前端: 從零破解一款輕量級滑動驗證碼
今天在這篇文章裏給大家介紹一下怎樣使用代碼破解滑塊驗證碼。文章末尾有源碼鏈接,需要的朋友可以自取,不過拿走之前記得三連哇!
思路講解
打開頁面
滑塊驗證碼是滑動驗證碼的一種,生成步驟至少有三步:
-
根據用戶標識,從後臺獲得驗證碼圖片
-
監聽鼠標事件並回傳後臺
-
後臺判斷事件的真僞,回傳驗證結果
無論生成機制的細節如何,滑塊都是要展示在頁面上的。直接用 HTTP Request 把頁面請求下來肯定不行,這裏我們需要使用 Puppeteer 打開頁面。測試頁面就以 react-slider-vertify[1] 的官網爲例。
Puppeteer[2] 是一個通過 DevTools 協議來控制瀏覽器行爲的庫,只需編寫不多的代碼,就可以操作真實的瀏覽器搞定諸如爬蟲、自動化測試、網頁性能分析、瀏覽器擴展測試等功能。使用起來比較方便,它文檔挺全的,根據文檔,打開頁面前需要啓動一個瀏覽器實例,然後調用 newPage 方法創建一個新頁面。核心代碼如下。
const puppeteer = require('puppeteer')
puppeteer.launch().then(async browser => {
const page = await browser.newPage()
await page.goto('http://h5.dooring.cn/slider-vertify/vertify')
})
正常瀏覽網頁時,很少會碰到滑塊驗證,因爲它的路徑非常長,會需要浪費用戶好一會兒時間。雖然文案上給你顯示 “恭喜 0.9s 打敗了 99% 的用戶”,但從前置腳本請求,到加載圖片,用戶滑動滑塊,到回傳驗證... 前前後後的步驟加起來可能花了你 9s 不止。本質上它是防禦性的手段,一般當服務器限流,或者服務器已經懷疑你是爬蟲的時候,纔會讓它跳出來要求做進一步驗證。所以一般來說,爬蟲代碼可以默認忽略滑塊驗證的,不過本文代碼我們就假定默認驗證碼一定存在吧。
接下來,分析一下用戶行爲。解決滑塊驗證,無非就是先判斷一下缺口的位置,然後移動鼠標。這裏進一步可以細分爲鼠標的點擊事件和鼠標移動事件兩種。代碼邏輯大致如下。
-
等待驗證碼圖片加載完畢
-
移動鼠標到滑塊位置
-
按下鼠標
-
移動鼠標到缺口位置
-
鬆開鼠標
-
等待結果返回
啊,流程我都知道,可問題就在,怎麼判斷要把鼠標移動到哪裏?服務器端返回的是一張帶缺口的圖片,缺口位置指定是不通過接口傳遞的。
可能還有些同學會問,怎麼移動鼠標呢?如果我一次性就把滑塊給移到指定位置了,那服務器不是會立馬把我標記爲爬蟲嘛... 這兩個問題我逐一解答。
判斷位置
要分析缺口的位置,我們必須先知道這個缺口是怎麼畫上去的。打開控制檯初步檢查可以發現,頁面從服務器先拿到了一張完整的圖片,然後缺口位置是通過 JS 隨機生成的。啊這... 這... 這是因爲我們用的測試頁面是文檔頁,大家不必在意這些安全方面的小細節。
找到請求
接着剛纔的思路繼續,既然缺口是從原圖中挖的一個洞,那麼我們只需要識別一下圖片中洞的位置就好了。比較簡單的方案是使用第三方的圖像識別技術(或相關技術),把圖片上傳至第三方,就直接拿到缺口位置的相對座標。下圖給大家展示一下阿里雲的圖像分割的效果 alimagic[3]。
阿里雲圖像分割
如果想做一個效果穩定一點的驗證碼破解工具,我建議大家還是用自己的模型,或者自己寫算法。一來是第三方要的錢錢不少哇~ 再就是這種圖像識別並不是專門爲驗證碼訓練的,所以放到爬蟲中還不太成熟,一旦背景圖片複雜,識別率下降得老快了。
百度雲圖像主體識別
以下介紹一種新思路。反正我們已經有一張完整的圖片了,那就只要不斷地滑動滑塊,把結果和原圖比對就行。理論上,只要滑倒差不多 “那個點”,肉眼看起來不會有很大的違和感時,就搞定了。比如下面這張圖。
和原圖進行比對
截圖嘛可以直接用 Pupeteer 的截圖功能,它提供了對應的 API,可以精準的截出特定元素。
至於圖片比對,其實就是給圖片初步處理後,兩張圖一個像素一個像素的去比較。兩個像素如果顏色差異超過閾值,就認爲這是兩個不相同的像素。簡便起見,我們直接用開源庫 rembrandt[4],它會給我們返回兩張圖片間的差異。
最後是滑動滑塊,既然要模擬人肉操作,那麼操作 CSS,用絕對定位,把滑塊一個像素一個像素的向右移;每移動一次,把圖像比對的結果記錄下來。
以上三個流程的核心代碼非常簡單,只需要以下幾行:
while (left <= maxOffset) {
/* 使用 CSS left 屬性控制懸浮的滑塊的偏移量 */
