| 查看: 3109|回复: 8 |
[Web逆向] spiderdemo T30 WebSocket+jsvmp题解及详细思路
[复制链接] |
|
|
楼主
发表于 2026-10-10 09:43
免费评分 参与人数 3吾爱币 +6热心值 +3收起 理由
fengbolee+ 1 + 1 我很赞同!
allspark+ 1 + 1 用心讨论,共获提升!
漁滒+ 4 + 1 我很赞同! 查看全部评分 |
| |
分享到朋友圈 发帖前要善用【论坛搜索】功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。 |
| 声明 一、前言 网站:https://www.spiderdemo.cn/ 这次看 T30 WebSocket+jsvmp 挑战,题目要求采集100页,计算100页数字的总和。 跟之前的题目不太一样,这题是 WS + VMP 复合形态:页面加载 jsvmp2.js,业务走 wss://www.spiderdemo.cn/ws/ , 所有帧都是一串自定义 base62,解开来是 msgpack。 思路就是纯算结合补环境:加密参数不硬啃 VMP 字节码,而是把 sdk.min.js 丢进 Node vm 里用最小环境补起来,它自己会把密码学原语暴露出来,我们直接调;协议结构靠补环境里打日志断点,把它真实的输入输出全部记录下来反推。本文所有结论结合日志实证。 二、抓包看协议长啥样 先开reqable连上WS,可以看到帧序非常规矩: token 帧是明文 msgpack,直接就能看出来: 复制代码 隐藏代码 82 a3 63 6d 64 64 a5 74 6f 6b 65 6e d9 5e ... └fixmap2 └"cmd" └100 └"token" └str8(94) 后面的帧就全是密文了,比如 challenge 长这样: 复制代码 隐藏代码 NG7uJor7vnC5fONYNyekytQc 这里第一个坑:它不是标准 base62。标准的是大写在前(A-Za-z0-9),它是小写在前(0-9a-zA-Z),直接拿标准解出来全是乱码。从页面全局里把字母表抠出来就行: 复制代码 隐藏代码 B62 = "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ" 三、ads-baidu 凭证 WS 握手要带三个 cookie,其中 ads-baidu 是动态的,形态长这样: 复制代码 隐藏代码 <seed前8位>.<一串base62> seed 从 init 接口拿: 复制代码 隐藏代码 GET /authentication/api/jsvmp2_challenge/init/?challenge_type=jsvmp2_challenge → {"token_seed": "ij6fpigy5z2tb6hxtaodzf0mfwupq5w6"} 后面那串 base62 是 sdk.min.js 里的 spiderEncrypt 算的,算法很直白: 复制代码 隐藏代码 const input = seed + '\|' + ts + '\|jsvmp2_challenge'; const b62 = sandbox._spiderEncrypt(input, 'spiderdemo_ws_jv2'); ads = seed.slice(0, 8) + '.' + b62; 拿浏览器样本对一下,字节级一致,凭证层就过了。 四、传输层的坑:Python 101 / Node 403 这里卡了一会。同一个 ads token: Python ssl 手动握手 → 101,通; Node ws 库 → 403,不通。 TLS 栈差异,ClientHello 特征被认出来了。解法就是分职:Python 发包,Node 算参数。 还有个小的,服务端帧是 permessage-deflate 压缩的,Python 侧要 raw inflate,而且必须补 flush 尾,不然解不全: 复制代码 隐藏代码 _inflator = zlib.decompressobj(-15) TAIL = bytes([0, 0, 255, 255]) def inflate(payload): return _inflator.decompress(payload + TAIL) 五、补环境把 worker 跑起来 这题的 worker 逻辑在 sdk.min.js 里,负责持 WS、加解密。思路是 Node vm 里造个最小环境把它加载起来,WebSocket 换成假的——send() 先进 outbox 等 Python 取,服务端帧经 ws_recv 注入: 复制代码 隐藏代码 wkSB.WebSocket = function (url) { const api = { readyState: 0, url, binaryType: 'arraybuffer', _listeners: {}, addEventListener(t, fn) { (this._listeners[t] = this._listeners[t] \|\| []).push(fn); }, send(d) { const b64 = typeof d === 'string' ? Buffer.from(d, 'utf8').toString('base64') : Buffer.from(Array.from(d)).toString('base64'); // 跨 realm 必须 Array.from outbox.push({ type: typeof d === 'string' ? 