大家好，我是TheWeiJun。在过去的两个月里，我一直在思考如何为大家呈现更有趣、有价值的内容。今天，我终于迎来了新的更新！本文将带你探索某云滑块验证码背后的奥秘，让你了解它的工作原理、应用场景以及相关技术。希望这篇文章能够为你带来新的见解和启发。感谢大家的支持，欢迎阅读！

特别声明：本公众号文章只作为学术研究，不作为其他不法用途；如有侵权请联系作者删除。

立即加星标

每月看好文

一、前言介绍

二、网站分析

1、抓包分析，打开我们本次分析的网站，故意触发滑块验证码，先不滑动。然后查看请求流程如下：

2、此刻我们能够看到滑块的http协议接口以及缺口图和背景图，我们可以从http请求的response中查看响应体进行确定。截图如下所示：

总结：观察上图，我们能够看到bg、front参数的value值分别对应截图中的背景图和缺口图。在这个接口中，我们甚至看到了sliderWidth滑块距离，我以为这个滑块如此简单，这个地方其实是混淆视线的。没有任何作用，且听我后面实战分析。

3、然后我们分析这个接口请求，是否需要逆向分析，截图如下：

4、然后拖动验证码缺口，直接拖动到正确位置，查看请求体和响应体，截图如下：

三、参数分析

1、我们多次刷新滑块接口和验证接口，对上面截图中的五个参数初判断分析如下：

• cb                   一个随机值，长度11位字符。

• i                      加密值，具体什么加密，不清晰。

• k                     加密值，具体什么加密，不清晰。

• token             上一个接口返回的参数。

• captchald     固定值，和版本有关，可忽略。

总结：我们可以忽略token、captchald参数，只需要逆向分析cb、i、k即可完成对滑块算法的还原，接下来我们开始堆栈分析进行断点调试吧。

2、直接分析验证码接口，查看堆栈，定位js加密位置，截图如下所示：

3、打好断点后，再次触发验证码接口，查看xhr请求接口，截图如下：

4、此时加密参数已经生成，我们能够看到this.encrypt(e)的返回值就是我们想要的数据，经过回溯堆栈，我们确定加密位置如下：

总结：简单确认一下加密方式，i参数应该是AES-CBC模式加密，K参数应该是RSA加密，然后我们再确定下cb参数11位也是随机生成的，接下来进入算法还原环节。(附上cb参数的定位截图)

四、算法还原

1、确定i参数加密位置后，分析js代码，转换Python代码如下：

def encrypt_aes_cbc(self, text):    self.key: str = self.generate_random_string(16)    self.iv: str = self.generate_random_string(16)    # 使用AES算法和CBC模式创建加密器    cipher = AES.new(self.key.encode(), AES.MODE_CBC, self.iv.encode())
    # 计算要添加的填充字节数    padding_length = 16 - (len(text) % 16)
    # 添加填充字节，使用PKCS7填充    padded_text = text.encode() + bytes([padding_length] * padding_length)
    # 对文本进行加密    ciphertext = cipher.encrypt(padded_text)
    # 将加密结果转换为Base64字符串    encrypted_base64 = base64.b64encode(ciphertext).decode('utf-8')
    return encrypted_base64

2、确定k参数加密位置后，分析js代码，转换Python代码如下：

def rsa_encrypt(self):    msg = f"{self.key}{self.iv}"    pub_obj = Cipher_pkcs1_v1_5.new(RSA.importKey(self.rsa_public_key))    encrypted = pub_obj.encrypt(msg.encode())    return base64.b64encode(encrypted).decode()

3、确定cb参数加密位置后，分析js代码，转换Python代码如下：

def generate_random_string(self, length):    # 定义包含英文大写字母和数字的字符集    characters = string.ascii_lowercase + string.digits    # 从字符集中随机选择length个字符并拼接起来    random_string = ''.join(random.choice(characters) for _ in range(length))    return random_string

4、到此第一步请求的接口我们已经还原完成，发送请求，看看能不能拿到验证码的响应，截图如下：

5、接下来分析verify接口，来看看验证接口的i，k加密是如何生成的，截图如下：

6、我们确定i参数的入参如上，然后用Python还原加密算法如下：

7、上面接口入参中，最重要的是distanceX坐标、points轨迹数据，继续用Python还原如下：

8、到这里整个流程就结束了，我们把代码封装完成后，和以往一样，发送20次请求，来看看通过率如何，截图如下：

总结：滑动成功率还是挺高的，19/20=95%；如果想要追求更高的通过率的话，可以进一步优化下图像识别和轨迹模拟这两方面。

五、思路总结

回顾整个分析流程，本次重点主要概括为以下几点：

• AES CBC算法还原实现
  
• 滑块缺口位置坐标定位
  
• 滑块数组轨迹模拟生成
• RSA算法及公钥还原实现