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，请在公众号【K哥爬虫】联系作者立即删除！
逆向目标
- 目标：VK 登录验证码
- 网址：
aHR0cHM6Ly92ay5jb20v
抓包分析
打开网址，选择邮箱登录，随便输入一个未注册的邮箱号，比如 aaw2，方便触发风控验证。输入完点登录会重定向到新的登录页面，重新输入，正常会显示 账号未找到，多点几次就会触发风控，登录有两种验证，如下图所示，分别为一点即过的和滑动拼图，这拼图人都不好滑对：
若触发验证，auth.validateAccount 接口响应返回的 errcode 为 14，redirect_uri 中的 session_token 后续接口会用到：
该接口的请求参数中，login 为输入的邮箱号，client_id 是定值，device_id 加密生成，后文分析，auth_token 是登录重定向接口响应返回的：
not_robot_captcha 接口的响应内容中，show_captcha_type 为触发的验证码类型，滑动拼图为 slider，一点即过的为 checkbox，可以此区分触发的类型，captcha_settings 中的参数会用于后续获取图片的接口，其余部分后文分析：
captchaNotRobot.getContent 接口返回的图片链接，请求参数中的 adFp 如何加密生成，响应返回的 steps 有何作用，后文分析：
验证接口为 captchaNotRobot.check，请求参数中，debug_info 为固定值在 not_robot_captcha.js 文件中，hash 加密了一些环境参数，answer 编码了拼图的还原顺序，这些后文都会逐一分析：
- 参数值异常：
{"response":{"status":"ERROR"}}； - 还原顺序错误：
{"response":{"redirect":"","show_captcha_type":"slider","status":"BOT","success_token":""}}； - 验证通过：
{"response":{"redirect":"","show_captcha_type":"","status":"OK","success_token":"eyJ..."}}。
逆向分析
device_id
从 auth.validateAccount 接口跟栈到 auth.js 文件中，直接搜索 device_id 会发现有 100 个匹配项，一个个下断调试显然不现实。跟栈到下图处，此时的 s 中 device_id 已经生成了，s 对应 e.bodyParams，e 是传进来的参数，因此，在最前面下断：
刷新网页，即会断住，但此时还未传入 device_id，下步断点断到该值传入时为止：
向上跟栈到下图处，此时 NQ.deviceId 即 device_id 参数的值：
搜索 NQ 可定位到如下代码处，首次生成后会通过 localStorageService 存储到浏览器，代码中有很多类似的位置，这里不是生成前的位置，但是不影响分析，主要走到 Ln 中：
r = TQ.authLocalStorageServiceEverywhere ? NQ.deviceId : Ln();
跟进到 Ln() 中，逻辑如下：
function Ln() {
let e;
try {
e = localStorage.getItem("deviceId")
} catch (e) {}
if (!e) {
e = on();
try {
localStorage.setItem("deviceId", e)
} catch (e) {}
}
return e
}
remove 掉缓存中的 deviceId，再刷新网页，即会断到 on 中处：
on 中就是其算法的生成逻辑：
let t = ""
, n = 21;
for (; n--; )
t += "useandom-26T198340PX75pxJACKVERYMINDBUSHWOLF_GQZbfghjklqvwyzrict"[64 * Math.random() | 0];
console.log(t);
adFp
adFp 是获取背景图片链接接口的加密参数，从该接口的堆栈跟到 not_robot_captcha.js 文件中，ctrl + s 局部搜索下 adFp，发现就一个位置，下断后重新获取验证图片即会断住。如下图所示，此时 window.rb_sync 中 adFp 的值已经生成了：
再回到 Network 看接口，ctrl + s 搜索下 adFp 参数的值，找到第一次生成的位置，出现在 /csp 接口的请求参数中：
blocked-uri 中的接口在首页 vk.com 生成二维码时就会触发，因此该值需要在首页调试，否则都是从封装的 IndexedDB 中取已存储的值，无法定位生成逻辑。
从 /fp/?id= 堆栈跟到 sync-loader.js 文件中，在 return e(r(t(n))); 处下断点，走的异步流程，刷新网页断住后单步往下跟，跟到下图处就会发现熟悉的 window.rb_sync，此时 id 的值还是 undefined：
接着往下跟，到下图处就会发现，i 即 adFp 参数的值，因为 o 为 undefined，所以生成逻辑就在 Kr() 中：
跟进去，逻辑如下：
const Kr = window.crypto ? function () {
var n = arguments.length > 0 && void 0 !== arguments[0] ? arguments[0] : 21;
return crypto.getRandomValues(new Uint8Array(n)).reduce((function (n, t) {
return n + ((t &= 63) < 36 ? t.toString(36) : t < 62 ? (t - 26).toString(36).toUpperCase() : t > 62 ? "-" : "_")
}
), "")
}
也可用 python 复现：
def get_ad_fp(n=21):
result = []
for _ in range(n):
# 使用 os.urandom 生成密码学安全的随机字节
random_byte = ord(os.urandom(1))
# t &= 63 (保留低6位)
t = random_byte & 63
# JavaScript 的 toString(36) 逻辑
if t < 36:
