最近一直在研究滑块验证码这一块,接连破解了极验2.0,极验3.0以及淘宝滑块,当然了,只是使用selenium模拟过,拿到cookie后进行后续操作。
今天就讲讲京东这个滑块验证码,神坑,之前的轨迹方程全部不可用,需要自己慢慢调试,找到最佳参数,最大化模拟人为操作才能过,目前我过的几率为80%左右。
京东登陆页面
京东这个滑块验证码的最大的坑就在于 大量的模拟人为的轨迹方程都被封了 比如过极验2 极验3的轨迹,都无法在京东的滑块上面使用,并且原图也是无法找到的,只会在页面上给你有缺口的base64图片。
经过反复试验,发现京东的滑块验证码,共10张图片,现在就是下载京东图片的时候了,然后用PIL分割拼接,制作成我下面的这种图片。
前面的那一部分可以不用考虑,因为滑块的开始地方就是这个滑块的右方,比如这张图的大小是281 x 109,缺口图的大小是38 x 38,那么对比的地方则是 (281 - 38) * 109
对比的方式以及下载原图缺口图,找出距离的地方就不再累赘,做过滑块验证码的童鞋应该都知道,都是那一套方案反复使用。代码如下:
def is_pixel_equal(self, img1, img2, x, y):
"""
判断两个像素是否相同
:param image1: 图片1
:param image2: 图片2
:param x: 位置x
:param y: 位置y
:return: 像素是否相同
"""
# 取两个图片的像素点
pix1 = img1.load()[x, y]
pix2 = img2.load()[x, y]
threshold = 60
if (abs(pix1[0] - pix2[0] < threshold) and abs(pix1[1] - pix2[1] < threshold) and abs(
pix1[2] - pix2[2] < threshold)):
return True
else:
return False
def get_gap(self, img1, img2):
"""
获取缺口偏移量
:param img1: 不带缺口图片
:param img2: 带缺口图片
:return:
"""
left = 45
for i in range(left, img1.size[0]):
for j in range(img1.size[1]):
if not self.is_pixel_equal(img1, img2, i, j):
left = i
return left
return left
这里提供一个轨迹方程(针对京东最好是多做几个,因为人家机器学习啊,封你没商量)
def get_track7(self, distance):
"""
根据偏移量和手动操作模拟计算移动轨迹
:param distance: 偏移量
:return: 移动轨迹
"""
# 移动轨迹
tracks = []
# 当前位移
current = 0
# 减速阈值
mid = distance * 4 / 5
# 时间间隔
t = 0.2
# 初始速度
v = 0
while current < distance:
if current < mid:
a = random.uniform(2, 5)
else:
a = -(random.uniform(12.5, 13.5))
v0 = v
v = v0 + a * t
x = v0 * t + 1 / 2 * a * t * t
current += x
if 0.6 < current - distance < 1:
x = x - 0.53
tracks.append(round(x, 2))
elif 1 < current - distance < 1.5:
x = x - 1.4
tracks.append(round(x, 2))
elif 1.5 < current - distance < 3:
x = x - 1.8
tracks.append(round(x, 2))
else:
tracks.append(round(x, 2))
print(tracks, sum(tracks))
return tracks
OK
最后献上破解京东滑块的运行图~
大家也可以优化一下这个算法,提高成功率!
欢迎留言,以及探讨验证码的算法问题。