1. 項目概述當滑動驗證碼遇上AES加密在當前的網絡安全攻防體系中驗證碼是區分人機行為的第一道重要防線而滑動驗證碼因其良好的用戶體驗和一定的安全性被廣泛應用于各類網站的登錄、注冊和防刷場景。然而當滑動驗證碼的驗證邏輯被前端JavaScript代碼承載并且關鍵參數如滑動軌跡、時間戳、位置信息被使用AES這類對稱加密算法加密后提交時整個驗證過程就從簡單的“圖片比對”升級為一場前端加密邏輯的攻防戰。這恰恰是“逆向工程”大顯身手的領域。我們這次要實戰解析的就是這樣一個典型的、結合了密碼學的前端安全案例破解一個采用AES加密滑動驗證數據的驗證碼系統。這不僅僅是“找到加密函數”那么簡單。一個完整的實戰過程涉及到對前端代碼的靜態分析與動態調試定位關鍵加密函數理解其調用鏈和參數構造過程最終在脫離瀏覽器環境例如用Python下復現整個加密流程從而實現對驗證碼的自動化通過。對于安全研究人員、滲透測試工程師或是自動化開發人員來說掌握這套方法意味著能夠深入理解前端安全機制的實現與局限評估其真實防護強度。同時這個過程本身也是對JavaScript逆向、密碼學應用和網絡協議分析的絕佳綜合訓練。2. 核心思路與技術選型面對一個加密的滑動驗證碼我們的核心目標非常明確在不依賴瀏覽器渲染和人工操作的前提下程序化地生成能被服務端成功驗證的請求數據包。而數據包中的加密參數就是我們要攻克的堡壘。2.1 逆向工程的基本路徑整個逆向工程的路徑可以清晰地劃分為四個階段我稱之為“觀察-定位-剖析-復現”四步法。第一步網絡行為觀察。這是所有逆向的起點。我們需要使用抓包工具如Burp Suite、Charles、Fiddler或瀏覽器開發者工具的Network面板完整捕獲一次成功的人工滑動驗證過程。關鍵不在于滑動本身而在于滑動后瀏覽器向服務器發送了哪些請求特別是那個攜帶了加密參數的POST請求。我們需要記錄下這個請求的URL、Headers以及最重要的Form Data或Request Payload。通常你會看到一個名為token、data、encryptedData或類似字段其值是一長串看似隨機的Base64編碼字符串或十六進制字符串這就是我們的核心目標——被AES加密后的驗證數據。第二步關鍵代碼定位。知道加密數據在哪下一步就是找到生成它的代碼。由于加密操作必然發生在瀏覽器端客戶端因此所有邏輯都封裝在發送給瀏覽器的JavaScript文件中。我們的任務是從可能多達數百個、經過混淆和壓縮的JS文件中找到負責加密的那幾行關鍵代碼。這里主要依賴兩種技術搜索關鍵字和XHR/ Fetch斷點。我們可以嘗試在JS文件中搜索“AES”、“CryptoJS”、“encrypt”、“滑動”、“slide”等關鍵詞。更有效的方法是在開發者工具的Sources面板中對捕獲到的那個加密請求的URL添加“XHR/ Fetch Breakpoint”這樣當JavaScript代碼發起該請求時執行流會自動暫停我們就能直接看到調用堆棧Call Stack從而逆向定位到加密函數所在的代碼塊。第三步加密邏輯剖析。找到加密函數后真正的挑戰才開始。現代前端開發普遍使用Webpack等打包工具并可能進行代碼混淆變量名可能變成a, b, c, _0x1a2b3c等形式。我們需要耐心地分析這段代碼它調用了哪個加密庫通常是CryptoJS也可能是自實現的AES加密模式是什么如CBC, ECB填充方式是什么如PKCS7密鑰Key和初始化向量IV從哪里來是硬編碼在代碼里還是通過某個接口動態獲取加密前的原始數據明文是什么結構通常它是一個JSON字符串包含了滑動軌跡的坐標數組、滑動耗時、滑塊位置等。第四步本地化復現。這是將逆向成果轉化為實際能力的一步。我們需要使用一種服務端或腳本語言如Python完全復現前端的加密流程。這意味著1. 用同樣的方式生成或模擬滑動軌跡數據2. 以同樣的方式獲取或構造密鑰和IV3. 使用相同的AES算法、模式和填充對原始數據進行加密4. 將加密結果以同樣的格式如Base64編碼并放入請求體中發送。成功復現后我們的程序就具備了“偽造”合法滑動驗證請求的能力。2.2 為什么是AES以及工具選型考量目標系統使用AES加密并不令人意外。AES高級加密標準作為對稱加密算法的標桿其本身的安全性在已知密鑰不泄露的前提下是極高的。前端使用AES加密其安全假設是加密密鑰和邏輯對客戶端不可見或難以提取。但前端代碼的開放性本質使得這個假設在逆向工程面前變得非常脆弱。這與“前端RSAAES加密安全嗎”這個熱詞中的討論息息相關——單純依賴前端加密無法保證絕對安全它更多是增加攻擊成本和難度防止明文傳輸被直接窺探或篡改。