大神论坛

找回密码
快速注册
查看: 167 | 回复: 0

[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

主题

帖子

0

积分

初入江湖

UID
560
积分
0
精华
威望
0 点
违规
大神币
68 枚
注册时间
2023-09-16 14:56
发表于 2024-01-20 19:42
本帖最后由 qiujunjian1 于 2024-01-20 19:42 编辑

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。

返回顶部