await page.evaluate(async ($sliderFloat, left) => {
$sliderFloat.setAttribute('style', `left: ${left}px`)
}, $sliderFloat, left)
/* 截圖並和原圖進行比對,把結果存到 results 數組裏 */
const $panel = await page.$('#Vertify-demo-4 .canvasArea')
const panelImgBase64 = await $panel.screenshot({
type: 'jpeg'
})
const compareRes = await rembrandt({
imageA: panelImgBase64,
imageB: rawImage
})
results.push({
left,
diff: compareRes.differences
})
left += 1
}
通過 CSS 控制位移
最後,把 results 扔到裏面展示一下(這裏給個 ECharts 折線圖示例網址 [5]),不出意外能得到這樣一張圖表。看到那個尖尖的 “V” 型山谷了嘛,呼哈哈哈,答案很明顯,當我們把滑塊從左往右移動時,滑塊約接近缺口,那截出來的圖片就越像原圖,它兩之間像素差異越小;一直往右移動,滑塊會逐漸遠離缺口,截出來的圖片和原圖相比像素差異又逐漸開始增大。我們只需要把差異最小的那個點找到,然後滑動滑塊到對應的 left 偏移量就闊以了。
圖像比對結果
題外話,爲什麼最大的差異在 3000 左右呢?我們簡單估算一下。
滑塊的大小爲 45*45,再加上外面的圓形,約莫佔了 2100 像素;也就是說缺口加滑塊,理論上最大會有 4200 個像素和原圖不同。不過滑塊可能和遮住的地方像素有重合,假設重合了 350 像素,再加上我們的最低點的圖片差異都有 351,減去這些誤差,得 3499。嗚呼,3499 約等於 3000,估算成功(手動狗頭)。
不過還沒完,你要是把代碼跑起來就會發現,臥草,太慢了這玩意兒!正常人劃一下驗證碼頂多兩秒鐘的事兒,我們一幀一幀截圖得花個 40s 的時間才能截完圖算出山谷谷底的值來。
這裏提供幾種思路優化效率:
-
把元素縮小,複製多份,平鋪開來展示;這樣只要截一次,然後再裁剪、比對就好。
-
放大步長,比方說先每次平移 15px,找到局部最優解,然後在局部最優解附近再回到平移 1px 的方案找最優解。
-
因爲圖片比對的結果類似 “V” 字,“V”字右半邊其實是可以不用再計算的。
使用 1+2+3 我覺得可以在 3s 內搞定最優解,不過代碼複雜度會變得很高,文中簡單起見暫只實現一下方案 2。
首先是每次移動 15px 找局部最優解。
// 圖片缺口是不會給挖在初始附近的,
// 所以 left 從 45 像素開始計算可以節約不少計算量,
let left = 45;
const max15Offset = 265;
const res15px = [];
while (left <= max15Offset) {
await setLeft(left);
const compareRes = await compare();
res15px.push({
left,
diff: compareRes.differences,
});
left += 15;
}
然後再嘗試每次移動 2px 找最優解,搜尋的範圍是 15px 步長最優解的 left 偏移量的左右共 20 個像素。
const min15pxDiff = Math.min(...res15px.map((x) => x.diff));
const min15pxLeft = res15px.find((x) => x.diff === min15pxDiff).left;
left = min15pxLeft - 12;
const max2Offset = min15pxLeft + 8;
const res2px = [];
while (left <= max2Offset) {
await setLeft(left);
const compareRes = await compare();
res2px.push({
left,
diff: compareRes.differences,
});
left += 2;
}
此時得到的解可以約等於最優解了。當然,如果你覺得不穩的話,還可以使用 1px 步長去找。
估算一下,原先需要截 245 次圖片,現在直接降到 1/10,23 次。不過,也別太高興,因爲測試發現只做優化 2,解驗證碼的時候還是要 7s...
