本文只做分析，不提供任何源码。
对应的版本是fullpage.9.0.3.js，slide.7.7.7.js
这是最终的结果
90以上的正确率
网站的地址
aHR0cHM6Ly93d3cuZ2VldGVzdC5jb20vZGVtbw==
进入网站
我们要弄的是滑动模式-float
点击进入，演示一下全过程
可以看到network里面的请求，除去资源链接，像js,png,webp,css的加载不用管，滑动验证用到的链接有六条
这六条链接分别是干啥的呢
第一条：返回gt,challenge的，后面的链接都有用到
第二条：返回页面要加载的资源文件的
第三条：收集浏览器相关的信息上报，重点关注w参数
第四条：无感验证，上传浏览器信息，鼠标信息,这里也是w参数，不过生成办法略有不同
第五条： 返回滑块图片的地址，新的gt,challenge,第六条会用到的c,s参数
第六条：上传轨迹信息，也是w参数，加密方法和第三条的相同，加密前参数不一样。成功会返回validate
所以我们要做的就是模仿这六条链接，让它返回正确的值。
这样看来，事情还是看的到头的。
所以少年，按照这个步骤来，坚持下去，终会成功的。
下面我们逐条分析：
第一条：
https://www.geetest.com/demo/gt/register-slide?t=1617549357297
很明显t是个时间戳，伪造一下就可。
成功后返回gt,challenge
{"success":1,"challenge":"0f41739d7a9e789ab204d05b9db51ea2","gt":"019924a82c70bb123aae90d483087f94","new_captcha":true}
第二条
https://apiv6.geetest.com/gettype.php?gt=019924a82c70bb123aae90d483087f94&callback=geetest_1617549360375
gt,challenge是第一条的返回的，callback后面也是一个时间戳
返回的是资源文件的路径，貌似没啥用，不用管。
第三条
https://apiv6.geetest.com/get.php?gt=019924a82c70bb123aae90d483087f94&challenge=0f41739d7a9e789ab204d05b9db51ea2&lang=zh-cn&pt=0&client_type=web&w=W2tongI6fSZnPuFuElQ8dsEEx7uAFxMLdffsUF)NLo5S97UXVxcs0c7)vrynm0DAGJxa3ha1C(mspAn)PfWMGTO5rIBlXzSElo57DMsEOndVWx4waJbvFdjRtkUZ7EmsqIZiQDvPpTFe1PRweAwgZDMcs4bMY8j16mkGCw37hmU)h86CfP2TmVfc5XcoIzPVegZlQfEnLEWxw1LxPmODIsWL0iWlG6Shcbohva700fj7V(58BQunDwnx8Isj1MMUKGPMbcf24y9vlIgTZAiJ1Y7QbY06g0Mn20(xF(ytFrXxobQw2hIku7jAxa8TBF2KCqPEjaRlGryWeIqRv)6SEbHE9JujmRSldjmavqDcNetmJYoz9k(LWv3QFrvQt7fV4mrG4)fkBAlDZP5Zrp30yNyD9f(4upM3JD1nEtEkwkZDgC3cJGb)x)OtaHaE6oifTNZBf5bgRKvckuFY4q5oXYT5smS2Ks5k1gCJWrd02jqKK4psfb1O)uYtVKWEigBFja9GhcKcB(8aRcFmkIlb(5xljGB5FVrc9jb4R5J6Iip4(jqZ4xFymb25lBr3YDbUY8vLGnQH7tX35FRQs84YkAmbN2hr6XXEm7k3ui)dbtqTYnrcAtX1siGAiSeK(Gy3iUHgitqasULeHsMsufeMX0OT19Ohou6tV1hLipakI2R5jEqMC(NEuWsLfST0Hi3jkjgBu8j33YX(Kk3YtX8Q4DQt503I9kRNKPGvbfnyriw9WnMhtkMDGAonsp0Hgy)qo3ihT7(xJh3or((xU(0lm6ZURDtJd)tSubIClPLeRSiJ4y3tFnbRt4uEwH7QU5fmhXzBphTvOK6gr0FZxvEpWHllrlwDsOrHeZIT(PnqnfBAzuzdLDIl6ohL(Xlpe5luUYH0bp1IcC13TBT)lj1Fgsfjf(l3bMThEoB9hSB7C3JNeuAZyyOBgV7BebvdLBqnDPskPZVVPREKE8NYtlUGIaLFHMTsKUHgogZFL8lw8BH6C6cinfswXQNGui21qJFo5BPyVzqEMHpJXpjg3Q2JWxC33fgxf67DQW)Gx1p9Cje26lXPw1svSDCv1WXGmxDcwPYEEjM3KuvdGvry(P6LWpwMrZBwjb2CQW6x17FRugdpufa17o(JhzNuWqRoltG7YybNODitdG8YaK7UWZ3QkF29ohra8Ub6UqKJdOpEJM6Bvk5Hudo0aVxulFoJZYh(7sNhYULO7lqktvfmnxasKzix7pv4DTno2rSp7Cth7IPOY1fLoYzOGLXsAy9qsTU(4wDQmfDoGbxSYr1U()T)Tg)cMnUZIsVtUSdVsl1LfJVYGTwEWsPf(DW(N8I6fHWiPQxUltIbEg2FDCMNIqbCw2FCKqxweHD6HKX0AVC4Sm1j0)L9rh(lIQz24eK8)EekKl7QuriSNWjIxZhStfASm(GUuaJCg9mkE3BgSM4)ef468yO8uzhFA1F(0QQm)oxTrV(jdaemkj5NxzZVHyZaaRxWsI5AnDD1rqGtBnjt6G2bkUqlTD0sMEOpviw53ZsZyS6)WqBJLpItsR1zmgPxABcKi1pOkzk0equ(QK3)aRgLLCGd1ix2A5xkONbS7CxUkRaQhw5jojYTqOZt4vtGnpVJFjEk2bLzhzEw(Ao9ir(b2)c)YrDyCH8xMPssp9(VgQR5MgrMR4PNkZPCtJGKjdSQu2z6H9cv9r(BEZ1WWDPK1x64noKkW6ydUwHp(dQONNaYKGU7PDRjYXwfxNKRGVZjXTb9DXTWnTShBsboral6ssmF9jKcbsnIFrFVhtsTHyHkwX6XgYngiBb4DHQqhWV8kVy09SDWiFFF7A0X(1fvSHi0127xFh4NmhY954KZUHM0Lsx0Up8lG)mx8pd9CGT5sNg1jN19mGdVAHIcVrGLsqTO6n7OJLUk6XsnqXt6T9z44g)wkAefIZVkOOjCKf3nFGXCcL0KXSP)g5gYnN)5QEuZf3HAqzrO0ak5cxSZVOaWdDPee0utdDCaSXXz)yNawI6C)we41AMu7HhRphRtDhkD9DtRAd1wyJKrvOYDnJljzwjeFTHyHNBfVAsPdAG3NUd6mhgdH0cJAwxWw11)Df97ACUfi7lOEQoZW8)pPO6u6oSxfFnHOosSbDMcmwrGpSHPgPMRnmXhOnZ0zYARynP1kiHiGitqYrOXJhlLBkhLGBGxG85qQ7UOrYwUeqjxUSWwQBvTdKEo05z5eoJhwcLIZEx1yTo9awkp84xmiZ6LUinJ2PYaVAVFedxFtUaKDQALn3mOImveW7vlTdFnTd4lIolW0fXvlLlvshvmARZHC8R2R(ytXwvmSwE3s)TGiiDDAKtMq5pkJ)7GPpfxMOFr53ViT4EisFL(s0jxkuKTpL3brWAUFdxvL20JzEfZE9V9x5DoL9teO7OvbuNFgZez7TNCIJylaPbxbSNimaXv)NMyjKDDLZLLNfgrbMkjlG7Atcfxkgxk3sG3cdQvz5BZdnGVHaJsjyFq(mbaaeb2dfb1fcec7ca5215ba886fd83a25cc494e736ac38c8c1b5612929afb5542ce2c0855421663e3148e1ef8c2a4d12baeb362cf3d8ffcdf76e0f72e38b01b895f4792eb9c2c4feb845314b8f15bf22afe616aca9daa299f21dde5390d6bb60d71e954d1dfc3c5cef38aa66e5a3d09ab8fdf134f2e1810b6ca43a9ff37aaa6c97&callback=geetest_1617549361263
里面的关键参数w
我们怎么找呢
正常是用搜索大法看看能不能搜出来
但我可以很确定的告诉你搜不出来
那就追追堆栈吧
这里的调用顺序是从上往下的，我一般习惯跟带有anonymous关键字的，这五个都点进去，打上断点。
重新加载一下页面，就会停在我们debugger的某个点，看看它附近有没有可疑的数据，没有就下一个。
上面我们可以发现w参数在那个debugger点前就生成了，在这个函数的开始的第一行打上断点，去掉其他debugger点，再次刷新页面，停在了debugger处，查看callback,往上个函数找。
重复这个步骤，最终会定位到这里
而\u0077就是w的unicode码
接下来就是抠代码操作了，没啥好说的，耐心加细心。
其实浏览器的数据固定就好，把gt,challenge加进去就好，还有就是参数a和n共用的是一个密钥，而且这个密钥是客户端随机生成的，估计是n参数服务端可以解密出来，然后再用解密出来的密钥把a解出来，后面第四条链接也是用的这个密钥，所以第四条链接不用n参数。
w参数伪造成功后，会返回类似下面的数据
