【验证码逆向专栏】百某网数字九宫格验证码逆向分析

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！

目标

目标：百 X 网数字九宫格验证码逆向分析

网址：aHR0cHM6Ly9iZWlqaW5nLmJhaXhpbmcuY29tL296L3M5dmVyaWZ5X2h0bWw=

抓包分析

本例中的验证码不是很难，但网站埋了点儿坑，容易出现识别正确、参数也正确，但仍然请求不成功的情况。访问主页响应码为 307，接着请求了一个 bf.js 和两个 s.webp 的图片，然后又跳转到首页出现验证码。如果你没有以上步骤，请求主页直接就是 200 出现验证码，则需要清除 cookie 后再访问，因为第一次 307 到请求 bf.js 再到两次 s.webp 都是在设置 cookie。

第一次请求主页，response headers 会设置一个名为 _trackId 和 __city 的 cookie，如下图所示：

然后带着这两个 cookie 请求了一个 bf.js，这个 js 用于后续两个 s.webp 请求参数的加密，这里注意，第一个坑，虽然可以直接调试 js 扣算法下来后面直接用就行了，但是这个 js 必须得请求一遍，不然后面请求主页的时候一直是 307。

然后请求第一个 s.webp，get 请求，有三个参数：cf、s 和 f，明显是加密得来的，同时请求的 cookie 也多了三个值：c0fc276cce08ba22dc、c1fc276cce08ba22dc 和 bxf，如下图所示：

然后请求第二个 s.webp，和第一个类似，get 请求也有三个参数：cf、s 和 f，cookie 和第一个一样，但第二次请求返回了一个名为 sbxf 的新 cookie，其值和 bxf、c1fc276cce08ba22dc 其实是一样的，如下图所示：

然后带上 __trackId、__city、c0fc276cce08ba22dc、c1fc276cce08ba22dc、bxf 和 sbxf 这六个 cookie 再次访问主页，就是验证码页面了，返回的 html 里有个新的 js，很长一串，如下图所示：

然后观察这个 js，里面包含了验证码图片的 URL，以及需要点击的数字，如下图所示：

点击验证后，会给 verify_url 发一个 get 请求，请求参数主要有一个 data，即点击坐标（这个坐标也有讲究，有可能你的值是对的，但有时候也不成功，这个后文再细说），cookie 和前面的请求一样，如果验证成功，会返回 ret 为 0，且有一个 code 供后续请求使用，如下图所示：

获取 cookie

这里再注意一点，所有的请求，header 只需要 Referer 和 User-Agent 就行了，不要乱加，比如多了个 Host 也有可能导致后续请求不成功。

想要拿验证码，得先搞定 cookie，总体流程如下：

请求首页 s9verify_html 获取 __trackId 和 __city，主要是 __trackId，__city 要不要都行；
请求 bf.js，这一步不干啥，但必须得请求，不然 cookie 不能用；
第一次请求 s.webp，cookie 里多了 c0fc276cce08ba22dc、c1fc276cce08ba22dc 和 bxf，均为 js 生成；
第二次请求 s.webp，返回的 cookie 里多了 sbxf，其值和 bxf 一样，这一步可以理解为激活 cookie，使其有效。

前两步倒没有啥，第 3、4 步都有加密参数 s 和 f，观察这两个 s.webp 都是 fetch 请求，所以我们直接一个 fetch 断点，断下后可以看到 cb 就是我们需要的两个参数：

观察 bf.js 是一个小小的类似 OB 混淆，可以 AST 解一下混淆，但这个逻辑不是很复杂，所以直接硬看也行，关键语句 cb = c3['s'](c7, c8)，c7 是定值一个字符串 fc276cce08ba22dc，c8 也是定值表示颜色的字符串 rgba(255, 0, 0, 255)：

主要是 c3['s']() 这个方法，跟进去，首先会取一下 c0fc276cce08ba22dc、c1fc276cce08ba22dc 和 bxf 三个值，如果有的话，直接返回，如果没有的话，会生成新的，生成方法主要是 c6 这个函数，如下图所示：

继续跟到 c6 方法里，首先对字符串 rgba(255, 0, 0, 255) 做了一个操作，生成了一张图片的 base64 字符串：

这里其实很明显是 canvas 绘图的一些操作，跟到 c7 看看确实是这样的：

这里对于我们扣算法来说，其实就不需要管了，因为同一台设备的同一个浏览器，按照相同的规则绘制的图片，base64 值是一样的，所以我们直接忽略 c7 这个方法，直接把生成的 base64 值拿来用就行了。

然后又将 base64 值进行了一个 c3["hash"]() 的操作，根据最终的值，或者跟到方法里去看，很容易发现这个其实就是个 MD5 的操作：

接着往下看，八个字符串为一组，将 md5 值分为四组，然后四组之间用 0 或者 1 连接，拼接成新的 35 位字符串，拼接的是 0 还是 1，取决于中间的三目语句，判断是否为 true，支持情况下都是 true，所以扣算法的话根本就没必要再跟进去看是怎么判断的，直接用 1 拼接就完事儿了。然后将固定的字符串 fc276cce08ba22dc 和这 35 位字符串拼接起来再一次 MD5，就得到了参数 s 的值，而参数 f 的值则是这个 35 位字符串。

