最新某美滑块验证码分析

本文章中内容仅供项目展示使用,不用于其他任何目的,逆向项目不提供完整代码,抓包内容、敏感网址、数据接口等均已做脱敏处理,严禁用于商业用途和非法用途,否则由此产生的一切后果均与作者无关! 本文章未经许可禁止转载,禁止任何修改后二次传播,擅自使用本文讲解的技术而导致的任何意外,作者均不负任何法律责任,若有侵权,请联系作者立即删除!
————————————————

前言

x美的产品加密策略更新比较频繁,根据我的观察大概10~15天就会更新一次,里面js的结构与请求的12个加密参数全部会做变化。

抓包分析

验证接口

参数Value
ytvFkJklztA4k=
nqUiF4mSmrelU=
pqbtOawycSkcJi03bxDBZ2og89wpRXZ+xcQlLvO7n3ADqLvjHVVuWeKxMwhGWxuehhgfWH9wllR5h/nSebZBcafQ==
rversion1.0.3
act.osweb_pc
xu/M0B1OzbHn8=
protocol165
aqeCFVQivFe/A=
ostypeweb
hbIsssC7EZHJw=
ae2H6psCZK6NE=
xhSmJdsIlrz5s=
asqzwzxSaNSps=
gmiJGsrhBqRr4=
gsoJzoX/jjsvk=
lgbfxYNMd5Gy8=
sdkver1.1.3
callbacksm_1662384890948
organizationRlokQwRlVjUrTUlkIqOg
rid202209052134415782cf074fc3abb1b8

分析

captcha-sdk.min.js
在这里插入图片描述
var _0x31049e = this_0x2b269d(1834); // 获取9个加密参数,其中8个是加密的,定位后跳转
在这里插入图片描述
特征值:_0x26f0e3 = this[‘_data’]

uuid

在返回的success里面
在这里插入图片描述
在这里插入图片描述

aq,pq,xh,gm,xu等

在这里插入图片描述

轨迹数组分析

在这里插入图片描述
利用轨迹规律,伪造轨迹生成算法

成果展示

在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
滑块验证码是一种常见的验证码形式,旨在验证用户是否为人类。PyTorch是一个开源的深度学习框架,可以用它来实现滑块验证码识别系统。 滑块验证码通常由两个部分组成:滑块图片和背景图片。滑块图片上有一个滑块,用户需要通过拖动滑块将其放到正确的位置,以完成验证。 要实现滑块验证码的识别,可以按照以下步骤进行: 1. 数据准备:收集大量的滑块验证码图片,并将其划分为训练集和测试集。训练集用于训练模型,测试集用于评估模型的性能。 2. 特征提取:使用PyTorch加载滑块验证码图片,并对其进行预处理。可以使用卷积神经网络(CNN)来提取图片的特征。 3. 训练模型:使用PyTorch构建一个深度学习模型,可以选择使用已经预训练好的模型作为基础模型,如ResNet、VGG等。然后,将提取的特征输入到模型中,通过反向传播来优化模型的参数。 4. 模型评估:使用测试集对训练好的模型进行评估,计算准确率、精度等指标,判断模型的性能。 5. 模型应用:将训练好的模型部署到实际的滑块验证码系统中,用户在登录或注册时需要完成验证码验证。用户拖动滑块,系统会根据用户的操作判断是否为真实用户。 通过使用PyTorch深度学习框架,我们可以方便地实现滑块验证码的识别。它提供了丰富的工具和算法,可以帮助我们构建高性能的滑块验证码识别系统。
评论 1
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