【2024-08-22】某极验3流程分析-滑块验证码

极验滑块验证码破解与研究（四）：滑块轨迹构造声明一、极验滑动轨迹分析1. 生成滑动轨迹的js入口1.1. 参数搜索方式1.2. 请求调用栈方式2. 滑动轨迹分析3. 滑动轨迹的python实现二、结语*本期文章结束啦，如果对您有帮助，记得收藏加关注哦，后期文章会持续更新 ~~~* 声明 原创文章，请勿转载！ 本文内容仅限于安全研究，不公开具体源码。维护网络安全，人人有责。 本文关联文章超链接： 极验滑块验证码破解与研究（一）：AST还原混淆JS 极验滑块验证码破解与研究（二）：缺口图片还原 极验滑块验证码

第一次请求获取 gt 和 challenge 参数，后面会用到。 第四次请求返回值，可以看见返回的值比较多也许加密时会用到，用记事本记录下来。（推荐Notepad++）拖动滑块就能看到请求参数只有W是加密的，找到加密位置即可。极验3代的滑块图片是乱序的需要还原，轨迹也需要生成，暂时留个坑有时间再更新。寻找加密的方式多种多样看个人喜好，这里从请求发包开始寻找(主要是方便)，点击第四次请求的堆栈选项，然后再点击第一个选项，进入js代码。 跳转js后点击{}代码格式化，chrome会出现黄色的提示，在提示行打

AI代理不是通用自动化工具，而是面向企业知识流、数据流与操作流中高频、规则化、碎片化任务的轻量级智能协作者。其核心原理在于识别‘高重复性+低创造性+强规则性+信息碎片化’的人机协作熵减点，通过小模型+规则引擎+结构化知识库实现可控、可解释、可审计的提效。技术价值体现在部署周期短（3天起）、ROI可量化（如报告撰写时间压缩85%）、责任边界清晰（避开决策终点与流程起点）。典型应用场景包括政策知识即时解读、跨系统数据自动聚合、浏览器端重复操作托管、合同关键条款红标比对等。本文所提炼的5类AI代理，全部源自6家企

极验2012年首次提出行为式验证的概念，开创了验证码新时代。 行为验证基于生物的行为特征，结合AI技术，帮助30万+网站和APP智能区分人机，识别恶意流量，保障业务安全

设计评审正从主观经验走向可测量、可验证的工程实践。其核心在于将视觉决策转化为像素、对比度、圆角比值等可量化参数，并依托多模态理解构建设计语义图谱，实现布局结构、色彩关系与交互意图的联合推理。这种能力使AI不再停留于‘看图说话’，而是成为具备设计系统约束意识与用户认知模型映射能力的协作伙伴。在电商、SaaS、教育类App等真实场景中，它已在视觉层级诊断、无障碍合规校验、F型动线分析等维度展现出高可信度，尤其适用于需快速对齐规范、降低沟通成本、闭环追踪设计债务的团队工作流。

人工智能正经历从‘自动化执行’向‘认知协同’的本质升级，其核心已不再是算力或模型参数，而是软件系统对人类意图的理解、可信决策的生成与跨系统闭环执行的能力。这一转变直指当前AI落地的关键瓶颈：意图建模缺失导致功能碎片化、可信度机制缺位引发专业场景拒用、连接权垄断加剧数据主权让渡。面向教育、医疗、政务、制造等高价值领域，真正可用的AI系统必须具备可溯源的知识整合能力、可审计的推理过程、可验证的意图闭环，以及对现实世界服务链路（如API、政策、硬件）的深度编排能力。本文聚焦于将大模型能力转化为稳定生产力的工程化路

人工智能在产业落地中正经历从‘模型可用’到‘价值可信’的范式跃迁。其核心在于将AI/ML能力嵌入真实业务流程，通过数据契约、模型服务合约、价值流编排与可信仪表盘四大机制，实现数据—模型—决策—财务的端到端闭环。这一过程不再依赖SOTA指标或大模型堆砌，而是聚焦可计量、可审计、可交易的价值节点，如按次计费的边缘推理、嵌入MES的自动预警、基于区块链存证的SLA履约等。它回应了制造业质检、金融风控、医疗影像等场景中普遍存在的‘数据进不来、模型出不去、结果用不上、成本算不清’四大断点，为技术负责人提供向CFO讲清

此地址为第二次请求，在第3步的时候，请求了第一次，该接口返回了验证码图片的地址，以及新的challenge和s值，该challenge为原来旧的challenge加上两位新的字符串。首先，需要找到这个对象，该对象中的passtime比较重要，rp的加密过程中，也需要用到passtime，两者必须保持一致，rp为gt+challenge+passtime的MD5加密，即下图中的H方法。最后拼接h+u参数，即完成了第三个w的参数的构造。的完整逻辑，p对象和，在构造第一个w的时候，已经扣过了，可以直接用；

上一篇，分析了一键通过模式的验证，这次准备把对滑块验证分析的过程更详细记录下来

极验三滑块

极验滑块验证码底图还原及 w 参数逆向

JS逆向协议过极验3滑块验证码

最近开通了个人公众号，有一些被博客下架的文章后续也会同步上去。大佬们可以关注一波。

极验w值逆向

什么是“极验”？ 如果你是从事爬虫相关工作的，那么一定对这两个字不会陌生的。 极验是首家「行为式验证」安全技术服务提供商，并以提供验证码服务而闻名。我们日常会登录一些网站，有的网站登录前需要校验验证码，而这个验证码服务很可能就是极验提供的。 我们直接进入正题 如图所示 这个在登陆面前的拦路虎 便是大名鼎鼎的极验滑块验证码了 看到这里 有点基础的小伙伴 应该马上能想到用selenium来模拟人为拖动滑块来解决，这确实是一个不错的方法，在需求量较小的情况下，不失为一个优先的选择，但它的缺点也十分明显： 一是

第三个加密的w值，注意challenge是第二次返回的三十位的。正确响应结果score越低越代表是真人，越高越代表是机器人。不过这个方法像机器人的分数很高，82分，通过率也很高，基本能通过，通不过就是识别出错了。基本九成以上像用那位大佬的函数就更好了，像机器人分很低分数就很低，就很像人为操作了。

为了模拟人类拖动滑块行为，我们可以先使用Python生成拖动轨迹，然后在Rust中调用Python脚本。为了实现验证码破解，我们需要安装reqwest、opencv和selenium-webdriver库。在Rust中使用std::process::Command调用Python脚本，生成拖动轨迹并控制浏览器完成滑块拖动。首先，我们使用reqwest库来获取验证码图片并保存到本地。接下来，使用OpenCV加载和处理图片，找到滑块缺口的位置。# 使用 Selenium 模拟拖动滑块。1. 获取验证码图片。

本次w加密就是是一个函数调用另一个函数传入两个参数