在工具選型上我傾向于以下組合抓包與調試Burp Suite 瀏覽器開發者工具。Burp Suite作為代理可以攔截和修改所有HTTP/HTTPS流量其Repeater模塊對重放測試至關重要。瀏覽器開發者工具Chrome DevTools則是動態調試JS的不二之選它的斷點、單步執行、作用域查看功能無可替代。逆向分析輔助油猴腳本與Hook技術。對于簡單的、密鑰硬編碼的場景直接閱讀代碼即可。對于復雜的、密鑰動態生成的場景可以編寫油猴腳本或使用Fiddler的AutoResponder功能在關鍵函數如CryptoJS.AES.encrypt執行前將其重寫Hook打印出輸入參數和密鑰這是一種“動態插樁”的高效手段。復現語言Python。Python擁有極其豐富的密碼學庫如pycryptodome、cryptography和網絡請求庫如requests語法簡潔非常適合快速實現加密邏輯的復現和自動化測試。Node.js也是一個不錯的選擇因其與瀏覽器JS環境更接近但在集成到自動化流程時Python的生態通常更友好。注意所有逆向工程實踐必須嚴格在合法授權范圍內進行僅用于安全研究、學習或個人所屬系統的安全加固測試。未經授權對他人的系統進行此類操作是違法的。3. 實戰拆解一步步定位并分析加密核心理論說得再多不如一次真槍實彈的演練。我們假設目標網站有一個常見的滑動驗證碼滑動成功后會向/api/verify_slide發送一個POST請求其中包含一個加密字段enc_data。3.1 網絡抓包與請求分析首先打開瀏覽器開發者工具F12切換到Network網絡面板并勾選“Preserve log”保留日志。然后在目標頁面完成一次滑動驗證操作。操作完成后在Network面板中通過過濾/verify_slide或觀察最新的POST請求我們能迅速找到目標。點擊該請求查看其“Headers”和“Payload”。一個典型的請求負載可能如下POST /api/verify_slide HTTP/1.1 ... Content-Type: application/x-www-form-urlencoded; charsetUTF-8 session_idxxxxenc_dataU2FsdGVkX1%2B8vLxq5T2K7b1...很長一串Base64編碼字符串這里enc_data就是我們的重點。它看起來是Base64編碼但直接解碼可能得到亂碼因為它是AES加密后的二進制數據再進行Base64編碼的結果。關鍵觀察點請求頭注意Content-Type和可能的自定義頭部如X-Requested-With。其他參數除了enc_data通常還會有session_id、timestamp、captcha_id等參數。這些參數很可能在構造加密明文時被用到或者用于服務端會話校驗。響應查看服務器返回的成功或失敗信息這有助于后續驗證我們復現的加密是否正確。3.2 逆向追蹤加密函數接下來我們在該請求上右鍵選擇“Copy” - “Copy as cURL (bash)”將其保存下來以備重放測試。然后開始逆向追蹤。方法一搜索關鍵詞。在開發者工具的Sources面板按CtrlShiftFWindows或CmdOptFMac打開全局搜索。搜索關鍵詞如“encrypt”、“AES”、“CryptoJS”、“.encrypt”、“slide”。如果代碼混淆不嚴重可能會直接找到相關函數。方法二XHR/ Fetch斷點更高效。在Sources面板右側找到“XHR/ Fetch Breakpoints”區域點擊“”號添加一個包含部分請求URL的斷點例如verify_slide。然后重新滑動一次驗證碼。當瀏覽器即將發送這個請求時代碼執行會立即暫停。此時查看右側的“Call Stack”調用堆棧。堆棧的最頂部通常是send或fetch這類原生函數往下找你會看到屬于網站自身腳本文件的函數調用它們通常以.js結尾并且函數名可能被混淆。點擊這些函數就能跳轉到具體的代碼行。方法三事件監聽器斷點。如果滑動驗證碼的觸發是通過鼠標事件也可以在Sources面板的“Event Listener Breakpoints”中展開“Mouse”事件勾選click、mousedown、mouseup等然后進行滑動操作。這可能會在生成滑動軌跡數據的地方暫停從而順著代碼找到加密處。一旦在代碼中疑似加密的位置暫停我們需要仔細分析上下文。