极验验证码破解详细教程

一、极验验证码概述

极验验证码是由http://www.geetest.com/提供的滑动验证码服务，号称利用机器学习和神经网络构建多重防御模型。在国家企业信用信息公示系统(http://www.*****.cn)中，当用户输入企业名称点击查询时，会触发该验证码。

验证流程

1. 用户拖动滑块到缺口位置
2. 验证失败效果：返回"fail"
3. 验证成功效果：返回包含"validate"字段的成功信息

二、抓包分析验证流程

关键数据包分析

1. 初始请求：SearchItemCaptcha?v=... 返回gt和challenge参数
2. 中间请求：get.php?gt=...&challenge=... 返回完整验证码信息
3. 验证请求：ajax.php?gt=...&challenge=... 返回验证结果
4. 结果请求：crop-query-search-1.html 返回查询结果

关键参数

• gt：验证码标识，从SearchItemCaptcha响应中获取
• challenge：挑战码，每次请求动态变化
• geetest_challenge：验证时使用的挑战码
• geetest_validate：验证成功后返回的验证值
• geetest_seccode：geetest_validate + "|jordan"

三、本地验证码服务搭建

搭建步骤

1. 从https://github.com/GeeTeam/gt-python-sdk下载SDK
2. 使用HFS软件搭建本地文件服务器
3. 修改static/index.html中的gt.js来源为本地地址
4. 修改static_server为本地地址

文件结构

HFS根目录/
├── gt.js
├── geetest.js
└── 其他必要资源文件

四、关键参数分析

gt和challenge获取

1. 请求SearchItemCaptcha?v=[时间戳]获取初始gt和challenge
2. 使用获取的gt和challenge请求get.php获取完整验证码信息

ajax.php请求参数

• callback："geetest_" + 当前时间戳
• passtime：拖动滑块时间(0-1000ms随机数)
• userresponse：根据拖动轨迹生成的响应
• a：轨迹加密后的参数

五、轨迹(Track)分析

获取轨迹方法

1. 通过本地搭建的验证码服务
2. 修改geetest.js源码输出鼠标轨迹信息

轨迹加密过程

1. 记录鼠标移动的坐标和时间序列
2. 通过特定算法生成userresponse
3. 通过加密算法生成参数a

六、验证码图片处理

获取背景图片

1. 从get.php响应中的"fullbg"字段获取背景图片信息
2. 解码base64格式的图片数据

缺口距离计算

1. 分析背景图片和滑块图片的差异
2. 计算滑块需要移动的像素距离d

七、完整破解流程总结

1. 获取初始参数：

   • 请求SearchItemCaptcha获取gt和challenge

2. 获取验证码资源：

   • 使用gt和challenge请求get.php获取完整验证码信息
   • 解码背景图片和滑块图片

3. 计算缺口距离：

   • 分析图片差异，计算滑块需要移动的距离d

4. 生成轨迹：

   • 模拟人类拖动行为生成移动轨迹
   • 计算轨迹对应的userresponse和a参数

5. 提交验证：

   • 构造ajax.php请求参数
   • 提交验证获取validate值

6. 获取结果：

   • 使用验证成功的参数请求crop-query-search-1.html
   • 解析返回的查询结果

八、关键技术点

1. 参数逆向：

   • 通过抓包分析各参数来源和生成方式
   • 理解参数间的依赖关系

2. 轨迹模拟：

   • 研究人类拖动行为特征
   • 生成符合极验检测模型的轨迹数据

3. 图片分析：

   • 缺口识别算法
   • 距离计算精度控制

4. 加密分析：

   • 研究userresponse和a参数的生成算法
   • 逆向geetest.js中的加密逻辑

九、注意事项

1. 极验验证码会定期更新防御机制
2. 轨迹生成需要模拟人类行为的随机性
3. 验证码图片可能有干扰线和干扰点
4. 服务器可能会检测请求频率和模式

十、参考文献

1. 极验验证官方文档
2. 极验Python SDK源码
3. 相关逆向工程资料

通过以上步骤和分析，可以系统地理解和实现极验验证码的自动化破解。需要注意的是，本教程仅供学习研究使用，实际应用中应遵守相关法律法规和网站使用协议。