得物data纯算法nx h5

原创 已于 2024-09-14 15:59:31 修改 · 3.3k 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#javascript #python #scrapy #httpx #web3.py #pycharm #算法

于 2023-09-06 20:03:08 首次发布

网址 aHR0cHM6Ly9tLnBvaXpvbi5jb20vcm91dGVyL3Byb2R1Y3Qvc2VhcmNoL1Byb2R1Y3RTZWFyY2hSZXN1bHQ/c291cmNlX25hbWU9YnV5dGFi

声明 

本文章中所有内容仅供学习交流使用，不用于其他任何目的，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，作者均不负责，若有侵权，请联系作者立即删除！

本期讲解的是得物data纯算法以及响应解密,总耗时两个晚上

快两个月没更新文章了,摆了一个暑假,话不多说,正片开始.

篇幅较长，坐稳发车咯！

目录

声明 

本文章中所有内容仅供学习交流使用，不用于其他任何目的，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，作者均不负责，若有侵权，请联系作者立即删除！

data参数

总结

最后

data参数

1由于电脑尝试错误请求比较多,写文章的时候dw服务器已经把我封了,我这里用charles抓手机端h5的,请求参数就data一个需要破解,响应待会再说

2找加密data加密位置用hook params查询参数,hook就不多说了

(function () {
    var open = window.XMLHttpRequest.prototype.open;
    window.XMLHttpRequest.prototype.open = function (method, url, async) {
        if (url.indexOf("data") != -1)  {
            debugger;
        }
        return open.apply(this, arguments)
    }
})();

3随便点一个物品会断住

4往上跟栈,这个栈往上走后再也没有出现data, 所以data是从上一个函数传下来的,这里需要插桩调试,因为会有许多请求都会经过这里,插桩可以快速定位到关键位置,它只会走一次,v是__zone_symbol__value

e[v].params.data!=undefined

5这张图是hook断住的 

6这张图是插桩断住的,断住后直接往上走

7找到这个位置,这里m已经被下面的赋值污染了,需要先取消之前断点再打到v赋值的地方,如下图

8再次点一个物品它会断住,可以看到名称和翻页,还有一个md5签的sign,这种属于把其他参数拼接后签名与传过来的sign做比对来验证,因为摘要算法一般不可逆,所以它的作用就是来验证你传的参数是否和签名后的sign一致,b站和淘宝用的就是这种

9从b.Fun110进去后是另一个js文件,好几千行,我前前后后分别尝试了补环境,扣算法,接着又是补环境,扣算法,补环境,最后扣算法,因为里面环境有点多,即使补到长度一样也不可行,所以最终打算扣算法,补环境还没成功,不过你补环境的话得提前把密钥确定下来,不然服务器返回给你的密文你是解不了秘的,AES对称加密,你不扣算法你也不会知道密钥在哪生成的,因为它是随机生成的.  这是点进去后的文件.

10return的结果在value那个模块里,补环境导出这个模块在手动传参就行了

11详细扣的话要写很多内容,所以想实现就靠你们自己了,扣完也就20多行

12注意事项:

里面混淆不是很严重,所以我没有还原,硬刚的

补环境需要先找到密钥生成位置,否则即使成功了也解不了密

13最后贴一张结果图吧,证明我来过

总结

1出于安全考虑,本章未提供完整流程,调试环节省略较多,只提供大致思路,具体细节要你自己还原,相信你也能调试出来.

