JS爬虫实战之极验四代

一、目标网站说明

本文章仅用于学习，不可用于任何非法途径，不授权任何单位和个人。特此申明保命。我这里就直接放链接了

https://gt4.geetest.com/

！！！ 后续还有，csdn出bug，后续图片一直无法显示，正在修复！！！

二、流程步骤

1. 逆向步骤一般分为：

1. 接口确认： 找到我们需要的接口进行分析；
2. 参数确认： 在接口中提炼出我们需要处理的参数；
3. 重试校验参数逻辑： 查看参数之间关系；
4. 寻找逆向入口： 找到参数生成位置 ；
5. 获取加密算法： 实现参数逻辑；
6. 爬虫代码编辑： 爬虫代码编写；

2. 接口确认

1- 确认流程

网站打开后就是一个验证页面。不知道怎么操作，那就模拟全程过一遍，抓个包。

2- 获取verify的参数

一点一划就提示验证通过。抓包如下，里面各类参数，也不知道有什么用。

3- 构建requests验证verify的参数

那我们点击登录， 提示成功。 我们拿到登录接口的包，构建requests

4- 锁定secode参数的作用

经过一番操作，我们知道了，登录中参数每次只能使用一次，而关键参数为验证码接口返回的参数：secode。每次拿到secode后，就可登录一次，那我们本次逆向就有目标了。获取verify接口中的响应，并提取secode参数。

ok，让我们去获取verify接口中的响应！！！

3. 参数确认 & 重试校验参数逻辑

1- 我们确认了要获取verify接口后，便来开始参数确认。经过一番确认，所有的参数都在params中。

params = {
    "callback": "geetest_1720668074855",
    "captcha_id": "54088bb07d2df...80300b0abbe",
    "client_type": "web",
    "lot_number": "047e84f8d5a...5bbbceb5748d",
    "risk_type": "slide",
    "payload": "_b-sD...H8Kw==",
    "process_token": "90dfc9ada24d1fc22...9770c09aeeebb7a3f",
    "payload_protocol": "1",
    "pt": "1",
    "w": "92e...78a6"
}

2- verif接口

其中captcha_id， lot_number， payload， process_token， w参数均为疑似的五个参数。 那我们一个个查看，他们是从哪里的。此时，切记不可上来就去源码中跟值跟栈，我们重新走一下流程，看下各个参数的出处。

3- load接口中参数lot_number， payload， process_token

刷新一下页面，直接就能看到load接口中lot_number， payload， process_token三个参数都出来了。

4- 跟进load接口

而load接口中的参数有两个，一个为 captcha_id，另一个为 challenge。而 captcha_id 同时也是verify接口中的参数。ok，那我们先搞定load接口

5- 参数 captcha_id

直接搜索，调用，ok搞定了 captcha_id 参数。至于challenge参数【多次调用，发现没有这个参数也同样能运行成功】。那我们可以认为challenge为非必须得。

6- verify接口

ok此时，verify接口中的参数只剩下最后一个w。而在多次搜索调用之后，发现w不是在其他接口中生成的。那我们大概率需要逆向的就是这个w参数了。此时，我们开始跟栈，来到我们今天的重头戏。极验四代验证码的核心逆向参数：w参数

4. 寻找逆向入口

1- Initiator堆栈进入， 断点调试

2- 查找参数w

向上跟栈，发现这个i就是我们要的w参数。i的生成方式就在这个函数内部，是由e通过一些函数生成来的。

3- 提取生成e的函数

打印可知，i是由e经过两个js内置函数生成来的，目前先，默认函数内无任何修改，那我们先继续看e。e是函数调用传入的参数，我们继续向上跟栈。

var i = (0,m[$_BIBCI(95)])(f[$_BIBCI(95)][$_BIBDJ(525)](e), n)

4- 这里是个异步函数，重新断点查看e是什么。

其中e的属性包括这些，那我们继续跟e值，查看其中14个字段都是从哪里来的。

{
    "setLeft": 181,
    "passtime": 841,
    "userresponse": 181.9300161705061,
    "device_id": "",
    "lot_number": "b462187b4ead41e6a5d2b77548203f5e",
    "pow_msg": "1|0|md5|2024-07-11T11:55:16.611805+08:00|54088bb07d2df3c46b79f80300b0abbe|b462187b4ead41e6a5d2b77548203f5e||658f22accd2183b4",
    "pow_sign": "ca634f84e6dcc5f99137a8630c0b3151",
    "geetest": "captcha",
    "lang": "zh",
    "ep": "123",
    "biht": "1426265548",
    "gee_guard": {
        "roe": {
            "aup": "3",
            "sep": "3",
            "egp": "3",
            "auh": "3",
            "rew": "3",
            "snh": "3",
            "res": "3",
            "cdc": "3"
        }
    },
    "7MVm": "l7wr",
    "em": {
        "ph": 0,
        "cp": 0,
        "ek": "11",
        "wd": 1,
        "nt": 0,
        "si": 0,
        "sc": 0
    }
}

5- 寻找e的生成逻辑。

断点断在这里，我们发现，e中只有三个参数。 说明加密逻辑就在这段中间。我们首先把这三个参数找到

var $_BIBCd = tLHEB.$_Cu

{
    "setLeft": 173,
    "passtime": 1512,
    "userresponse": 173.97730827346714
}

