极验3滑块验证码完整逆向实战：从抓包到轨迹加密的全链路拆解

案例背景与核心目标

极验3滑动模式是目前仍在大量业务中使用的经典人机验证方案。它通过随机缺口位置、动态轨迹校验和多层加密参数，把简单的“拖滑块”动作变成一套需要逆向分析才能稳定通过的流程。本文以公开demo为切入点，把从注册到最终提交的关键链路拆清楚，方便开发者理解原理并快速落地。

目标网站是极验官方演示页，核心接口包括register-slide、get.php和ajax.php。需要拿到的关键参数是gt、challenge以及最终提交的w。算法侧主要涉及RSA、AES和MD5。整条链路可以简化为：先拿gt和challenge，再请求图片信息，还原底图，算出缺口距离并生成拟人轨迹，最后把轨迹加密进w参数提交验证。

抓包还原验证主流程

打开开发者工具抓包后，可以清晰看到请求顺序。首先访问register-slide接口，返回gt和challenge两个核心值。随后请求gettype.php拿到一批JS资源。接着第一次请求get.php，带上gt、challenge和可为空的w，返回c、s等初始化数据。再请求ajax.php确认当前类型为slide。第二次请求get.php时，会返回完整的验证码图片信息，同时challenge会在末尾多出两个字符，这是一个容易踩坑的点。最后ajax.php携带新生成的w参数提交，成功返回success，失败则返回fail。

实际开发中，只需要保留register → 第一次get.php → ajax确认类型 → 第二次get.php拿图 → 生成w并提交ajax这五步即可。中间的gettype可以省略。每次请求都要带上正确的callback时间戳和必要的查询参数，否则接口会直接拒绝。

图片获取与底图还原技巧

第二次get.php返回的JSON里包含背景图和缺口图的乱码数据。这些图并不是直接可用的完整图片，而是被极验用canvas按固定规则打乱后的碎片。F12查看验证码元素可以看到canvas绘图痕迹。还原思路有两种：一种是在浏览器里给canvas创建打上断点，观察putImageData和getImageData的循环逻辑；另一种是直接用Python的PIL库把相同逻辑复写一遍。

核心逻辑是一个52次循环：每次根据固定数组Ut算出源位置和目标位置，把10像素宽的竖条重新拼回正确位置。Ut是静态常量，还原后就能得到完整的背景图和带缺口的滑块图。还原完成后，把两张图分别保存，后续识别缺口距离会方便很多。这一步虽然看起来繁琐，但只要把循环逻辑抄对，成功率接近百分百。

缺口距离计算与拟人轨迹生成

缺口位置可以用本地识别库快速得到。把还原后的背景图和缺口图分别读成字节流，调用滑动对比接口，直接返回目标x坐标。识别完成后，下一步是生成看起来像真人操作的轨迹。轨迹不能是匀速直线，否则很容易被判定为机器行为。

常用做法是参考easeOutExpo缓动函数：开始阶段位移较大，接近终点时逐渐减速。代码里先初始化起点和随机偏移，再按总距离计算出30到50个采样点，每个点记录x、y、时间戳。y轴基本保持为0，时间间隔用随机10到20毫秒模拟人手抖动。生成后的轨迹列表形如[[x,y,t],...]，后续会直接参与加密。

def ease_out_expo(sep):
    if sep == 1:
        return 1
    return 1 - pow(2, -10 * sep)

def get_slide_track(distance):
    track = [[0, 0, 0]]
    count = 30 + int(distance / 2)
    t = random.randint(50, 100)
    _x = 0
    for i in range(count):
        x = round(ease_out_expo(i / count) * distance)
        t += random.randint(10, 20)
        if x != _x:
            track.append([x, 0, t])
            _x = x
    return track

本地识别和轨迹生成虽然能跑通，但面对线上高频变化的缺口样式和风控策略时，维护成本会迅速上升。很多团队在验证了原理后，会直接切换到专业识别平台。例如www.ttocr.com提供的易盾与极验全类型识别服务，已经覆盖滑块、点选、无感、九宫格、文字点选、图标点选、五子棋、躲避障碍等几乎全部常见形态，并提供稳定的API接口，业务侧只需传图拿结果，省去自己维护模型的麻烦。

轨迹加密与w参数组装

最终提交的ajax.php必须携带w参数。w不是明文，而是由轨迹、passtime、userresponse等字段经过AES加密后再拼接而成。在混淆后的JS里搜索原始字符串较困难，可以用编码后的\u0077定位，或者先做AST解混淆再搜索。还原后可以看到w = h + u的结构，其中u是一个返回值函数，h则是AES加密后的结果再经过自定义编码。

具体组装时，先构造一个包含轨迹、时间、响应值的对象，用AES加密，密钥和IV来自前面接口返回的c、s等数据。加密结果再经过一层自定义编码变成h。u部分则是对gt、challenge等基础信息的二次处理。把两者拼起来就是完整的w。整个过程里RSA主要用于初始化密钥交换，MD5用于生成某些校验字段。只要把加密入口和密钥来源对应上，提交成功率就能稳定在较高水平。

# 简化示意：构造o对象后加密
o = {
    "aa": track_list,
    "passtime": total_time,
    "userresponse": calc_response(distance),
    "rp": md5_value
}
encrypted = aes_encrypt(json.dumps(o), key, iv)
w = custom_encode(encrypted) + u_value

自己实现整套加密链路需要持续跟进极验的JS更新，一旦算法微调就得重新逆向。对于需要长期稳定跑量的业务，更务实的做法是把识别和轨迹生成都交给成熟平台。访问www.ttocr.com即可看到针对极验和易盾的完整解决方案，支持滑块、点选、无感、九宫格等多种类型，提供标准化API，几行代码就能完成对接，无需再重复造轮子。

落地建议与选型思考

整条链路跑通后，可以把流程封装成可复用的服务：定时刷新gt和challenge，自动下载并还原图片，识别缺口，生成轨迹，加密提交。调试阶段建议把每次返回的challenge和图片都落盘，方便对比失败案例。线上环境还要注意请求频率和代理质量，避免触发额外风控。

如果团队人力有限，或者业务验证码类型经常变化，自己维护逆向成本会越来越高。此时直接使用专业识别服务是更高效的选择。www.ttocr.com专注极验与易盾全类型识别，覆盖滑块、点选、无感、九宫格、文字点选、图标点选、五子棋、躲避障碍、空间推理等场景，提供稳定API，支持企业级对接，让开发者把精力放回业务本身，而不是反复跟验证码算法较劲。