2本人写作水平有限,如有讲解不到位或者讲解错误的地方,还请各位大佬在评论区多多指教,共同进步

最新得物data参数加密分析与响应数据解密
吴秋霖的博客
07-14 1990
使用Python爬虫某物商品信息、包含sign签名、请求data加密、数据响应AES解密
得物sign参数逆向分析与Python算法还原
吴秋霖的博客
04-20 4143
使用Python获取得物商品数据、包含Sign签名算法分析与Python算法还原
得物数据抓取+参数加密解析
Voccoo的博客
09-02 7849
环境：python 3.6 脚本最后一次修改于 2021-08-27 本次解析的参数为sign，解析的来源为微信小程序源码和H5页面JS文件 咱也不废话，直接上干活 应产品的需求要求需要相关的品类数据（详情数据也验证过，都是相同的方式，没问题的） 需要获取产品列表页的数据，通过两个post接口获取。 接口1【https://app.poizon.com/api/v1/h5/search/fire/commodity/detail_brand"】 参数：{“sign”: 加密参数, “brandId”:
得物 小程序 6宫格 分析
ff2766958292的博客
04-29 2101
得物、得物六宫格、得物验证码、验证码
【得物技术】算法入门一：算法的好坏？复杂度告诉你
SmartCodeTech的博客
04-09 597
什么是算法 百度百科对算法的定义是 “解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。” 简单的来讲，算法就是解决一个问题所用的方法。比如对于数组排序问题，有多种排序方法可以达到使元素有序排列的目的，每一种正确的排序方法都能称之为一个算法。 如何衡量算法的好坏 一个问题既然可以通过多种算法来解决，那么如何衡量哪个算法更好呢？显然一个算法执行时间越短，占用的内存空间越小，那么它就是更好的算法。通常有两种方法来比较：事前分析和事后统计。事后统计.
得物小程序sign、data参数加密、响应体解密算法还原
m0_38098782的博客
08-02 5298
得物小程序sign、data参数加密、响应体解密算法还原
得物小程序解析data加解密算法
yjack007的专栏
10-21 4468
得物的接口最近又更新了，一直觉得真没有必要更新得这么频繁，完全可以弄一个开放平台，通过数据开放，给第三方分析工具开发者制作各种数据分析工具给用户使用。 目前单纯通过抓包是没法分析请求和回应的数据，像搜索接口、产品详情接口、最近购买接口都做了加密处理，charles抓包如下： 请求和回应里都只是个data参数，要获得具体加解密的方式就需要了解前端比如app或小程序里面的处理逻辑，就去拔了下微信小程序，可以是PC端的也可以是手机端的，手机端可以使用android模拟器，网上有一大堆文章，后续我会做一个.
【Python网络爬虫】爬虫常见加密解密算法
菜鸟叔叔的博客
06-11 3076
本文总结了在爬虫中常见的各种加密算法、编码算法的原理、在 JavaScript 中和 Python 中的基本实现方法，遇到 JS 加密的时候可以快速还原加密过程，有的网站在加密的过程中可能还经过了其他处理，但是大致的方法是一样的。常见加密算法：常见编码算法：Base64Crypto-JS 支持 MD5、SHA、RIPEMD-16...
爬虫常见的加密解密算法
npm_run_dev__的博客
09-13 1648
爬虫常见的加密解密算法
材料力学优化算法：拓扑优化：拓扑优化的后处理与可视化_2024-08-08_10-58-20.Tex
04-29 86
拓扑优化是一种设计方法，用于在给定的设计空间内寻找最优的材料分布，以满足特定的性能目标和约束条件。这种方法在材料力学领域尤为突出，因为它允许设计者在结构的初始设计阶段就考虑到材料的分布，从而在满足强度、刚度等要求的同时，实现结构的轻量化和成本优化。
算法题：按规律输出
cw_233的博客
10-30 7903
编写算法：打印具有下面规律的图形。              1                            5  2                         8  6  3                     10  9  7  4    输入：手动输入n 输出：格式输出n行 思路： 1.定义100x100的二维数组并给其赋值 a30 a
H5为小程序领域带来的创新营销模式
最新发布
小程序开发
06-27 721
本文旨在全面解析H5技术如何赋能小程序营销创新，涵盖技术原理、营销模式、开发实践和未来趋势等方面。文章将从H5与小程序的技术结合点入手，分析创新营销模式，提供开发实践指导，并展望未来发展趋势。H5：HTML5的简称，是构建网页内容的第五代超文本标记语言标准小程序：一种不需要下载安装即可使用的应用，运行在特定平台环境中营销裂变：通过社交分享实现用户自传播的营销方式H5技术：提供了丰富的交互能力和跨平台特性小程序：提供了便捷的用户入口和稳定的运行环境H5+小程序营销。
得物（毒）加密算法解析 得物逆向
Kaiser的博客
05-02 7257
写在前面： 本文仅限交流学习使用，请勿使用在任何非法商业活动，禁止用于非法用途。否则后果自负。如有侵权，请告知删除，谢谢！ 抓包分析： 本文以detailV3接口为例： POST https://app.dewu.com/api/v1/h5/index/fire/flow/product/detailV3 { "sign": "925981af5b1b6abfb57b795a4553f845", "spuId": 1263267, "propertyValueId": 2974...
解密得物Trace2.0：日PB级数据量下的计算与存储性能优化实战
gaoliang1719的专栏
01-28 955
目录一、背景二、客户端多通道协议1.采集多通道协议三、计算模型四、数据压缩五、存储方案六、升级 JDK211. 升级后效果七、结语一背景Trace2.0 是得物监控团队引入 OpenTelemetry 协议并落地的全新应用监控系统，从 2021 年底正式开始使用。在过去的两年里，我们面临着数据量呈爆炸式增长的巨大挑战。然而，通过对计算和存储的不断优化，我们成功地控制了机器数量的指...