移動鼠標
缺口位置都搞定了,那移動鼠標還不簡單嘛~
Puppeteer 已經提供了鼠標相關的接口 [6],一共四個:mouse.click、mouse.down、mouse.move、mouse.up,分別是點擊、按下、移動和鬆開。使用 mouse.move 可以直接把鼠標位置移動到一個特定的座標上。假設我們現在從座標(100,100)花大約 1s 把鼠標移動到 (200,200),可以使用循環實現。
const now = {
x: 100,
y: 100
}
const target = {
time: 1000,
x: 200,
y: 200,
}
const steps = 10
const step = {
x: Math.floor((target.x - now.x) / steps),
y: Math.floor((target.y - now.y) / steps),
time: target.time / steps
}
while (now.x < target.x) {
await sleep(step.time)
now.x += step.x
now.y += step.y
await page.mouse.move(now)
}
害,要是打遊戲的時候也像這段代碼一樣,我想我的手點到哪兒它就點到哪兒就好了~
機器是不會手抖的,這段代碼和真實世界的滑動效果相差太遠了!我們看一張我用手滑的效果,尤其是要仔細觀察滑動過程中鼠標的位置。
鼠標軌跡不穩定
-
鼠標 Y 軸位置總是在變
-
鼠標 X 軸位置會滑過頭
這裏做一波小優化,把這兩個細節整合進去。
// 獲得一個隨機的偏移量
const getRandOffset = (enableNegative = true, max = 3) => {
const negative = enableNegative
? (Math.random() < 0.5) ? -1 : 1
: 1
return Math.floor(Math.random() * max) * negative
}
// 先滑過頭十幾像素,然後再花 100 毫秒的時間往回滑到正確位置
const targets = [
{
time: 1000,
x: 200 + getRandOffset(false, 15),
y: 200 + getRandOffset(false, 15),
steps: 10
},
{
time: 100,
x: 200,
y: 200,
steps: 3
}
]
// 注意這裏用 for await 循環把 targets 串起來執行
for await (const target of targets) {
const step = {
x: Math.floor((target.x - now.x) / target.steps),
y: Math.floor((target.y - now.y) / target.steps),
time: target.time / target.steps,
}
let gap
while (gap = Math.abs((target.x - now.x)), gap > 0) {
await sleep(step.time)
// 最後一步就直接滑動到位,不需要隨機數了
const inOneStep = Math.abs(target.x - now.x) <= Math.abs(step.x);
if (inOneStep) {
now.x = target.x;
now.y = target.y;
} else {
now.x += step.x + getRandOffset();
now.y += step.y + getRandOffset();
}
moveMouseTo(now)
}
}
如何移動鼠標到這裏就解決了,如果要考慮加速度、用戶習慣等因素,代碼會更加複雜,暫時就不深入討論啦,有興趣的同學可以自己研究。
最終效果如下(這張 GIF 忘記設置循環播放了,可能要在新頁面打開它才能看到效果)。
最終效果(加速)
源碼地址:Crack-the-Slider[7]
本文由 Readfog 進行 AMP 轉碼,版權歸原作者所有。
來源:https://mp.weixin.qq.com/s/ZWadv7Ntrc3bA9UvNdpITA