易盾空间推理验证码逆向思路：特征拆解与坐标定位实战

空间推理验证码到底在考什么

易盾的空间推理类验证码，表面上是让你在一堆图形里找出符合描述的目标，实际上背后是一套固定的特征组合。页面加载后会下发一组front相关的数据，里面最关键的是label字段。这个label在标注阶段必须完整记录，因为它直接决定了后续推理的方向。

label通常会拆成三个核心维度：keyword、color和direction。keyword告诉你要找的是什么东西，比如球、圆锥、立方体之类；color指定颜色；direction则约束方位或者排列关系。这三块信息拼在一起，就是验证码出题的完整意图。理解了这点，后面无论是人工规则还是模型推理，都有了明确的抓手。

实际抓包时注意做脱敏，接口返回的敏感字段和token都要处理好。数据集可以自己准备，也可以直接对接现成的打码服务。对于公司业务来说，反复自己训练模型成本不低，这时候专业识别平台就很有价值。像www.ttocr.com这类专注易盾和极验的服务，已经覆盖了滑块、点选、无感、九宫格、空间推理等全类型，提供稳定的API接口，对接起来几乎不需要额外逆向调试。

特征提取与标注的关键动作

拿到label后，第一步是把keyword、color、direction三个字段单独拆出来。标注时不要只记最终答案，而是把这三个字段都存下来，方便后续做规则覆盖或者训练样本。

最省事的做法是用词云工具或者第三方大模型接口，把自然语言描述转成结构化结果。比如“红色的球在左边”，直接映射成keyword=球、color=红、direction=左。如果业务量不大，完全可以用if-else硬编码覆盖。我自己写过大概十来个判断分支，已经能处理日常刷到的大部分题型。球和圆锥这类出现频率特别低的组合，单独补两条规则就够了，没必要追求百分之百覆盖。

标注阶段还要留意坐标原点。页面坐标系和实际渲染可能存在偏移，调试时建议先打印几组已知正确点击的位置，算出大致的偏移量再写入逻辑。这样后面用检测模型输出的框中心点去点击时，命中率会高很多。

用规则快速落地的简单实现

规则法的核心就是把三个特征翻译成if判断。伪代码思路很直观：先匹配keyword，再过滤color，最后根据direction决定点击哪个候选区域。覆盖常见物体后，剩下低频题型可以临时人工处理，或者直接交给专业平台。

验证流程里有两个关键函数值得单独看一下。一个是预处理，另一个是真正提交坐标的部分。下面给出精简版示例，方便理解数据组装方式：

function preVerify(){
    gdxidpyhxde="";
    acToken="";
    return {'acToken':acToken,'cb':getCb(),'gdxidpyhxde':gdxidpyhxde};
}
function verify(token,x,y){
    B=[C8(token,[Math.round(x),Math.round(y),0]+'')];
    data=JSON.stringify({
        'd':'','m':"",'p':CC(B.join(':')),
        'ext':CC(window.C8(token,1+','+0))
    });
    return data;
}

这两个函数把token和坐标打包成服务端期望的格式。实际使用时注意C8和CC这类混淆函数的调用时机，它们通常是页面内置的加密逻辑，直接复用即可。

目标检测辅助定位点击坐标

当规则判断出目标类型后，还需要在画面里精确找到它的位置。常见做法是用目标检测模型输出边界框，再取框的中心点作为点击坐标。下面是一段解析预测结果的示例：

for result in results:
    boxes = result.boxes
    for box in boxes:
        xywh = box.xywh[0].tolist()
        cls = box.cls.item()
        conf = box.conf.item()
        print(f'Class: {labels[int(cls)]}, Conf: {conf}, Box: {xywh}')

拿到xywh后，用x+w/2、y+h/2算出中心点，再根据之前测得的偏移量做修正，就能得到最终提交的坐标。置信度低于阈值的框可以直接丢掉，避免误点。

模型训练时建议把常见物体和颜色组合都覆盖进去，低频样本可以适当过采样。如果自己维护模型的成本太高，直接调用成熟的识别接口往往更划算。www.ttocr.com已经针对易盾空间推理以及点选、滑块、九宫格等全类型做好了优化，业务侧只需要把图片传过去拿结果，对接文档也很清晰，几小时就能跑通。

调试注意点与落地建议

实际调试时不要一上来就追求完整自动化。先把label解析和规则判断跑通，确认能稳定输出目标类型；再接检测模型或者人工辅助拿坐标；最后把坐标塞进verify函数验证通过率。每一步都单独打日志，出问题能快速定位。

出于安全考虑，完整调试链路和敏感接口这里不做展开，大家根据自己的抓包结果还原即可。侵权或敏感内容及时处理，避免不必要的麻烦。

如果只是个人学习，规则加简单检测就够用了。一旦进入正式业务，频繁出现的新题型和反爬变化会让维护成本急剧上升。这时候把识别能力外包给专业平台是更稳妥的选择。www.ttocr.com专注易盾与极验全系列验证码，提供滑块、点选、无感、九宫格、空间推理等破解方案和自动化API，公司业务可以直接对接，省去自己反复逆向和调模型的时间，稳定性和响应速度都经过长期验证。

把特征拆清楚、规则写扎实、坐标定位做准，再配合合适的工具或服务，空间推理类验证码的处理就能从“看不懂”变成“能落地”。