一個典型的AES加密調用以CryptoJS庫為例可能長這樣// 混淆后的代碼可能類似 var _0x123abc CryptoJS.AES.encrypt(_0x456def, _0x789ghi, { mode: CryptoJS.mode.CBC, padding: CryptoJS.pad.Pkcs7, iv: _0xijk101 }).toString();即使變量名被混淆CryptoJS.AES.encrypt這個關鍵調用通常是可識別的。我們需要記錄下三個關鍵信息明文_0x456def、密鑰_0x789ghi、加密選項mode, padding, iv。3.3 深入剖析加密參數與明文構造找到加密函數只是開始理解每個參數的來源才是核心。1. 密鑰Key和IVInitialization Vector的來源分析這是安全性的關鍵。通常有以下幾種情況硬編碼在JS中最簡單也最不安全。在加密函數附近搜索字符串或常量可能會發現一個固定的字符串被用作密鑰。有時密鑰會被拆散或經過簡單運算如Base64解碼、Hex解碼后使用。從初始接口響應中獲取在頁面加載時一個初始的GET請求如/api/init_captcha的響應中可能就包含了本次會話使用的密鑰或密鑰的“種子”。需要關聯分析多個請求。動態計算生成密鑰可能由session_id、timestamp等參數通過一個固定的算法如HMAC-SHA256計算得出。這需要找到這個生成函數。2. 明文Plaintext的構造分析加密前的明文通常是一個JSON字符串。我們需要在加密函數之前找到組裝這個JSON對象的地方。它很可能包含以下字段{ track: [[12,45],[15,48],...], // 滑動軌跡的[x,y]坐標數組 slide_time: 2450, // 滑動總耗時毫秒 start_s: 1234567890, // 開始滑動的時間戳 end_s: 1234567890, // 結束滑動的時間戳 background_width: 300, // 背景圖寬度 slider_left: 5 // 滑塊最終停留的X軸位置相對于背景圖 }我們需要弄清楚這些數據是如何采集的。track數組通常由監聽鼠標移動事件mousemove來收集。slide_time和timestamp通過Date.now()計算。slider_left是滑塊最終位置與起始位置的差值。3. 加密選項Options確認AES加密需要指定模式如ECB, CBC, CFB和填充方式如PKCS7。在CryptoJS中如果不指定默認是CBC模式和PKCS7填充。但為了確保復現準確必須從代碼中確認。iv初始化向量在CBC等模式下是必需的需要找到它的值或生成方式。實操心得在動態調試時充分利用開發者工具中“Console”面板的實時執行功能。當代碼在斷點處暫停時你可以將當前作用域中的可疑變量如_0x456def用鼠標懸停查看其值或者直接在Console中輸入變量名來打印其完整內容。這是快速理解數據結構的利器。4. 本地化復現用Python還原加密流程經過逆向分析我們假設已經獲得了以下信息明文構造規則一個包含軌跡、時間、位置的JSON字符串。密鑰一個固定的字符串this_is_a_secret_key示例實際可能是Base64編碼的。IV一個固定的16字節字符串1234567890123456。加密算法AES-128-CBCPKCS7填充。現在我們用Python來復現這一過程。4.1 環境準備與依賴安裝首先確保安裝了必要的Python庫。我們使用pycryptodome它是PyCrypto的一個流行分支功能強大且維護活躍。pip install pycryptodome requestsrequests庫用于后續發送網絡請求。4.2 模擬滑動軌跡生成為了通過驗證我們需要模擬人類滑動的軌跡。完全勻速的直線滑動很容易被識別為機器行為。一個簡單的模擬策略是生成一個帶有輕微波動和加速度的軌跡。import json import time import random def generate_slide_track(distance): 生成模擬人類滑動的軌跡數組。 distance: 需要滑動的總距離像素。 返回: 一個列表每個元素是[時間偏移量, x坐標偏移量]。 