[思路] 对律师公示平台网站异型滑块算法的逆向分析 附源码

网站：   https://credit.acla.org.cn/credit/lawFirm?refer__1711=n4AxRDyDgG0QiQNDsD7mNePWTTxj2iMohbD&alichlgref=https%3A%2F%2Fcredit.acla.org.cn%2FoYkQmYWxpY2hsZ3JlZj1odHRwcyUzQSUyRiUyRmNyZWRpdC5hY2xhLm9yZy5jbiUyRg==

该网站存在无限debugger和ob混淆，不过逆向难度不高

简单分享思路，不涉及逆向部分，这种解决方法也未必是最好的解决方法，有大佬有更好的算法解决方法望多多交流

该网站存在有两种滑块，一种为标准滑块：

另一种为异型滑块：

第二种可以通过训练模型实现，也可以通过纯算法实现

思路为：
图像转灰度，横向切割后的图片转置出来然后做了下缩放，到0-9，然后余弦相似度做了图片像素间连续性判断
不过算法实现有个缺点就是碰到颜色相近的图片会导致结果错误，总体准确度在70%

代码实现：

import math
import numpy as np
from PIL import Image
 
#余弦相似度计算
def cosine_similarity(vector1, vector2):
    dot_product = sum(x * y for x, y in zip(vector1, vector2))
 
    magnitude1 = math.sqrt(sum(x ** 2 for x in vector1))
    magnitude2 = math.sqrt(sum(x ** 2 for x in vector2))
 
    similarity = dot_product / (magnitude1 * magnitude2)
 
    return similarity
 
 
 
#缩放
def normalize_list(np_array):
    min_value = np.min(np_array)
    max_value = np.max(np_array)
 
    normalized_array = (np_array - min_value) / (max_value - min_value)
 
    return [round(i * 10) for i in normalized_array]
 
#主要方法
def convert_to_black_and_white(input_path, split, output_path='out.jpg'):
    image = Image.open(input_path)
 
    grayscale_image = image.convert("L")
 
    max_score = 1
    max_index = 0
    
    np_array = np.asarray(grayscale_image)[:360 - split - 10]
    np_array = np.transpose(np_array)
     
    for i in range(1, round(len(np_array) / 2)):
        forward = normalize_list(np_array[i * 2 - 1])
        rear = normalize_list(np_array[i * 2 + 1])
        similarity_score = cosine_similarity(forward, rear)
        if similarity_score < max_score and 50 < i * 2 < 550:
            max_score = similarity_score
            max_index = i * 2
  
    print(max_index, max_score)
    grayscale_image.save(output_path)
 
#参数为图片路径，切割的y轴像素
#从响应中提取
convert_to_black_and_white("./img/269.jpeg", 269)

注：若转载请注明大神论坛来源（本贴地址）与作者信息。