第一个 s.webp fetch 操作就完成了，接着是第二个 s.webp，就在第一个 fetch 附近，如下图的 ce 就是第二次的 s、f 参数的值：

这里生成的方法大致是一样的，首先 cd 是一个新的图片的 base64 值，这个值是第一次 s.webp 请求成功返回的，先把这个新的 base64 MD5 加密一下，生成一个新的字符串，相当于替换了第一次请求固定的字符串 fc276cce08ba22dc，后续的流程和第一次都一样了：

这两次生成 s 和 f 的值的流程可以精简成以下 js 实现：

MD5 = require("md5")

var baseImg = "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAANwAAADcCAYAAAAbWs+BAAAAAXNSR0IArs4c6QAAIABJREFUeF7tnQm..."

function getParams(c8) {
    var cb = MD5(baseImg)
      , cc = cb.substring(0, 8)
      , cd = cb.substring(8, 16)
      , ce = cb.substring(16, 24)
      , cf = cb.substring(24, 32)
      , cg = cc + 1 + cd + 1 + ce + 1 + cf;
    return {
        "s": MD5(c8 + cg),
        "f": cg
    };
}


function getFirstParams() {
    return getParams("fc276cce08ba22dc")
}

function getSecondParams(img) {
    return getParams(MD5(img))
}


console.log(getFirstParams())
console.log(getSecondParams("data:image/png;base64,dqyixSOIJuJN0IRG288itylhqNFFXVqL"))

然后这个 cookie 值，你可以去 Hook 一下看看，但实际上观察一下就可以发现 c0fc276cce08ba22dc 就是第一次 s.webp 请求的 s 参数，c1fc276cce08ba22dc 和 bxf 就是第一次 s.webp 请求的 f 参数，所以直接拿来用就行了。

获取验证码

带上前面生成的正确的 cookie，再次请求主页，响应码为 200，然后在返回的 html 里可以看到有个超长的 js 地址，这个 js 直接把 .js 替换成 .jpg 就是验证码地址，替换成 .valid 就是验证结果的地址，这个 js 返回的内容里面就包含了要点击的数字。

获取点击坐标

最终提交的坐标是长这样的：

由于这个图片是九宫格的样式，一般的识别都是一排，所以这里可以将九宫格裁剪后重新排列一下（当然自己会搞深度学习的话可以单独给这种九宫格训练一下，就不用重新裁剪排列了），重新排列前后对比如下：

这一步的利用 Python 的 PIL 库很容易实现：

from PIL import Image

# 打开九宫格验证码
captcha = Image.open("captcha.jpg")

# 将图片等分成三份，每份长宽为 150px 和 50px
part1 = captcha.crop((0, 0, 150, 50))
part2 = captcha.crop((0, 50, 150, 100))
part3 = captcha.crop((0, 100, 150, 150))
part1.save("part1.jpg")
part2.save("part2.jpg")
part3.save("part3.jpg")

# 创建新的图片，长宽为 450px 和 50px
new_captcha = Image.new("RGB", (450, 50))

# 将三份图片按顺序拼接到新的图片上
new_captcha.paste(part1, (0, 0))
new_captcha.paste(part2, (150, 0))
new_captcha.paste(part3, (300, 0))

# 保存新的图片
new_captcha.save("captcha_new.jpg")

这样处理后，怎样得到对应的坐标呢？以上图为例，假设我们需要点击 question = [1, 8, 3, 6]，我们识别 captcha_new.jpg 结果为 recognition_result = "172958643"，生成最后的坐标流程如下：

import random


question = [1, 8, 3, 6]           # 要点击的数字
recognition_result = "172958643"  # captcha_new.jpg 识别的结果

mapping_table = {
    "0": f"{str(random.randint(15, 35))},{str(random.randint(15, 35))}|",
    "1": f"{str(random.randint(65, 85))},{str(random.randint(15, 35))}|",
    "2": f"{str(random.randint(115, 135))},{str(random.randint(15, 35))}|",

    "3": f"{str(random.randint(15, 35))},{str(random.randint(65, 85))}|",
    "4": f"{str(random.randint(65, 85))},{str(random.randint(65, 85))}|",
    "5": f"{str(random.randint(115, 135))},{str(random.randint(65, 85))}|",

    "6": f"{str(random.randint(15, 35))},{str(random.randint(115, 135))}|",
    "7": f"{str(random.randint(65, 85))},{str(random.randint(115, 135))}|",
    "8": f"{str(random.randint(115, 135))},{str(random.randint(115, 135))}|",
}


answer = ""
for q in question:
    for r in recognition_result:
        if q == int(r):
            answer += mapping_table[str(recognition_result.index(r))]

print(answer)

每一个数字的图片大小是 50x50，如果我要点击上图中的数字 1，那么我的 x、y 坐标范围就应该为 [0~50, 0~50]，如果我要点击上图中的数字 8，那么我的 x、y 坐标范围就应该为 [100~150, 50~100]。

但是进过多次测试，点击区域要靠正中心一点，成功率才高，所以坐标范围前后各增加、减少了 15。对应数字 1 的坐标范围就应该是 [15~35, 15~35]，数字 8 的坐标范围就应该是 [115~135, 65~85]。

这里为了简便，直接定义了一个映射表 mapping_table，如果我点击数字 8，那么 captcha_new.jpg 识别结果 172958643 中，8 的位置是 5，对应 mapping_table["5"]，也就是 random.randint(115, 135), str(random.randint(65, 85)。