track [] current 0 start_time int(time.time() * 1000) # 模擬初始加速、中間勻速、末端減速 while current distance: # 剩余距離 remaining distance - current # 根據剩余距離調整速度開始快中間穩結尾慢 if current distance * 0.2: speed random.uniform(3, 6) # 加速段 elif remaining distance * 0.2: speed random.uniform(1, 3) # 減速段 else: speed random.uniform(2, 4) # 勻速段 step min(speed, remaining) # 這一步移動的距離 current step elapsed int(time.time() * 1000) - start_time track.append([elapsed, round(current, 2)]) # [時間戳偏移 x位置] # 添加一個小的隨機間隔更擬人 time.sleep(random.uniform(0.01, 0.05)) # 確保最后一步精確到達終點 if track[-1][1] ! distance: track[-1][1] distance return track # 假設滑動距離是200像素 slide_distance 200 mock_track generate_slide_track(slide_distance) print(f生成的軌跡點數量{len(mock_track)}) print(f最后一點位置{mock_track[-1]})4.3 AES加密函數復現根據逆向得到的參數編寫AES加密函數。這里特別注意密鑰和IV的處理。前端CryptoJS通常接受字符串作為密鑰并內部處理。在Python中我們需要確保密鑰和IV是字節串bytes且長度符合AES-12816字節、AES-19224字節或AES-25632字節的要求。from Crypto.Cipher import AES from Crypto.Util.Padding import pad import base64 def aes_encrypt(data_string, key_str, iv_str): 使用AES-CBC模式加密數據并返回Base64編碼的字符串。 參數: data_string: 要加密的明文字符串。 key_str: 密鑰字符串。 iv_str: 初始化向量字符串。 返回: Base64編碼的加密字符串。 # 將字符串轉換為bytes data data_string.encode(utf-8) key key_str.encode(utf-8) iv iv_str.encode(utf-8) # 檢查密鑰長度如果不足CryptoJS可能會用某種方式補齊這里簡單用空格補齊到16/24/32字節 # 更嚴謹的做法是逆向確認CryptoJS的密鑰處理方式例如使用CryptoJS.enc.Utf8.parse if len(key) not in [16, 24, 32]: # 這里假設CryptoJS使用UTF-8解析密鑰長度不足時行為可能不一致。 # 一個常見情況如果key_str是16個字符的字符串UTF-8編碼后可能就是16字節。 # 如果逆向發現是Hex或Base64解碼后的字節這里需要相應調整。 # 本例假設key_str就是16字節的ASCII字符串。 if len(key) 16: key key.ljust(16, b\0) # 用零字節填充 elif len(key) 24: key key.ljust(24, b\0) elif len(key) 32: key key.ljust(32, b\0) else: key key[:32] # 截斷 # 創建AES cipher對象使用CBC模式和PKCS7填充 cipher AES.new(key, AES.MODE_CBC, iv) # 對數據進行PKCS7填充并加密 encrypted_bytes cipher.encrypt(pad(data, AES.block_size)) # 將加密后的字節進行Base64編碼并轉換為字符串 encrypted_b64 base64.b64encode(encrypted_bytes).decode(utf-8) return encrypted_b64 # 測試加密 plaintext_json json.dumps({ track: mock_track, slide_time: mock_track[-1][0], # 總耗時 