6- 寻找参数 setLeft， passtime， userresponse。

我们向上稍微一跟，就发现了如下地方， 这里就是三个参数的生成位置。

其中
t[$_FFFCq(1430)] 为固定值
a是由i生成， i为图形与左边坐标计算值
r为滑动花费时间

这段可能就涉及到滑块滑动数据，我们先暂存。搞定逆向逻辑，再看看滑块怎么回事。

6- 查看参数e的构成。

当我们走到以下断点时，发现e中莫名就出现了4个参数，仔细看这一段，就会发现是从this中传入的，那我们的目标就要换成this从何而来。

此时我们回过头来看e中内容已经如下，我们已经获取了其中7个字段。除了pow_msg， pow_sign两个参数需要查看生成逻辑，其余5个字段已经能成功获取到

{
    "setLeft": 198,
    "passtime": 1111,
    "userresponse": 198.82952045171382,
    "device_id": "",
    "lot_number": "f393217f8a5c42dab8307d4a39ceaf63",
    "pow_msg": "1|0|md5|2024-07-11T14:00:38.733038+08:00|54088bb07d2df3c46b79f80300b0abbe|f393217f8a5c42dab8307d4a39ceaf63||355ef192aefce069",
    "pow_sign": "8a5f229ce04fbc08862e98a17242c470"
}

7- 跟到此处，发现s中有参数出现。

再跟这两个值时一直有个误区，以为这两个值是滑块验证时出现的，其实不然，这两个值在加载图片的时候就已经生成，验证时才挂载到e上，所以我们应该从刷新页面时开始跟值而不是一直守着verify接口。

用同样的思路，一直向上跟栈。 终于跟到了这个地方，此处就是 pow_msg 生成的地方

8- 如pow_msg参数生成位置。

r = (0,d[$_BGCIY(42)])(n, i, s[$_BGCIY(518)], s[$_BGCIY(582)], s[$_BGCIY(535)], s[$_BGCIY(579)], $_BGCHo(79))

9- 此时，这个r就包含了我们要的两个参数，我们一个个看

n: 'lotNumber'
i: 'captchaId' 
s[$_BGCIY(518)]
s[$_BGCIY(582)]
s[$_BGCIY(535)]
s[$_BGCIY(579)]
$_BGCHo(79)
这些都是load接口中返回的数据。

pow_msg 最后还有一个后缀，是有该算法生成的

10- 参数pow_msg ，pow_sign

那我们还剩最后一点点， 还记得我们e参数吗， 总共14个未知字段，现在我们已经找到了7个字段。那我们回头再看

{
    "setLeft": 128,
    "passtime": 704,
    "userresponse": 129.2433263526231,
    "device_id": "",
    "lot_number": "078a7dabd0ef4076b5c0f6fe2ab1e076",
    "pow_msg": "1|0|md5|2024-07-11T16:52:56.688059+08:00|54088bb07d2df3c46b79f80300b0abbe|078a7dabd0ef4076b5c0f6fe2ab1e076||e5bdc9d776f2b288",
    "pow_sign": "e460f9786ef72965b9ec3b6117401639",
    "geetest": "captcha",
    "lang": "zh",
    "ep": "123",
    "biht": "1426265548",
    "gee_guard": {
        "roe": {
            "aup": "3",
            "sep": "3",
            "egp": "3",
            "auh": "3",
            "rew": "3",
            "snh": "3",
            "res": "3",
            "cdc": "3"
        }
    },
    "vjRa": "Vzej",
    "em": {
        "ph": 0,
        "cp": 0,
        "ek": "11",
        "wd": 1,
        "nt": 0,
        "si": 0,
        "sc": 0
    }
}

11- ok，来，我们继续， 剩下还有7个字段。

此时，我们清空所有断点， 再次跟到e生成的地方。跟到此处，又有4个参数，出现了，来，就是这段，仔细读读。

12- 参数： geetest， lang， ep。

从十行代码中找到参数位置也很快，跟到这个地方， 三个参数搞定。从这里进去。


但是怎么看这三个参数都像是可以固定的

13- 参数： bhit。

bhit 看起来似乎也是个固定值 “1426265548”

14- 参数 gee_guard

至此e中14个字段，搞定了12个。都看到这里了，最后两个字段，再坚持坚持
gee_guard目测也是固定值

15- 参数 vjRa##### 16- 参数 em

看着em也是固定的，不管了，先把代码跑起来。

17- em转为参数w

从前面我们知道，i的值就为w，而i是由参数e经过一个函数转化来的。从这里可知

f[$_BIBCd(42)][$_BIBDQ(517)](e)： 就是e字符串了一下。
m[$_BIBCd(42)]： 这个就是转换函数，我们跟进去

这里的 _ 看似就是我们要的w的值。n的生成逻辑在我圈中的位置。

18-1 w中子参数n

从n生成的地方进入，可以直接找到n的生成位置，由4个e()的值生成

(65536 * (1 + Math[$_EBHx(151)]()) | 0)[$_EBHx(109)](16)[$_EBHx(25)](1) 转成python语句如下：
hex(int(65536 * (1 + random.random())))[2:][1:]

18-2 w中子参数n转化为w

我们知道n了之后，跟进 _ 生成位置函数， 看到参数w是s数组tostrng一下来的。我们看一下s怎么来

到了这里，我们看得出，这是加密函数。具体怎么加密的，需要分析，剩下来的就是扣代码的事情了。

5. 爬虫代码编辑