web版得物sign参数逆向
m0_53027469的博客
10-17 1998
网页版得物sign参数逆向
得物app 数据分析
dontbugme的博客
12-08 4475
一些app做了加解密，那么怎么才能采集到数据呢？
得物2021最新请求参数逆向-学习
w2786886635的博客
10-10 1824
某高档品牌购物网站名为（某物）最近也不知道什么时候请求参数和返回参数都进行了加密，多好的一个学习机会啊，直接开学 看一下他的参数，这不就是经典的AES加密嘛，用的是hex输出，直接开干 刚开始好家伙就来跟我玩debugger，直接false掉就行了，不用管。 好家伙，连点都不用断，直接就丢给我看了， 出了个混淆的代码，搜一下aes还真有。 先不着急看别的，先看一下加密的参数是什么。 sign就不用讲了，和以前的一样。其余的都是一些基本参数。 AES加密嘛......
毒（得物）APP历史购买数据抓取
热门推荐
yjack007的专栏
02-05 3万+
最近朋友炒鞋子，要抓取毒上的历史购买数据做参考。H5的页面跟app不一样，正好少了历史购买数据这块，只好通过APP来想办法了。下面是基于app操作的思路。 毒的2个主要页面，通过adb命令可获取。 usb连接手机后，打开毒app相关的页面，在电脑上执行： adb shell "dumpsys window | grep mCurrentFocus" 获取2个主要activity界面： 产...
js逆向--某会展中心--请求参数data加密以及响应体解密逆向分析（脱敏版）
SC201204的博客
03-18 1346
好了，本次的分析过程到此结束，如果说从最后发送请求的调用栈开始分析，可能存在难度，这时我们就要根据现象来采用不用的方式来定位位置。需要具体调试，微信公众号【逆向学习日记】回复【某会展中心】获取地址。
我想写一个题目： AI 适配与学习分析驱动的个性化学习路径规划系统设计与实现 需求： 根据学生的兴趣和能力定制学习计划；运用学习分析技术评估学习效果并提供阶段性评估和调整；支持多学科交叉学习。 技术：Spring Boot 搭建系统核心，AI接口调用规划学习路径，学习分析技术构建评估模型，数据挖掘构建学生画像，报告生成功能展示学习进展，路径规划算法优化学习流程，教育数据挖掘分析学习数据。其中学习路径怎么建表存入数据库学习路径又如何实现动态调整
04-08
<think>嗯，用户想设计一个个性化学习路径规划系统，涉及到AI适配和学习分析。首先，我得理解他的需求。系统需要根据学生的兴趣和能力定制学习计划，还要用学习分析评估效果，进行调整，还要支持多学科交叉。技术方面，他用Spring Boot做核心，调用AI接口，数据挖掘做学生画像，还有报告生成和路径规划算法。 问题主要集中在学习路径的数据库设计和动态调整。首先，建表的话，可能需要考虑学生、学科、学习路径、学习单元、评估记录这些实体。学生表存放基本信息，学科表管理多学科交叉，学习路径表关联学生和学科，记录当前状态。学习单元表存储具体的知识点或任务，评估记录表跟踪学生的学习效果。 动态调整方面，可能需要根据学习分析的结果，比如评估分数，触发调整策略。比如用机器学习模型预测学生是否适合当前路径，或者基于规则，比如分数低于阈值就调整路径。路径规划算法可能需要考虑学生的画像数据，比如能力水平和兴趣偏好，结合推荐算法生成新的路径。 还要考虑如何实现实时调整，可能需要定时任务或者事件驱动机制，当评估数据更新时，自动触发调整逻辑。数据库设计时要确保学习路径的历史记录，方便回溯和分析。可能需要版本控制，记录每次调整的时间点和原因。 技术实现上，Spring Boot负责业务逻辑，AI接口可能调用外部的机器学习模型，数据挖掘用Python库处理分析数据，报告生成可能需要模板引擎，比如Freemarker或Thymeleaf。路径规划算法可能需要图算法，比如Dijkstra或A*，或者基于推荐系统的协同过滤。 用户可能没有明说的需求包括系统的实时性、扩展性，以及如何处理多学科之间的依赖关系。需要确保数据库设计灵活，能够适应不同学科的结构，同时动态调整算法要高效，不影响系统性能。可能还要考虑数据隐私和安全问题，特别是教育数据敏感。</think>我将从数据库设计、动态调整策略和技术实现三个层次为您梳理该系统的实现方案： 一、学习路径的数据库设计（基于MySQL示例） 1. 核心表结构： ```sql CREATE TABLE Student ( student_id INT PRIMARY KEY AUTO_INCREMENT, name VARCHAR(50), ability_level ENUM(&#39;初级&#39;,&#39;中级&#39;,&#39;高级&#39;) DEFAULT &#39;初级&#39;, interest_tags JSON -- 存储兴趣标签数组 ["数学","编程"] ); CREATE TABLE Subject ( subject_id INT PRIMARY KEY, subject_name VARCHAR(30), dependencies JSON -- 学科依赖关系 {"prerequisites": [101, 102]} ); CREATE TABLE LearningPath ( path_id INT PRIMARY KEY AUTO_INCREMENT, student_id INT, subject_id INT, current_unit INT DEFAULT 1, progress FLOAT CHECK (progress BETWEEN 0 AND 1), FOREIGN KEY (student_id) REFERENCES Student(student_id), FOREIGN KEY (subject_id) REFERENCES Subject(subject_id) ); CREATE TABLE LearningUnit ( unit_id INT PRIMARY