start_s: int(time.time() * 1000) - mock_track[-1][0], end_s: int(time.time() * 1000), background_width: 300, slider_left: slide_distance }, separators(,, :)) # 壓縮JSON去除空格與前端生成格式一致 secret_key this_is_a_secret_key # 從逆向分析中獲得 iv 1234567890123456 # 從逆向分析中獲得 encrypted_data aes_encrypt(plaintext_json, secret_key, iv) print(f明文{plaintext_json[:100]}...) print(f加密后(Base64){encrypted_data[:100]}...)4.4 組裝請求并驗證最后我們使用requests庫模擬瀏覽器發送請求。import requests # 假設從初始請求獲取的會話ID session_id your_session_id_from_previous_request captcha_id your_captcha_id # 目標URL verify_url https://target-website.com/api/verify_slide # 構造請求頭模仿瀏覽器 headers { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36, Content-Type: application/x-www-form-urlencoded; charsetUTF-8, X-Requested-With: XMLHttpRequest, # 常見于Ajax請求 # 可能還需要其他頭部如Referer, Origin等需根據抓包結果補充 } # 構造請求體 payload { session_id: session_id, captcha_id: captcha_id, enc_data: encrypted_data, # 這是我們復現加密得到的數據 # 可能還有其他固定參數 } # 發送POST請求 response requests.post(verify_url, datapayload, headersheaders) print(f狀態碼{response.status_code}) print(f響應內容{response.text}) # 解析響應通常是一個JSON try: result response.json() if result.get(code) 200 or result.get(success): print(*** 驗證成功 ***) else: print(f驗證失敗{result.get(message)}) except: print(f響應解析失敗{response.text})5. 常見問題與深度排查技巧在實際逆向和復現過程中幾乎不可能一帆風順。下面是我總結的一些典型問題及其排查思路。5.1 加密結果不一致問題這是最常遇到的問題。Python加密的結果和前端JavaScript加密的結果對不上。排查步驟確認明文完全一致這是最容易出錯的地方。確保Python中組裝的JSON字符串與前端JavaScript中的完全一致包括字段順序、空格、縮進。建議在前端加密代碼處設置斷點將待加密的明文變量復制出來與Python生成的字符串進行逐字符比對。可以使用在線Diff工具。特別注意JavaScript的JSON.stringify默認會產生空格而很多前端代碼為了節省體積會使用JSON.stringify(obj)或JSON.stringify(obj, null, 0)。在Python中使用json.dumps(obj, separators(‘,’, ‘:’))可以生成最緊湊的無空格JSON這通常是前端混淆后的代碼所采用的格式。確認密鑰和IV的字節表示這是核心難點。CryptoJS的CryptoJS.enc.Utf8.parse(“key”)和Python的”key”.encode(‘utf-8’)在大多數情況下是等價的。但如果密鑰本身是Base64或Hex編碼的字符串呢你需要在前端代碼中查看密鑰在被parse之前的原始形式。如果它是”ABCDEFG123456”這樣的Base64那么在前端它會被先Base64解碼成字節再用作密鑰。