yun片滑块逆向

某片滑块网址如下：

aHR0cHM6Ly93d3cueXVucGlhbi5jb20vcHJvZHVjdC9jYXB0Y2hh
网址通过base64解密后获得

这里我们以嵌入式滑块为例，大部分滑块基本都是两个接口，一个获取验证码，一个校验验证码，我们打开network，模拟抓包后锁定两个请求

我们将两个接口参数解析之后发现get请求有四个，如下

校验验证码则多一个token

我们先跟栈分析get请求

可以发现，整个链接参数都在这里生成，跟参发现，cb为一个随机数，i和k由加密e数据而来，e则包含了浏览器的一些指纹信息，captchaId为一个固定参数，因此，只要分析cb，i，k参数即可

接下来，跟到cb参数中，将方法扣下来就行

然后先查看e中部分指纹的由来，这里最方便的就是全局搜索一下fingerprint关键词

发现指纹也是由浏览器环境信息生成而来，这里可以扣下整个生成的方法，也可以固定，扣下来大概是这样

然后我们回到i和k生成的地方

发现i是aes加密，i的秘钥和初始化向量也是一个16位的随机数，而k是rsa加密，其中k的公钥也能找到

这里，我们尝试使用js来还原这两种加密，使用crypto和jsencrypt库，简单还原后如下

// aes加密函数
function encrypt(plaintext, key, iv) {
	const keyBuffer = Buffer.from(key, 'utf8');
	const ivBuffer = Buffer.from(iv, 'utf8');
	
	const cipher = crypto.createCipheriv('aes-128-cbc', keyBuffer, ivBuffer);
	let encrypted = cipher.update(plaintext, 'utf8', 'base64');
	encrypted += cipher.final('base64');
	return encrypted;
}

// rsa加密函数
function encryptRSA(N){
	let s = new jsencrypt();
	s.setPublicKey('MIGfMA0GCSqGSIb3DQEBAQUAA4GNADCBiQKBgQDnOWe/gs033L/2/xR3oi6SLAMPBY5VledUqqH6dbCNOdrGX4xW+1x6NUfvmwpHRBA2C7xWDDvOIldTl0rMtERTDy9homrVqEcW6/TY+dSVFL3e2Yg2sVaehHv7FhmATkgfC2FcXt8Wvm99QpKRSrGKpcFYJwOj2F8hJh+rTG0IPQIDAQAB')
	const encryptedData = s.encrypt(N)
	return encryptedData
}

接着，我们组装成python代码，成功得到请求

get请求就分析完成了，接下来分析verify请求，继续跟栈，发现加密的请求入口是一样的，那么我们只需要找到token参数和还原加密轨迹就行

仔细观察get请求返回的餐户数，token其实在get请求中

然后查看堆栈参数，发现这里的e稍有不同

最关键的就是多了两个参数，distanceX和points，初步分析，distanceX是一个归一化向量，points是坐标轨迹，我们继续往前跟栈分析

找到传参位置，distanceX就是r，r的生成，就是由得到的大背景图的宽度和缺口图的宽度和偏移量进行计算的，经过多测测试，大背景图宽度不变，缺口图宽度可能有一些变化，但是大体上基本不变，所以，这里可以将这两个参数固定住

注意： 小图宽度经试验后，有时是59，有时是60，变化不大，可以固定，因为最后校验的偏移值，实际上在后端校验中，都会有几个像素的浮动值，因为不能保证每次都能移到缺口正中间位置

	this.imgWidth = 304;
	this.alertImgTagwidth = 59;
    distanceX= (this.imgWidth - this.alertImgTagwidth) * (this.offsetX / (this.imgWidth - 42)) / 304;

接下来滑块轨迹，可以继续跟栈，去扣生成的代码，也可以自己模拟生成，这里经过多次断点分析后，发现第一个参数是x的移动距离，第二个参数是y的移动距离，而第三个参数是时间戳的变化，所以，大致模拟过程如下

	function reducePoints(offsetX){
		points = [[800 , 1979, 5]]
		var min = 10;
		var max = 30;
		for ( var i = 1; i<21;i ++){
			x = 800 + (offsetX / 20) * i
			randomInt = Math.floor(Math.random() * (41)) + min;
			point = [x , points[i - 1][1] + 1, points[i - 1][2] + randomInt]
			points.push(point)
		}
		return points
	}

这里初始x,y,时间戳都可以固定，我这里循环了20次，最后一共生成21个点

注意：经本人实验后，生成的轨迹点数太少不会通过，具体多少个没有实验，生成21个基本上没有问题

最后将代码拼凑整合一下，如下

然后，使用python请求发包，这里需要注意个点，从get请求拿到的大图，和网页中的图像大小是不一致的，所以轨迹需要做一个计算，轨迹的计算很简单，偏移量 / 大图宽度 * 网页图宽度 即可

最后成功