KEY, subject_id INT, unit_title VARCHAR(100), difficulty_level INT, required_time INT, -- 预计学习时长（分钟） content_type ENUM(&#39;视频&#39;,&#39;习题&#39;,&#39;实验&#39;,&#39;阅读&#39;) ); CREATE TABLE AssessmentRecord ( record_id INT PRIMARY KEY AUTO_INCREMENT, student_id INT, unit_id INT, score FLOAT, timestamp DATETIME DEFAULT CURRENT_TIMESTAMP, FOREIGN KEY (student_id) REFERENCES Student(student_id) ); ``` 二、动态调整实现策略 1. 实时监控机制： - 使用Spring Scheduler定时执行分析任务： ```java @Scheduled(fixedRate = 3600000) // 每小时执行 public void monitorLearningPath() { List<Student> students = studentRepository.findByLastUpdateBefore(LocalDateTime.now().minusHours(1)); students.forEach(this::adjustLearningPath); } ``` 2. 调整决策模型： ```python # 伪代码示例（Python机器学习模型） def predict_adjustment(student_data): model = load_model(&#39;path_adjustment_model.h5&#39;) features = [ student_data[&#39;progress_rate&#39;], student_data[&#39;assessment_scores&#39;], student_data[&#39;time_spent&#39;] ] prediction = model.predict([features]) return &#39;accelerate&#39; if prediction[0] > 0.7 else &#39;adjust&#39; if prediction[0] > 0.4 else &#39;remediate&#39; ``` 3. 路径优化算法： $$ \text{优化目标} = \arg\max_{p\in P} \left( \alpha \cdot S_{\text{兴趣匹配}} + \beta \cdot S_{\text{能力适配}} - \gamma \cdot T_{\text{预计耗时}} \right) $$ 其中： - $P$ 为候选路径集合 - $\alpha,\beta,\gamma$ 为权重参数（通过机器学习动态调整） - $S$ 为匹配度评分 - $T$ 为时间成本 三、技术实现关键点 1. Spring Boot集成： ```java @RestController @RequestMapping("/api/learning-path") public class PathController { @Autowired private AIModelService aiService; @PostMapping("/adjust/{studentId}") public ResponseEntity<?> adjustPath(@PathVariable Long studentId) { StudentProfile profile = dataMiningService.buildProfile(studentId); LearningPath newPath = aiService.generatePath(profile); pathRepository.updatePath(studentId, newPath); return ResponseEntity.ok(newPath); } } ``` 2. 动态调整实现流程： ① 数据采集 → ② 特征工程 → ③ 模型预测 → ④ 路径生成 → ⑤ 效果验证 3. 多学科交叉处理： - 构建知识图谱存储学科关系 - 使用图遍历算法寻找最优路径 ```python def find_interdisciplinary_path(start_subject, target_skills): graph = build_knowledge_graph() return nx.dijkstra_path(graph, source=start_subject, target=target_skills, weight=&#39;learning_cost&#39;) ``` 四、注意事项 1. 性能优化： - 建立路径版本历史表，记录每次调整 - 对频繁访问的学生画像数据使用Redis缓存 - 采用异步处理机制处理路径调整请求 2. 评估模型构建： $$ \text{学习效果评估} = \frac{1}{n}\sum_{i=1}^{n} \left( w_1S_i + w_2E_i - w_3T_i \right) $$ 其中： - $S_i$ = 单元测试得分 - $E_i$ = 学习效率指标 - $T_i$ = 时间消耗系数 - $w$ = 动态权重参数 建议采用A/B测试验证调整效果，持续优化算法参数。实际开发中应建立回滚机制，当调整后学习效果下降超过阈值时自动恢复上一版本路径。
评论 14
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

杨如画.

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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