'text' : 'binary', b64: b64 }); }, close() {}, _fire(t, ev) { if (t === 'open') this.readyState = 1; for (const fn of (this._listeners[t] \|\| []).slice()) fn.call(this, ev); const prop = this['on' + t]; if (typeof prop === 'function') prop.call(this, ev); }, }; wkSB.__ws = api; setTimeout(() => api._fire('open', { type: 'open' }), 0); // ★ 关键 return api; }; 那个 setTimeout(..., 0) 是踩坑踩出来的。最开始用 setInterval(50ms) 轮询等 WS 创建再 fire open,结果 Python 那边 worker_init 返回后同步就来取帧,outbox 必然空的,pump 直接 break。表现出来的症状是: 复制代码 隐藏代码 [5] 泵送帧 ... 收到文本帧: 0 ← 一帧都没发出去! [8] worker 的 W2M 消息 ... W2M: {"type":"INIT_OK"} W2M: {"type":"WS_ERROR","error":"WebSocket not ready"} W2M: {"type":"WS_CONNECTED"} 整条协议一帧都没发出去,还以为是服务端不理我。改成构造函数里 setTimeout(0),等 worker 同步挂好 onopen 后下一轮事件循环触发,就对了。修完之后 W2M 里能看到 challenge 被解出来了: 复制代码 隐藏代码 W2M: {"type":"WS_MESSAGE","data":[1,"127190410169936"]} W2M: {"type":"WS_MESSAGE","data":[99,"must be str, not int"]} 六、打日志看 worker 的真实输入输出 worker 跑起来后能把 challenge 解出来,但它自造的应答服务端不认,回 [99, "must be str, not int"]。 这时候别猜,在补环境里给 API 挂日志。MessagePort.postMessage、TextEncoder.encode、document.createElement 这些全给它包一层,worker 收了什么、回了什么,一目了然。 先看主线程给 worker 发的消息: 复制代码 隐藏代码 postMessage ← {"type":"FINGERPRINT","data":{"fp":[1,1,1,1,1,1,1,1,1,1]}} postMessage ← {"type":"PAGE","data":{"page":2}} postMessage ← {"type":"INIT","data":{"seed":"...","wsUrl":"wss://...","token":"..."}} 几个信息直接到手: fp 只有 10 个 1,指纹数据不走消息通道(那采了一堆 canvas/WebGL/voices 去哪了,后面说); page 是 int,我之前猜"page 要字符串"是错的; 消息只有 INIT/FINGERPRINT/PAGE 三种,协议比想象中简单。 canvas 那串指纹序列也是打日志打出来的,顺序都没差: 复制代码 隐藏代码 set height = 16 getContext("2d") set fillStyle = "#f60" fillRect(0,0,64,16) set fillStyle = "#069" set font = "11px Arial" fillText("SpiderDemo",2,12) set fillStyle = "rgba(102,204,0,0.7)" fillRect(16,0,32,16) toDataURL() → data:image/png;base64,iVBORw0KGgo...(1018 字符) WebGL 走的是 getExtension("WEBGL_debug_renderer_info") + getParameter(37446) 拿 renderer 字符串,另外还有 canPlayType("audio/mpeg;") 和 getVoices()。 再看调用栈归属,架构就清楚了: 复制代码 隐藏代码 WebSocket.send → _0x1E294FC @ sdk.min.js ← WS 由它持 canvas/WebGL/getVoices/FINGERPRINT/PAGE → _0x47C1A2 @ jsvmp2.js ← 指纹采集+发消息 两者在同一个页面进程里,经 MessageChannel 通信,根本没有真 Worker。我之前按 SharedWorker 那套去模拟,方向就偏了。 还有个细节:worker 在收到 FINGERPRINT 到发出应答的那一秒里,没有任何环境属性访问。所以 38 值 fp 里的 screen 宽高、hardwareConcurrency 这些不是它现采的,是 VMP 内部状态或者更早缓存。这也是我判断"补 screen stub 未必能让 worker 造出 38 值"的依据,最终选了另一条路(第九节)。 