企业官网建设流程全解析

技术文章大纲：HU航司App逆向与验签协议算法分析

背景与目标

• 目标网址：aHR0cHM6Ly9uZXcuaG5haXIuY29tL2hhaW5hbmFpci9pYmUvY29tbW9uL2xvZ2luLmRv

JS逆向分析流程

流程分析

获取验证码

打开登录页面，输入手机号点击获取验证码触发验证码，里面需要还原的值有q1-q2,p3-p9

清除浏览器cookie刷新网页重新请求并打上断点

往下跟栈，此时数据已生成。

q1：在文件里面搜索QO00Qo，可以看到这个值是一个变量+fmopt.token+fmopt.partner+fopt.appname, fmopt的属性值都可以写死，

搜索这个变量oOO0OQ，是个定值。

回到最初，这几个值拼接后进行url编码就是q1

q2:全局搜索o00ooQ，这个可以写死，有两种状态一种|^^1^^1^^1 然后url编码
一种 blackbox替换|然后url编码

var o00ooQ = (O0oOoQ.blackBox || '|') + '^^' + O0oOoQ.requestType + '^^' + (QoQ0oO(OOOQoQ.lang) + 1) + '^^' + (Q0QQO0.support_css3_value(QOOO0o('usbotgpsn-tuzmf'), QOOO0o('qsftfswf-3e')) && !(!!window.ActiveXObject || QOOO0o('AdujwfXOckfdu')in window) ? 1 : 2);

p3：经过位置加密函数生成，

未加密数据：搜索这个值a=函数(p1+p2)+validateCodeObj/| + userAnsewr/| + 函数(变量b)

var o00OQ0 = oOQoOo(QO00Qo + '^^' + o00ooQ) + '^^' + (O0oOoQ.validateCodeObj || '|') + '^^' + (O0oOoQ.userAnswer || '|') + '^^' + (O0oOoQ.validateToken || '|') + oOQoOo(QoQQ0O);

搜索变量b b=变量c/| + true/| +true/|+时间戳

var QoQQ0O = (Q00oo0 || '|') + '^^' + (Oo0O0O || '|') + '^^' + (O0Oo0O || '|') + '^^' + new Date().getTime();

搜索变量c

还原一下代码 c=argumentss['callee']['caller']['toString']['length']

var Q00oo0 = function() { return arguments[callee]caller][toString]()[length]; }();

秘钥 d=e('stq67pv9')+p1.substring(10,18)，这里后面的属性是p1进行截取充当

var o0o0oo = QOOO0o('stq67pv9') + Q0QOoQ.substring(10, 18);

e函数，直接扣下来转成python，ASCII编码（每个小写的ASCII编码-1）相当于小写字母循环向前移动一位

p4：sensorInfo/| +mouseInfo/| + usedTime/|

然后p3和p4进行同一个函数加密

var oQooQQ = (O0oOoQ.sensorInfo || '|') + '^^' + (O0oOoQ.mouseInfo || '|') + '^^' + (O0oOoQ.usedTime || '|');

跟栈进入方法，可以明显看到是AES加密

p5：固定为 web

p6： OOQ00O(8);+window.location.href+秘钥 OOQ00O(8);是一个八位的随机数

var OQoQOQ = OOQ00O(8); var oO0oQo = Qo0QO0(OQoQOQ + window.location.href, o0o0oo);

p7：另外一个是函数(p6)+函数(p2)

QooQQO.p7 = QO0QOQ + OOQ00O(32); var QO0QOQ = oOQoOo(oO0oQo) + oOQoOo(QoQQ0O);

OOQ00O(32);是一个32随机数

p8: 八位随机数

QooQQO.p8 = OQoQOQ; var OQoQOQ = OOQ00O(8);

p9 函数(p2,秘钥)

函数---》以上的统称，全局搜索这个变量，发现是md5

验证接口

触发接口流程和获取一样，注重关注以下几点

p2：初始化状态是1，验证的状态是3

p3，里面的validateCodeObj是初始化返回的数据，里面存放id，背景图的url等信息。userAnswer里面存放移动距离，时间戳

往上再跟一层，里面的userAnswer是图片的缺口距离+固定10+当前时间

mouserInfo:里面存放的是页面的x，y。所以这个鼠标轨迹可以固定

验证码图片还原

保存完图片是这种切片，所以需要还原一下

重新触发验证码获取，初始化返回了一个imageType，可以全局搜一下这个字段，这里就是把返回的两行八列的图片转成原图。丢给ai转一下就行

• 签名参数构造流程（时间戳、设备信息、密钥派生）
• 算法还原（常见加密模式：AES、RSA、HMAC-SHA256等）

OPENVC识别距离

def extract_slider_mask_and_bbox(slider_img): """ 从滑块图片提取精确掩码和边界框。 优先使用 alpha 通道，否则用阈值二值化。 Returns: mask: 二值掩码 (h, w), 255=滑块区域 bbox: (x, y, w, h) 滑块有效区域的边界框 piece_bgr: 裁剪后的滑块 BGR 图像 piece_mask: 裁剪后的掩码 """ h, w = slider_img.shape[:2] channels = slider_img.shape[2] if len(slider_img.shape) > 2 else 1 if channels == 4: # PNG 有 alpha 通道，直接使用 alpha = slider_img[:, :, 3] _, mask = cv2.threshold(alpha, 128, 255, cv2.THRESH_BINARY) bgr = slider_img[:, :, :3] else: # 没有 alpha 通道，用阈值提取 gray = cv2.cvtColor(slider_img, cv2.COLOR_BGR2GRAY) if channels >= 3 else slider_img _, mask = cv2.threshold(gray, 30, 255, cv2.THRESH_BINARY) # 获取最大连通域（去除噪声） num_labels, labels, stats, _ = cv2.connectedComponentsWithStats(mask, connectivity=8) if num_labels > 1: largest_label = 1 + np.argmax(stats[1:, cv2.CC_STAT_AREA]) mask = np.where(labels == largest_label, 255, 0).astype(np.uint8) bgr = slider_img[:, :, :3] if channels >= 3 else cv2.cvtColor(slider_img, cv2.COLOR_GRAY2BGR) # 获取边界框 coords = cv2.findNonZero(mask) if coords is None: return mask, None, None, None x, y, w_box, h_box = cv2.boundingRect(coords) # 裁剪 piece_bgr = bgr[y:y + h_box, x:x + w_box] piece_mask = mask[y:y + h_box, x:x + w_box] bbox = (x, y, w_box, h_box) return mask, bbox, piece_bgr, piece_mask

验证结果

法律与伦理边界

• 逆向技术的合法使用范围
• 企业防护与用户隐私的平衡
• 个人观点，禁止商业行为，侵权请联系下架