如何使用yolov8 + siamese轻松通过某查查登录验证(滑块验证、图标验证、字体验证),通过率高达99%

实战:如何使用yolov8 + siamese轻松通过某查查登录验证(滑块验证、图标验证、字体验证),通过率高达99%

声明:本文章仅供学习使用,上述代码请不要违规使用,所造成的一切不良后果与作者无关;如有侵权,请联系删除!!!

一、接口参数分析

1、接口分析

在这里插入图片描述

2、load接口参数分析—>获取背景图、缺口图、验证小图
captcha_type值:icon图标验证、word字体验证、slide滑块验证

在这里插入图片描述

3、verify接口参数分析—>重点参数w

在这里插入图片描述

在这里插入图片描述

4、重点参数w值逆向实现
// 1、快速定位到w生成位置,可以从启动器中进入js文件,直接搜索w值是搜不到的,我们可以搜索其它参数;如:process_token
// 2、直接搜索'process_token'是搜索不到的,需要进行unicode编码转换
// 字符串转unicode编码
function unicodeEnc(str){
    var value = '';
    for(var i=0; i<str.length; i++){
        value += "\\u" + ("0000" + parseInt(str.charCodeAt(i)).toString(16)).substr(-4);
    }
    return value;
}
console.log(unicodeEnc('process_token'))
// process_token值---> \u0070\u0072\u006f\u0063\u0065\u0073\u0073\u005f\u0074\u006f\u006b\u0065\u006e
// w值---> \u0077

在这里插入图片描述

在这里插入图片描述

// w值=i值
// 1、i值的生成逻辑,扣取源码分析
var i = (0,m[$_BIBDU(63)])(f[$_BIBCh(63)][$_BIBDU(593)](e), n)
// 简写i的生成
var i = m[$_BIBDU(63)](f[$_BIBCh(63)][$_BIBDU(593)](e), n)
// m[$_BIBDU(63)]是一个方法,里面有2个参数:f[$_BIBCh(63)][$_BIBDU(593)](e)、n
// f[$_BIBCh(63)][$_BIBDU(593)]是一个方法,里面有1个参数:e
// 2、从里向外逐个分析即可

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

5、构造请求实现验证 分析到这里就很简单了
1、请求load接口获取图片
2、构造好滑块轨迹、点选轨迹的生成—>构造t参数—>生成w值
3、请求verify接口进行验证
6、点选验证模型的训练
1、这里就不展开叙述了,可以查看上一遍文章:YOLOv8 + Siamese(孪生) 实现文字点选验证码
7、验证成功率 (模型训练好了,成功率相当高)

在这里插入图片描述

二、总结:

1、找到所需的接口请求
2、进行请求参数分析
3、对所需请求参数进行逆向还原
4、训练点选模型
5、发送请求进行验证

声明:本文章仅供学习使用,上述代码请不要违规使用,所造成的一切不良后果与作者无关;如有侵权,请联系删除!!!

  • 15
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标追踪是通过将目标在连续帧中进行跟踪来实现的。结合YOLOv4或YOLOv5进行目标检测,可以实现的目标追踪方法有多种,以下是一种简单的方法: 1. 使用YOLOv4或YOLOv5进行目标检测:首先,在视频的第一帧中使用YOLOv4或YOLOv5来检测出目标的位置和类别信息。 2. 初始化目标追踪器:在第一帧中,使用检测到的目标位置初始化一个目标追踪器,如基于卡尔曼滤波器的Kalman滤波器或基于相关滤波器的Correlation Filter等。这样可以根据初始位置预测目标在后续帧中的位置。 3. 目标追踪:对于每个后续帧,使用目标追踪器根据前一帧的预测位置来预测当前帧中目标的位置。可以使用特征匹配、光流法、神经网络等方法来提取目标的特征并更新追踪器的状态。 4. 目标重检测:定期(例如每隔几帧)使用YOLOv4或YOLOv5对当前帧进行目标检测,以防止目标追踪器出现漂移或丢失目标的情况。如果目标检测器检测到新的目标或原有目标无法再被检测到,则重新初始化目标追踪器。 5. 结果展示:将目标追踪的结果可视化或输出到文件中,以供后续分析或应用。 需要注意的是,以上只是一种基本的目标追踪方法,实际应用中可能需要根据具体情况进行调整和改进。此外,还有其他更复杂的目标追踪算法,如基于深度学习的Siamese网络、SORT(Simple Online and Realtime Tracking)等,可以根据需求和资源进行选择和尝试。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值