滑动验证码破解思路

62 阅读 0 评论 41 点赞

我是靠谱客的博主留胡子羊，最近开发中收集的这篇文章主要介绍滑动验证码破解思路，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

解决思路
目前这种验证码的通用解决思路如下：

获取验证码图片，包含原图以及有缺口的图
算出缺口的位置，以及滑块要滑动的距离
通过算法模拟人工移动轨迹
通过selenium模拟操作

二、逻辑实现
1.获取验证码图片
注意：我们需要获取两张图片，第一张是完整背景图，第二张是有缺口的背景图（图片基本上是通过请求下载下来的）。
（1）经过分析发现当鼠标位于按钮是上时显示完整背景图。
在这里插入图片描述
（2）当鼠标点击滑动按钮不松，显示有缺口的背景图

（3）使用selenium有个方法可以对元素进行截图，先找到图片所在的html元素，然后利用selenium分别进行截图即可获取图片。

注意：如果根据请求不能够很好的分析出图片的话，就进行元素定位查找，有的时候图片是一个大div标签里面包含多个小的div标签组成，可以把某张图片拿出来做背景。

获取完整图片：

def get_full_image(driver):
    """
    鼠标移动到滑块，显示完整图案
    :param driver: webdriver
    :return: 返回验证码背景图片Image对象
    """

    webdriver.ActionChains(driver).move_to_element(slider).perform()
    time.sleep(0.2)
    img = driver.find_element_by_xpath('//*[@id="captcha"]/div/div[1]/div[2]/div[1]/a[2]')
    if 'show' in img.get_attribute('class'):
        res = img.screenshot_as_png
        return Image.open(BytesIO(res))
    else:
        raise ValueError('获取验证码背景图片失败')

获取有缺口的图片

def get_cut_image(driver):
    """
    点击滑动按钮获取有缺口图片
    :param driver: webdriver
    :return: 返回验证码有缺口图片的Image对象
    """

    slider = driver.find_element_by_xpath('//*[@id="captcha"]/div/div[3]/div[2]')
    webdriver.ActionChains(driver).click_and_hold(slider).perform()
    time.sleep(0.1)
    img = driver.find_element_by_xpath('//*[@id="captcha"]/div/div[1]/div[2]/div[1]/a[1]')
    res = img.screenshot_as_png

    cut_img = Image.open(BytesIO(res))
    return Image.open(BytesIO(res))

2.找出缺口位置，计算移动距离

此过程主要算出的距离是滑块要滑动的距离
在这里插入图片描述

首先，通过比较没有缺口的图片，和这张有缺口的图片，找出滑块的位置和缺口的位置即可。
经过观察，发现滑块出现的位置固定在x轴的0-100像素范围内，所以循环比较两张图片的x轴0-100像素范围内的每一行像素点，直到找到第一行出现两个图片像素点颜色完全不同的点，即找到了滑块的最左边最上的第一个像素点。但是在实际操作中发现，虽然肉眼看起来两张图片公共部分一模一样，但是程序处理后的像素的具体rgb值也是不相同的，所以需要设置一个阈值来判断，具体需要进行测试。
按照相同的思路，比较两张图片x轴100-end像素的部分，找到缺口的最左最上那个点。
用找到的缺口像素点的x坐标减去找到的滑块的点的x坐标得到近似移动距离。

def get_distance(full_image, cut_image):
    full_pixies = full_image.load()
    cut_pixies = cut_image.load()

    w, h = full_image.size

    full_image.save('full.png')
    cut_image.save('cut.png')

