(page);
// 例:1794146143027 + 1 => "17941461430271"
// 2. 异化 AES 加密(ECB + Pkcs7)
key = "666yuanrenxue66";
se = AES.encrypt(plaintext, key, {
mode: CryptoJS.mode.ECB,
padding: CryptoJS.pad.Pkcs7
});
// 3. 逆练 MD5 取摘要
token = MD5(se.toString()).toString(); // 32 位 hex
5.1 两个关键发现
发现一:token 只依赖 (now, page),与 m、pageSize、kw、sessionid 无关。
这点通过对比多组样本确认:同一 (now, page) 下,无论 m 填什么都得到相同的 token;服务端也接受任意 m 值(实测 m=0、m=TESTM 都能正常返回数据)。这大大简化了爬虫逻辑。
发现二:AES 与 MD5 都被魔改过,不能直接用标准库复现。
- MD5 的初始化常量被改成了(浏览器分支):
js
[0x67452301, 0xefcdab80, 0x98badcfe, 0x10325476]
// ↑ 0xefcdab89 → 0xefcdab80
- AES 的输出结构与标准 crypto-js 完全不同:标准 crypto-js 用 passphrase 时输出
Salted__前缀,用裸 key 时输出 16 字节;而这里的密文是 32 字节,且前 16 字节在所有明文下都相同(只依赖密钥),说明 S-box 或密钥调度被重写了。
5.2 为什么选择「oracle」方案
要 100% 用 Python 复刻魔改的 AES 和 MD5,成本高且容易在细节上出错(S-box、密钥扩展、轮数、padding 都可能被改)。
更稳妥的思路是:直接用 Node 把原版 22.js 跑起来,把它当作一个「token 生成器」(oracle) ,从外部喂入 (now, page),取出 token,再用 Python / Node 去请求真实接口。这样既保证 token 和服务端算法一致,又绕开了完全复刻魔改算法的成本。
六、完整爬虫实现
js
// crawl.js
const fs = require('fs');
const { JSDOM } = require('jsdom');
const SESSIONID = process.argv[2] || 'a7tk93g4qzjf2wzjxohbnj75cix2qhyh';
const BASE = 'https://match.yuanrenxue.cn';
async function http(url, opts = {}) {
const headers = {
'User-Agent': opts.ua || 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)',
'Cookie': 'sessionid=' + SESSIONID,
...(opts.headers || {}),
};
const r = await fetch(url, { ...opts, headers });
return { status: r.status, text: await r.text() };
}
// 用 jsdom 执行 22.js,把它当 token 生成 oracle
function genTokens(now) {
const html = fs.readFileSync('./match22.html', 'utf8');
const dom = new JSDOM(html, {
url: BASE + '/match/22',
runScripts: 'outside-only',
pretendToBeVisual: true,
});
const { window } = dom;
global.window = window; global.document = window.document;
global.navigator = window.navigator; global.self = window;
window.eval(fs.readFileSync('./jquery.js', 'utf8'));
const $ = window.jQuery;
const captured = [];
$.ajax = function (opts) {
if (typeof opts === 'string') opts = { url: opts };
const url = opts.url;
if (url === '/api/getTime') { opts.success && opts.success(now); return; }
if (url === '/api/match/number') { opts.success && opts.success({ m: window.matchnumber }); return; }
if (String(url).includes('/api/question/22')) {
captured.push(opts.data);
opts.success && opts.success({ data: [], status: '1' });
return;
}
};
window.matchnumber = '0';
window.eval(fs.readFileSync('./22_exp.js', 'utf8')); // 导出了内部 __he 函数的版本
for (let p = 1; p <= 5; p++) {
try { window.__he(p); } catch (e) {}
}
const out = {};
for (const d of captured) out[d.page] = d.token;
return out;
}
(async () => {
// 1. 拿真实时间戳
const now = Number((await http(BASE + '/api/getTime')).text.trim());
// 2. 生成 5 页 token
const tokens = genTokens(now);
// 3. 抓 5 页数据并求和
let total = 0;
for (let page = 1; page <= 5; page++) {
const ua = page === 5
? 'yuanrenxue'
: 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)';
const url = `${BASE}/api/question/22?page=${page}&pageSize=10&kw=&token=${tokens[page]}&now=${now}&m=0`;
const r = await http(url, { ua });
const j = JSON.parse(r.text);
const nums = j.data.map(Number);
total += nums.reduce((a, b) => a + b, 0);
console.log(`page ${page}: ${nums.length} values`);
}
console.log('TOTAL =', total);
})();
运行:
bash
node crawl.js <你的sessionid>
七、运行结果
ini
real now = 1794148488302
tokens = {
'1': '347c52a570d7844bda013f79dda241ed',
'2': 'a74187ae98daaf2e45b598f42a883a15',
'3': 'd08b879bae9f2487c1b8a0c2d7619d5a',
'4': 'd5547288e3cc1ce3a0bbf5d1d4ce51a8',
'5': '3db648fc4e0262ee6161cb246d7faa1e'
}
page 1: 10 values, sum=6822165
page 2: 10 values, sum=5459560
page 3: 10 values, sum=5567985
page 4: 10 values, sum=5554419
page 5: 10 values, sum=5554671
TOTAL = 28958800
提交答案接口返回:
json
{"result": "success", "created": true, "code": 2, "exp": 107}
最终答案:28958800
八、踩坑记录
-
runScripts: 'outside-only'是必须的 :默认 jsdom 不执行外部脚本,直接用dangerously反而会引入副作用,outside-only最可控。 -
globalThis在 jsdom eval 里不等于 Node 的globalThis:插桩时往globalThis.__dbg写值,在 Node 侧读不到,要读window.__dbg。 -
原生
.click()不触发分页 ajax :翻页按钮是on('click', ...)绑定,直接模拟点击无效。最终靠导出内部的he(page)函数直接调用解决。 -
/api/match/number直连会 404 :这个接口只在页面上下文里被内联脚本拦截并写入window.matchnumber,实际上服务端并没有这个真实路径,m值不需要「有效」,随便填即可。 -
旧 token 重放必挂 :token 里编码了
now,服务端会校验时间戳,所以必须「先 getTime → 再生成 token → 立刻请求」,不能缓存复用。
九、总结
这道题的核心考点是在重度混淆(控制流平坦化 + 字符串拆分 + 变量名混淆)下还原魔改的标准算法。
解题路径可以概括为四步:
- 抓包:明确目标接口和签名参数;
- 动态执行:用 jsdom 把混淆代码跑起来,拦截请求体拿到确定性样本;
- 静态反混淆 :对关键函数做状态机模拟,还原出
AES(now+page) → MD5的签名链; - oracle 落地 :不强行复刻魔改算法,而是把原 JS 当 token 生成器,喂入真实
(now, page)直接产出可用 token。
这种「混淆代码当 oracle,外部驱动」的思路,在遇到「算法魔改太复杂、但 JS 能跑」的场景时非常实用------绕开了 S-box、密钥调度等最容易出错的细节,同时保证了 token 的绝对正确性。