# 使用 Python 的 base36 转换
if t < 10:
result.append(str(t))
else:
result.append(chr(ord('a') + t - 10))
elif t < 62:
# (t - 26).toString(36).toUpperCase()
# 实际上就是大写字母 A-Z
result.append(chr(ord('A') + t - 36))
elif t > 62:
result.append('-')
else: # t == 62
result.append('_')
return ''.join(result)
browser_fp
从验证接口 captchaNotRobot.check 跟到 not_robot_captcha.js 文件中，搜索后发现仅有两处，都打上断点，刷新网页断住，n.analyticsModel.fingerprint 即 browser_fp 参数的值：
刷新网页，断到上面的 n.analyticsModel = e 处，此时 fingerprint 值还未生成，也就是生成流程在中间这一块了：
这里就不单步慢慢跟了，搜索 analyticsModel.fingerprint 定位到下图处，t.visitorId 就是目标值：
t 定位在上面一行，跟到 e.get 中去，发现就是 Of(this.components) 生成了 browser_fp 参数的值，this.components 是一堆环境参数，如 audio、canvas、plugins 等等：
Of 其实就是高度混淆后的 MurmurHash3（x64 128-bit）哈希算法的实现，特征点很多，以输出结构为例（4 × 32bit）：
("00000000" + (a[0] >>> 0).toString(16)).slice(-8)
("00000000" + (a[1] >>> 0).toString(16)).slice(-8)
("00000000" + (s[0] >>> 0).toString(16)).slice(-8)
("00000000" + (s[1] >>> 0).toString(16)).slice(-8)
MurmurHash3 是一种非加密型哈希函数，由 Austin Appleby 在 2008 年设计。它以其高性能、良好的分布性和低碰撞率而闻名，广泛应用于哈希表、布隆过滤器、缓存键等场景。其比 MD5、SHA-1 等加密哈希快得多，但他不能称为加密算法，并非以安全为设计目标。
感兴趣的小伙伴可以去了解下该算法，网页抠出来的 Of 算法以及 python 复现的代码都会分享到知识星球中，以供学习交流。
connectionDownlink、connectionRtt 都是网络相关的参数，一个是下载速度或下行带宽，一个统计数据包从发送端到接收端再返回发送端所需的总时间，至此请求参数分析完成了。
图像识别
验证接口请求参数中的 answer 就和滑动距离、轨迹有关，其就定义在 browser_fp 下面，base64 编码：
wO(JSON.stringify({value: t}))
t 就是小图的移动路径，是怎么生成的呢？向上跟栈到下图处，this.checkResult 中的 e.value 就是 t 值，type 为 slider：
直接搜索 checkResult 即可定位到位置：
再网上跟栈就能到 const IS 中，这里就是滑动拼图的组件，分析这段代码，再结合 captchaNotRobot.getContent 接口返回的 steps，就能知道 t 的生成逻辑，对比如下：
// steps
const steps = [
5,13,2,24,1,19,20,5,6,1,14,5,22,24,1,20,16,24,6,8,
2,9,12,13,24,17,16,4,2,22,14,23,16,10,14,2,5,12,23,
15,24,21,17,2,13,18,22,8,2,9,0,8,19,14,9,2,16,15,10,
23,3,21,16,2,13,20,15,0,14,16,4,16,1,5,11,2,24,2,19,
23,16,3,22,7,2,7,19,13,14,19,20,1,9,22,17,16,14,14,7,2
];
// 滑动正确的结果
const t = [
13,2,24,1,19,20,5,6,1,14,5,22,24,1,20,16,24,6,8,2,
9,12,13,24,17,16,4,2,22,14,23,16,10,14,2,5,12,23,15,
24,21,17,2,13,18,22,8,2,9,0,8,19,14,9,2,16,15,10,23,
3,21,16,2,13,20,15,0,14,16,4
];
综上，根据 steps 路径移动小图，移到拼成的点为止，截取 steps 就能得到正确的 t 值：
// 拖动滑块的距离
const sliderValue = 36; // 0 - 49
// 生成路径 t
// P = i.slice(0, 2 * w)
const t = steps.slice(1, sliderValue % 2 === 0 ? 2 * sliderValue - 1 : 2 * sliderValue + 1);
// t = steps[1: (2 * slider_value - 1) if slider_value % 2 == 0 else (2 * slider_value + 1)]
剩下的就是需要分析，移动到哪拼图能被还原，找到 “还原点”。
我们将图片切成 25 个块（5×5），根据分析，拖动滑块，每次都是按照移动序列执行 “两两 swap”（1 2、3 4、5 6），每一步都计算整张图的边缘总不连续度：
- 右邻边：block[i].right vs block[i+1].left
- 下邻边：block[i].bottom vs block[i+5].top
找全程最优状态，当整张图的边缘误差达到全局最小值时，就说明所有块都回到了原始相对位置，这一步就是 “还原点”。
连续性评分，公式描述如下：
$$
\text{Score}
=
\sum_{(A,B)\in\mathcal{N}}
\mathbb{E}\left[
\left|
\text{Edge}_A - \text{Edge}_B
\right|
\right]
$$
相关还原算法会分享到知识星球中，以供学习交流，还原效果如下：
结果验证