七、密码突破:密钥就是 seed 到这地步,VMP 内部是真看不见了——给 S 盒挂 Proxy 记录访问,0 条命中,VMP 加载时就把函数直引用抓闭包里了。给 Function.prototype.toString 打补丁更不行,VMP 会校验原生性,一碰就断流。 换个思路:不解码 VMP,直接调它。dump 一下沙箱全局,好家伙,75 个全局里躺着一整套密码学: 复制代码 隐藏代码 S / S_INV // 256 字节置换表,互逆 expandKey(key, len) // 密钥流 spiderEncrypt(str, key) // 字符串加密 → base62 spiderEncryptBytes(bytes, key) // 字节加密 → base62 spiderDecryptBytes(b62, key) // base62 → 字节 msgpackEncode(obj) / msgpackDecode(bytes) toBase62(bytes) / fromBase62(b62) 那密钥是啥?challenge 的明文结构是能推断的(worker 会把解密结果回传给主线程,所以明文密文都拿得到),msgpack 固定 18 字节。直接拿已知对撞: 复制代码 隐藏代码 const out = SB.spiderDecryptBytes(chB62, candidateKey); if (Buffer.from(Array.from(out)).equals(chPlain)) → 命中 候选挨个试:seed、token、ads、固定串、seed+token、seed|ts……一击命中,key = seed 本身: 复制代码 隐藏代码 challenge b62: 1AYCUI6Q0tmnrV5HrIRJzpckW 期望明文 : 9201af313237313930343130313531313834 === 暴力搜密钥 === ★★★ 命中! key=seed key 值: "gdhusecu3b7jwc3ckb5bq34upxmajshf" 没有任何派生,没有 IV,没有 nonce,就是 seed 字符串本身。这也解释了之前一个现象:拿旧会话的 challenge 到新会话里重放,解出来是乱码——密钥流跟着 seed 走,换 seed 换密钥流。 八、API 契约的坑 密钥有了,照着浏览器结构自造应答发出去,服务端回: 复制代码 隐藏代码 [99, "unpack(b) received extra data."] 这句话其实信息量很大——服务端内部就是"解密 → msgpack.unpackb → 字段校验"。我的帧解密后多出数据,说明加密那步不对。做个契约矩阵: 复制代码 隐藏代码 明文 66 字节,浏览器应答也是 66 字节 enc(b62str, seed) → 120 chars ✗ enc(U8(plain), seed) → 89 chars ★ 与浏览器同长 enc(hexstr, seed) → 178 chars ✗ 根因:spiderEncryptBytes 第一个参数得是明文字节(Uint8Array),我传了 base62 字符串,被当成明文又编了一层,凭空多 23 字节。 修正后拿三个真实帧做回环验证,全部字节级一致: 复制代码 隐藏代码 challenge: 解密 → 重加密 = "NG7uJor7vnC5fONYNyekytQc" ★ 应答: 解密 → 重加密 = "c2B5Lkeq911hx9oFf6HI82M7X5PZraMgG…" ★ 翻页请求: 解密 → 重加密 = "22aiU4IIi8F3txsgnlavQNAyjipiY0en3" ★ 九、绕开 worker 自己造应答 还有个事没解释:worker 自造的应答为啥只有 10 个值。把它发的帧解开来一看就穿了: 复制代码 隐藏代码 // worker 造的(错误回退路径) {"cmd":99,"fp":[1,1,1,1,1,1,1,1,1,1]} ← 回显我发的 10 个值 // 浏览器造的(66 字节) {"cmd":99,"fp":[1,1,...,1(22个),28,0,5,24,1920,1080,100,1313108922,-1708469978,1,-1,0,0,1,0,1]} worker 内部要拿环境数据(screen 宽高、hardwareConcurrency 之类)把 fp 扩展到 38 个值,我的 stub 环境缺对象,扩展失败就走了回退路径,用 {cmd:99, fp:[回显]} 冒充应答。服务端那句 must be str, not int 其实是这条回退路径惹的。 两条路:补全 worker 环境让扩展成功,或者自己造 38 值。选了后者——浏览器应答结构日志里全有,服务端对 fp 具体值只存储不校验(两轮不同 seed 不同值都过),省得去猜 worker 到底要哪些对象: 复制代码 隐藏代码 FP = [1]*22 + [28,0,5,24,1920,1080,100,1313108922,-1708469978,1,-1,0,0,1,0,1] frame = enc(seed, {"cmd":99, "fp":FP}) ws.send_text(frame) # 服务端静默接受 顺带一说,合法应答服务端是不回复的(继续发翻页就有数据),非法应答才回 [99,...]——这就是判断应答过没过的方式。 