geetest_1617613271619({"status": "success", "data": {"theme": "wind", "i18n_labels": {"goto_cancel": "\u53d6\u6d88", "loading_content": "\u667a\u80fd\u9a8c\u8bc1\u68c0\u6d4b\u4e2d", "ready": "\u70b9\u51fb\u6309\u94ae\u8fdb\u884c\u9a8c\u8bc1", "success_title": "\u901a\u8fc7\u9a8c\u8bc1", "error_title": "\u7f51\u7edc\u8d85\u65f6", "next": "\u6b63\u5728\u52a0\u8f7d\u9a8c\u8bc1", "read_reversed": false, "error": "\u7f51\u7edc\u4e0d\u7ed9\u529b", "reset": "\u8bf7\u70b9\u51fb\u91cd\u8bd5", "success": "\u9a8c\u8bc1\u6210\u529f", "fullpage": "\u667a\u80fd\u68c0\u6d4b\u4e2d", "next_ready": "\u8bf7\u5b8c\u6210\u9a8c\u8bc1", "copyright": "\u7531\u6781\u9a8c\u63d0\u4f9b\u6280\u672f\u652f\u6301", "refresh_page": "\u9875\u9762\u51fa\u73b0\u9519\u8bef\u5566\uff01\u8981\u7ee7\u7eed\u64cd\u4f5c\uff0c\u8bf7\u5237\u65b0\u6b64\u9875\u9762", "goto_homepage": "\u662f\u5426\u524d\u5f80\u9a8c\u8bc1\u670d\u52a1Geetest\u5b98\u7f51", "error_content": "\u8bf7\u70b9\u51fb\u6b64\u5904\u91cd\u8bd5", "goto_confirm": "\u524d\u5f80"}, "theme_version": "1.5.8", "logo": true, "s": "322c752f", "static_servers": ["static.geetest.com", "dn-staticdown.qbox.me"], "c": [12, 58, 98, 36, 43, 95, 62, 15, 12], "feedback": "https://www.geetest.com/contact#report", "api_server": "apiv6.geetest.com"}})
第四条
第四条就是用来无感验证的
主要就是w参数，按照第3条的方法来找即可。w参数加密前主要的数据就是轨迹数据，还有一些md5验证，这个无感验证的轨迹，直接取个通过的数据固定就好， MD5的话有3个是对浏览器数据进行md5,直接固定就好，它服务端也验证不了。还有一些md5是根据gt,challenge,passtime来md5的，这些就要按照它的规则来。
伪造成功后返回
geetest_1617614725080({"status": "success", "data": {"result": "slide"}})
第五条
https://apiv6.geetest.com/get.php?is_next=true&type=slide3>=019924a82c70bb123aae90d483087f94&challenge=c5954bdcf12e61f80b0c067b60e70b39&lang=zh-cn&https=true&protocol=https%3A%2F%2F&offline=false&product=embed&api_server=apiv6.geetest.com&isPC=true&autoReset=true&width=100%25&callback=geetest_1617614729666
伪造成功后返回
geetest_1617614729666({"link": "", "fullbg": "pictures/gt/d401d55fc/d401d55fc.jpg", "version": "6.0.9", "width": "100%", "static_servers": ["static.geetest.com/", "dn-staticdown.qbox.me/"], "theme": "ant", "theme_version": "1.2.4", "height": 160, "template": "", "type": "multilink", "api_server": "https://apiv6.geetest.com", "gct_path": "/static/js/gct.399e58262da52825b9fb5463cb9ad7cd.js", "benchmark": false, "c": [12, 