在Python中你需要做同樣的事key base64.b64decode(key_str_b64)。對于IV也是如此。確認加密參數模式CBC/ECB、填充PKCS7/ZeroPadding、密鑰長度128/192/256必須完全一致。AES-128對應16字節密鑰AES-256對應32字節密鑰。如果密鑰字符串長度不符合CryptoJS可能會通過某種哈希函數如MD5派生密鑰。你需要查看加密函數附近是否有類似CryptoJS.MD5(key).toString()的代碼。輸出格式CryptoJS的.toString()默認輸出一個特殊的OpenSSL格式的字符串以”U2FsdGVkX1”開頭。如果你需要原始的Base64應該使用CryptoJS.enc.Base64.stringify(ciphertext)。在Python中我們直接輸出Base64。確保前后端比較的是同一種格式。可以在前端將加密結果分別用toString()和CryptoJS.enc.Base64.stringify()輸出看哪個與Python的Base64結果匹配。5.2 密鑰動態獲取問題如果密鑰不是硬編碼的而是通過接口獲取或動態計算你需要找到其來源。從接口獲取在Network面板中仔細查看滑動驗證碼加載時或之前的所有請求。尋找響應體中包含key、secret、token等字段的請求。可能需要將session_id與密鑰進行關聯。動態計算在JS代碼中搜索密鑰變量名查看它的賦值語句。它可能由window.xxx、localStorage、或者一個函數調用結果賦值。使用斷點調試追蹤這個變量的值是如何計算出來的。常見算法包括對固定字符串進行HMAC-SHA256哈希、對session_id和某個salt進行拼接后哈希等。5.3 反調試與代碼混淆對抗一些防護較強的網站會采用反調試手段例如在開發者工具打開時無限debugger、代碼混淆得面目全非等。無限Debugger在Sources面板找到觸發debugger的代碼行右鍵選擇“Never pause here”或者通過條件斷點將其禁用。高強度混淆對于變量名混淆如_0x1a2b耐心是關鍵。重點關注字符串常量和函數調用。混淆通常不會改變字符串和API調用如CryptoJS.AES.encrypt、JSON.stringify、XMLHttpRequest.send。通過搜索這些字符串和API名可以定位到關鍵代碼區域。然后通過斷點觀察這些函數被調用時傳入的參數來理解周圍的混淆邏輯。代碼流平坦化與控制流混淆這是更高級的混淆將代碼邏輯打亂成巨大的switch-case結構。對付這種動態調試斷點、單步執行比靜態分析更有效。耐心地跟著程序流走記錄下關鍵的分支和變量變化。5.4 請求校驗與風控繞過即使加密通過了服務端還可能有多重校驗。請求簽名除了enc_data請求頭或請求體中可能還有一個signature字段由其他所有參數包括enc_data按照特定規則排序后加上一個密鑰進行HMAC-SHA256等哈希生成。你需要逆向出簽名算法。時間戳與時效性timestamp參數可能被要求與服務器時間差在一定范圍內。你的程序需要獲取服務器時間或使用同步的時間戳。請求頻率與行為指紋過于頻繁的請求、完全一致的滑動軌跡、缺少正常瀏覽器指紋如User-Agent,Accept-Language等會被風控系統攔截。需要在自動化腳本中模擬更真實的人類行為并管理好請求間隔。可以考慮使用selenium或playwright等瀏覽器自動化工具來執行部分操作以攜帶更完整的瀏覽器環境。深度排查技巧建立一個“比對驗證”流程。在本地用Node.js搭建一個簡單的CryptoJS加密環境將前端抓取到的密鑰、IV、明文分別在Node.js環境和Python環境中進行加密比對結果。這能幫你快速定位是密鑰處理問題、加密庫差異問題還是其他問題。因為Node.js的Crypto模塊或直接使用CryptoJS庫其行為與瀏覽器環境幾乎一致可以作為“標準答案”來校準你的Python復現代碼。逆向工程破解AES加密的滑動驗證碼是一個系統性的工程考驗的是耐心、細心和對細節的把握。從網絡抓包到代碼分析再到算法復現每一步都可能遇到坑。成功的關鍵在于嚴謹的比對和邏輯推理——確保你的復現環境在每一個輸入和參數上都與原始前端環境保持絕對一致。這個過程不僅能讓你成功繞過某個具體的驗證碼更能深刻理解前端安全措施的實現與局限提升你的整體安全技術視野與分析能力。記住技術的提升來自于對每一個技術細節的深究和攻克。