python 百度云不限速版_现在各位是怎么应对百度网盘限速的？

技术上面出现的问题，当然还是要用技术来解决

百度作为国内唯一一家良心坏了的企业

我们当然是不能继续付费支持他的猖狂行为的

作为一名做了12年技术的逆向老手

简单给大家说下如何通过技术手段解决百度限制速度的问题

首先，下载速度慢，涉及就涉及到了网络协议方面的知识

网络协议是永恒的话题，数据流转的起点与终点，也是我们三板斧的开始。

然后我们需要制定一个hook方案

可以选择插入HttpLoggingInterceptor，此方法网上很多，最早是珍惜的xposed模块，后来进化的frida模块，增强抗混淆xposed模块。

此方案反制方法太多，本人更喜欢直接hook12java.net.SocketInputStream.read([BII)Ijava.net.SocketOutputStream.write([BII)V

缺点就是解析起来很麻烦。

### cronet：

性能优于okhttp，网上资料不多，大厂很多都用，例如字节，某手。

hook方案:

框架操作多数在native,java层没有像okhttp那样请求响应的读写点，如果java层hook建议分别hook,涉及类123java.net.HttpURLConnectionorg.json.JSONObjectjava.io.InputStreamReader

### HttpUrlConnection：

旧时代产物了，多老版本使用。

hook方案12com.squareup.okhttp.internal.huc.HttpURLConnectionImpl.getInputStream()com.squareup.okhttp.internal.huc.HttpURLConnectionImpl.getOutputStream()

这个还有可能其他实现类。

统统HOOK，打印结果

样本使用的是okhttp,但内容没有什么线索，数据都做过加密处理。

这时使用第二板斧，因为内存中会存在读写操作，猜测会存在一个下载列表，那就内存漫游起来

HOOK 几个关键类1234java.io.InputStreamReaderjava.nio.DirectByteBufferjava.io.ByteArrayOutputStreamjava.io.OutputStream

结果在java.io.InputStreamReader(Ljava/io/InputStream;)V有意外惊喜：发现了m3u8文件！

编写插件

拿到了m3u8文件就好办了，

我们通过解密，然后写出来对应的插件就能实现我们的目的

具体代码如下：

有需要的小伙伴可以去自行研究

技术就是用来解决生活中遇到的各种各样的问题，如果你被问题烦恼，想要通过技术去解决掉问题，可以参考下图找我交流

sessiona = requests.Session()

headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:47.0) Gecko/20100101 Firefox/47.0','authorization':'oauth c3cef7c66a1843f8b3a9e6a1e3160e20'}

k3_confidence = 0.71

'''

# 可视化数据会被保存在云端供浏览

# 纯属学习，并未看出"角度"范围扩大对图像识别的影响，大部分时候60s内能搞定，说明优图还是很强悍的，识别速度也非常快

'''

runtime_list_x = []

runtime_list_y = []

nn = range(1,11) # 愿意的话搞多线程，1百万次更有意思

# 成功尝试100次，形成2维数据以热力图的方式展示

for y in nn :

for x in nn :

runtime_list_x.append( bolting(-3,3,k3_confidence) )

print( "y: " + str(runtime_list_y) )

print( "x: " + str(runtime_list_x) )

runtime_list_y.append(runtime_list_x.copy())

runtime_list_x = []

print ("-"*30)

print( runtime_list_y )

print ("-"*30)

# pip install plotly 数据可视化

import plotly

import plotly.graph_objs as go

plotly.tools.set_credentials_file(username='username', api_key='username') # 设置账号，去官网注册

trace = go.Heatmap(z = runtime_list_y , x = [n for n in nn ] ,y =[n for n in nn ])

data=[trace]

plotly.plotly.plot(data, filename='weldon-time2-heatmap')

# 尝试后发现一个特点，基本都是1~2个倒置中文，这样我们可以借此提速

# 角度范围放大，仅当识别出倒置中文为1~2个时才提交验证否则放弃继续寻找

### chcp 65001 (win下改变cmd字符集)

### python c:\python34\image_recognition_zhihu.py