58, 98, 36, 43, 95, 62, 15, 12], "clean": false, "challenge": "c5954bdcf12e61f80b0c067b60e70b396q", "s": "2c317641", "feedback": "https://www.geetest.com/contact#report", "logo": true, "product": "embed", "https": true, "gt": "019924a82c70bb123aae90d483087f94", "fullpage": false, "so": 0, "slice": "pictures/gt/d401d55fc/slice/cebc1a5ef.png", "ypos": 55, "xpos": 0, "i18n_labels": {"close": "\u5173\u95ed\u9a8c\u8bc1", "logo": "\u7531\u6781\u9a8c\u63d0\u4f9b\u6280\u672f\u652f\u6301", "slide": "\u62d6\u52a8\u6ed1\u5757\u5b8c\u6210\u62fc\u56fe", "tip": "\u8bf7\u5b8c\u6210\u4e0b\u65b9\u9a8c\u8bc1", "refresh": "\u5237\u65b0\u9a8c\u8bc1", "error": "\u8bf7\u91cd\u8bd5", "voice": "\u89c6\u89c9\u969c\u788d", "cancel": "\u53d6\u6d88", "success": "sec \u79d2\u7684\u901f\u5ea6\u8d85\u8fc7 score% \u7684\u7528\u6237", "forbidden": "\u602a\u7269\u5403\u4e86\u62fc\u56fe\uff0c\u8bf7\u91cd\u8bd5", "fail": "\u8bf7\u6b63\u786e\u62fc\u5408\u56fe\u50cf", "read_reversed": false, "feedback": "\u5e2e\u52a9\u53cd\u9988", "loading": "\u52a0\u8f7d\u4e2d..."}, "mobile": true, "bg": "pictures/gt/d401d55fc/bg/cebc1a5ef.jpg", "show_delay": 250, "id": "ac5954bdcf12e61f80b0c067b60e70b39", "hide_delay": 800})
里面有我们要的图片链接
返回的图片是乱序的
网上找了下，有人写好了还原的算法。
import numpy as np
from PIL import Image,ImageChops
import matplotlib.pyplot as plt
def sequence():
t = 0
n = []
e = "6_11_7_10_4_12_3_1_0_5_2_9_8".split("_")
for r in range(0, 52):
t = 2 * int(e[int(r%26/2)]) + r % 2
if 0 == int(r/2)%2:
t += -1 if (r%2) else 1
t += 26 if (r<26) else 0
n.append(t)
return n
def gen(_seq, _img):
"""
用于将图片还原
@param _seq: 图片的序列号，也就是 Sequence 方法生成的结果
@param _img: 图片
@return new img
"""
r = 160
a = int(r / 2)
np_image = np.array(_img)
new_np_img = np.zeros((160, 312, 3), dtype=np.uint8)
for u in range(0, 52):
c = _seq[u] % 26 * 12 + 1
_ = int(a if (25 < _seq[u]) else 0)
xpos = u % 26 * 10
ypos = a if (25 < u) else 0
# var l = getImageData(c, _, 10, a);
# putImageData(l, u % 26 * 10, 25 < u ? a : 0);
slice_img = np_image[_:(_+a), c:(c+10)]
n = len(slice_img[0])
new_np_img[ypos:(ypos+a), xpos:(xpos+n)] = slice_img