    # 先找最左边不同的点
    left = []

    for j in range(h):

        for i in range(100):

            if abs(full_pixies[i, j][0] - cut_pixies[i, j][0]) + abs(full_pixies[i, j][1] - cut_pixies[i, j][1]) + abs(
                    full_pixies[i, j][2] - cut_pixies[i, j][2]) > 150:
                left.append((i, j))

        if left:
            break
    # 再找最右边不同的点
    right = []

    for j in range(h):

        for i in range(100, w):

            if abs(full_pixies[i, j][0] - cut_pixies[i, j][0]) + abs(full_pixies[i, j][1] - cut_pixies[i, j][1]) + abs(
                    full_pixies[i, j][2] - cut_pixies[i, j][2]) > 150:
                right.append((i, j))

        if right:
            break

    length = right[0][0] - left[0][0]


    return length
    ```
    **3.计算滑动轨迹**
    目前所有商用滑动验证码后台都有做行为校验，根据前端传递的移动轨迹，后台会进行特征校验，如果判定非人工则返回校验失败。模拟人的滑动行为，最常见的以中方法是通过加速度公式。

基本思路是，分析手动的移动轨迹后发现，是先加速后减速，所以通过加速度公式进行如下的设计:
```c
def get_track(self, distance):
        '''
        拿到移动轨迹，模仿人的滑动行为，先匀加速后匀减速
        匀变速运动基本公式：
        ①v=v0+at
        ②s=v0t+(1/2)at²
        ③v²-v0²=2as

        :param distance: 需要移动的距离
        :return: 存放每0.2秒移动的距离
        '''
        # 初速度
        v=0
        # 单位时间为0.2s来统计轨迹，轨迹即0.2内的位移
        t=0.3
        # 位移/轨迹列表，列表内的一个元素代表0.2s的位移
        tracks=[]
        # 当前的位移
        current=0
        # 到达mid值开始减速
        mid=distance * 5/8

        distance += 10  # 先滑过一点，最后再反着滑动回来
        # a = random.randint(1,3)
        while current < distance:
            if current < mid:
                # 加速度越小，单位时间的位移越小,模拟的轨迹就越多越详细
                a = random.randint(1,3)  # 加速运动
            else:
                a = -random.randint(2,4) # 减速运动

            # 初速度
            v0 = v
            # 0.2秒时间内的位移
            s = v0*t+0.5*a*(t**2)
            # 当前的位置
            current += s
            # 添加到轨迹列表
            tracks.append(round(s))

            # 速度已经达到v,该速度作为下次的初速度
            v= v0+a*t

        # 反着滑动到大概准确位置
        for i in range(4):
           tracks.append(-random.randint(1,3))
        # for i in range(4):
        #    tracks.append(-random.randint(1,3))
        random.shuffle(tracks)
        return tracks

4、滑动滑块
利用selenium，根据算出的轨迹，进行模拟滑动。

  def slide(self, tracks):

        # slider = self.driver.find_element_by_xpath('//*[@id="captcha"]/div/div[3]/div[2]')
        # 鼠标点击并按住不松
        # webdriver.ActionChains(self.driver).click_and_hold(self.slider).perform()
        # 让鼠标随机往下移动一段距离
        webdriver.ActionChains(self.driver).move_by_offset(xoffset=0, yoffset=100).perform()
        time.sleep(0.15)
        for item in tracks:
            webdriver.ActionChains(self.driver).move_by_offset(xoffset=item, yoffset=random.randint(-2,2)).perform()
        # 稳定一秒再松开
        time.sleep(1)
        webdriver.ActionChains(self.driver).release(self.slider).perform()
        time.sleep(1)
        # 随机拿开鼠标
        webdriver.ActionChains(self.driver).move_by_offset(xoffset=random.randint(200, 300), yoffset=random.randint(200, 300)).perform()
        time.sleep(0.2)
        info = self.driver.find_element_by_xpath('//*[@id="login-modal"]/div/div/div/div[2]/div[1]/div[2]/div[1]/div/div[1]/div[2]/div[2]/div/div[2]/span[1]')
        if '验证通过' in info.text:
            return 1

        if '验证失败' in info.text:
            return 2

        if '再来一次' in info.text:
            return 3

        if '出现错误' in info.text:
            return 4