十、翻页采集 翻页请求结构也是解出来的: 复制代码 隐藏代码 {"cmd":4,"page":2,"ts":1791526750065} // ts 是毫秒时间戳,所以每帧都不一样 页数据回来是个虚拟 DOM 树,主线程按它渲染,数字在 [16, idx, "值"] 节点里(值是字符串): 复制代码 隐藏代码 [[2, 2, 100], [8, 1, 10, "div", {"class":"grid","id":"page-2"}], [55, [ [8, 10, 100, "span", {"class":"num","data-idx":"101"}], [16, 100, "1253"], ← ★ 数字在这 [8, 10, 101, "span", {"class":"num","data-idx":"102"}], [16, 101, "1354"], ... ]], [3, 2]] 递归提一下就行: 复制代码 隐藏代码 def extract_numbers(obj): out = [] def walk(node): if isinstance(node, list): if len(node) == 3 and node[0] == 16 and isinstance(node[2], str): out.append(int(node[2])) for x in node: walk(x) elif isinstance(node, dict): for k in node: walk(node[k]) walk(obj) return out 还有个坑:服务端会发 PING,不回 PONG 它就不理你,等到超时还以为是自己帧的问题。recv() 里自动回一下: 复制代码 隐藏代码 if opcode == 9: # PING self.pong(payload) # 回 PONG(10),载荷原样 return self.recv(timeout) 十一、提交答案 100 页采完(每页 10 个,共 1000 个数字),求和后 POST 提交: 复制代码 隐藏代码 POST /authentication/api/jsvmp2_challenge/submit/ {"answer": "5396396", "challenge_type": "jsvmp2_challenge"} → {"success": true, "is_correct": true, "message": "答案正确!🎉 恭喜首次通过!"} 十二、总结 这题的价值不在某个加密点,而在整套协议都得靠补环境+日志扒出来。几条经验: 服务端的错误码文本是免费的结构信息。unpack(b) received extra data 直接告诉你内部有 msgpack 解包这一步,must be str, not int 告诉你有字段类型校验。看到错误先解它的含义,排查方向就定了。 VMP 当黑盒,别读字节码。jsvmp6 那种控制流平坦化读不动,但它总要暴露原语——dump 一下沙箱全局,spiderEncryptBytes/msgpackEncode/expandKey 全躺在那,直接调就行。 已知明文+密文对撞密钥,比逆密钥调度划算。明文从"worker 会把结果回显给主线程"拿,密文从 WS 实录拿,撞一次就中。 补环境里给 API 挂日志是第一生产力。MessagePort.postMessage、TextEncoder.encode、document.createElement 全包一层,VMP 内部不可见时的替代视线,比纯看函数名强得多。 跨 realm 是 Node vm 补环境第一大坑:Uint8Array、类、钩子注入全都可能因为 realm 不同而失效,钩子必须 runInContext 进目标 realm 才管用。 竞态类 bug 先看事件循环。"协议没跑起来"这种假象最耗时,往往是 setInterval(50ms) vs 同步 pump 这种时序问题,不是服务端问题。 |
| 方向 | 内容 |
|---|---|
| C→S | 108B 二进制帧(token) |
| S→C | 24 字符 base62(challenge) |
| C→S | 89 字符 base62(应答) |
| C→S | 33 字符 base62(翻页请求) |
| S→C | 609 字符 base62(页数据) |
| S→C | PING,要回 PONG |
|
| 沙发
发表于 2026-10-10 10:57 |
| 66666666666牛啊 |
|
| 3#
发表于 2026-10-10 11:22 |
| 楼主牛逼,学习了。 |
|
| 4#
发表于 2026-10-10 12:00 |
| VMP 当黑盒,别读字节码。jsvmp6 那种控制流平坦化读不动,但它总要暴露原语——dump 一下沙箱全局,spiderEncryptBytes/msgpackEncode/expandKey 全躺在那,直接调就行。——学习了,感谢分享。 |
|
| 5#
发表于 2026-10-11 07:08 |
| 感谢楼主分享 |
|
| 6#
发表于 2026-10-11 12:55 |
|
| 7#
发表于 2026-10-27 10:27 |
| 前来学习,楼主六批
|
|
| 8#
发表于 2026-11-5 23:17 |
| 很不错的文章,小白我都有点看懂些内容 |
|
| 9#
发表于 2026-11-12 10:29 |
RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - 52pojie.cn
GMT+8, 2026-11-18 04:02
Powered by Discuz!