return new_np_img
# 图片还原
seq = sequence()
img = Image.open('bg.jpg')
newimg = gen(seq, img)
plt.imshow(newimg)
plt.imsave("k3_bg.jpg", newimg)
图片还原后定位到阴影点的x坐标
import numpy as np
from PIL import Image,ImageChops
import matplotlib.pyplot as plt
def compute_gap( img1, img2):
"""计算缺口偏移 这种方式成功率很高"""
table = []
for i in range(256):
if i < 50:
table.append(0)
else:
table.append(1)
# 将图片修改为RGB模式
img1 = img1.convert("RGB")
img2 = img2.convert("RGB")
# 计算差值
diff = ImageChops.difference(img1, img2)
# 灰度图
diff = diff.convert("L")
# 二值化
diff = diff.point(table, '1')
left = 43
# 这里做了优化为减少误差 纵坐标的像素点大于5时才认为是找到
# 防止缺口有凸起时有误差
for w in range(left, diff.size[0]):
lis = []
for h in range(diff.size[1]):
if diff.load()[w, h] == 1:
lis.append(w)
if len(lis) > 5:
return w
img1 = Image.open('k3_fullbg.jpg')
img2 = Image.open('k3_bg.jpg')
x = compute_gap(img1, img2)
第六条
第六条主要就是轨迹的伪造了
我们要注意的是我们要划的长度是多少
在前面我们算出的x是如图所示的x,而我们要划的长度是：x-滑块和背景图之间的距离
它的轨迹数据是这样的
[[47, 23, 0], [1, 0, 223], [2, 0, 40], [1, 0, 16], [2, 0, 16], [1, 0, 16], [2, 0, 16], [1, 0, 16], [1, 0, 16], [1, 0, 8], [1, 0, 8], [1, 0, 8], [1, 0, 8], [1, 0, 8], [2, 0, 8], [1, 0, 16], [2, 0, 8], [1, 0, 8], [1, 0, 8], [2, 0, 8], [1, 0, 8], [3, 0, 8], [2, 0, 8], [3, 0, 8], [1, 0, 8], [1, 0, 8], [1, 0, 8], [1, 0, 8], [1, 0, 8], [1, 0, 24], [1, 0, 8], [1, 0, 8], [1, 0, 16], [1, 0, 8], [1, 0, 8], [1, 0, 8], [1, 0, 8], [1, 0, 8], [1, 0, 16], [1, 0, 8], [1, 0, 8], [1, 0, 24], [1, 0, 8], [1, 0, 8], [1, 0, 24], [1, 0, 8], [1, 0, 8], [1, 0, 8], [1, 0, 8], [1, 0, 8], [1, 0, 16], [1, 0, 8], [1, 0, 24], [1, 0, 72], [1, 0, 24], [1, 0, 24], [1, 0, 56], [1, 0, 8], [1, 0, 40], [1, 0, 32], [1, -1, 16], [1, 0, 8], [1, 0, 56], [1, 0, 24], [1, 0, 40], [2, -1, 88], [1, 0, 416], [0, 0, 24]]
第一个数据[47, 23, 0]代表的是图中的x,y,0是固定的
后面的数据就是[x坐标的移动距离，y坐标的移动距离，所用的时间]
轨迹主要分3个阶段起始的加速阶段，中间的匀速阶段，后面的调整阶段
我的做法就是，首先记录一段正常的轨迹数据，然后在这个正常的轨迹基础上，按照x的比率缩放这3个阶段的数据。
x不正确的话，会返回
geetest_1617617004437({"success": 0, "message": "fail"})
如果你的x是正确的，轨迹却被检测了，就会返回
geetest_1617268400314({"success": 0, "message": "forbidden"})
如果你的轨迹是正常的，就会返回validate
geetest_1617460258020({"score": "11", "success": 1, "message": "success", "validate": "3b44db3710f32edf21e34cbe3e46a7fc"})
