feat(icon): 轨迹时序指纹修复 —— 1ms 图标 4/8→7/8=0，errorCode 语义与轨迹对拍收口

- 真因：dt 分布与真机严重不符（旧 50% 落 0~16ms，真机 79% 落 13~20ms）+ 点数随机 57~65（真机 6/6 恒 61）。按 6 条真机轨迹重拟合 _sample_dt，新增 _fit_points 钉死 61 点（补齐用 [0,0,dt] 驻留点，不能复制位移点——净位移会被放大）。 - A/B：1ms 图标 0×4→0×7（前 7 连 0）；残余偶发 12 为连发频控形态，低频使用即可。 - errorCode 语义标定：50=答案被否（容差实测 25~40px，我们点偏仅 2~3px）， 12=包级拒答；判点位只看 50/0。 - 顺带修 build_plain：轨迹落末槽（k=37）时 chunk2 恒补前导逗号 → 非法 JSON。 - 新增 scripts/verify/send_campaign.py（批量真发+落图+统计）与 judge_icons.py （提示目标 vs 点击点并排判读）；账本 #64~#74 + 专文 ICON2408.md。复验：selftest 全绿；判读图 24/24 点位全对；mliev 图标 9/10=0。
2026-10-12 14:32:14 +08:00
parent 6a8b3b3ce4
commit 74a863c8b3
9 changed files with 752 additions and 35 deletions
@@ -98,17 +98,31 @@ def default_trajectory() -> List[List[int]]:


 def _sample_dt() -> int:
-    """采样一个事件间隔（ms）。分布按真机成功样本拟合：浏览器合并事件会出现 0。"""
+    """采样一个事件间隔（ms）——**按 6 条真机轨迹 / 360 个非首点 dt 实测重拟合**（2026-10-12）。
+
+    旧分布（账本里记为"旧拟合"）是拿**一条**样本估的，偏差很大：它给了
+    ≥50% 概率落在 0~16ms、约 6% 落在 41~200ms。真机实测分布是**紧密聚集在 16~17ms**：
+
+        0-4    0.28%      5-8    1.39%      9-12   6.39%
+        13-16  35.56%     17-20  43.61%     21-25  4.44%
+        26-40   2.78%     41-80  1.39%     81-200 2.22%    >200 1.94%
+        （众数 17ms×126 / 16ms×93；均值 25.2，是被极少数长停顿拉高的）
+
+    判据：真机 **79%** 落在 13~20ms，而我们旧实现只有约 36% ——
+    "轨迹事件间隔"是服务端最便宜的一类时序特征，别再拿单条样本估分布。
+    """
    r = random.random()
-    if r < 0.50:
-        return random.randint(0, 16)
-    if r < 0.75:
-        return random.randint(17, 24)
-    if r < 0.90:
-        return random.randint(25, 60)
-    if r < 0.98:
-        return random.randint(61, 160)
-    return random.randint(161, 400)
+    if r < 0.0628:                       # ~6%：偏快的一档（9~12ms）
+        return random.randint(9, 12)
+    if r < 0.8472:                       # ~78%：主峰 13~20ms（真机 79%）
+        return random.randint(13, 20)
+    if r < 0.9000:                       # ~5%：21~25ms
+        return random.randint(21, 25)
+    if r < 0.9300:                       # ~3%：26~40ms
+        return random.randint(26, 40)
+    if r < 0.9700:                       # ~4%：41~200ms（偶尔的思考停顿）
+        return random.randint(41, 200)
+    return random.randint(201, 600)      # ~3%：罕见的长时间歇


 def _to_display(x: float, y: float, img_w: int) -> Tuple[float, float]:
@@ -117,16 +131,38 @@ def _to_display(x: float, y: float, img_w: int) -> Tuple[float, float]:
    return 20 + x * scale, 60 + y * scale


+REAL_TRAJECTORY_LEN = 61     # 真机硬不变量：6/6 条成功轨迹都是 61 点（见 _fit_points）
+
+
+def _fit_points(events: List[List[int]]) -> List[List[int]]:
+    """把轨迹**补齐/截断到真机的 61 点**，末尾再钉上固定收尾 `[1,1,12]`。
+
+    为什么点数是硬约束：4 份真机抓包 / **6 条点选成功轨迹**，点数**统统是 61**
+    （`点选.har` 里 3 次提交也一样），一条都不差 —— 这是服务端最容易查的一类
+    结构特征，而旧实现每次随机 57~65 点，等于每发一枪都自带一个异常值。
+
+    ⚠️ 补齐必须用 `[0,0,dt]`（驻留/微抖动），**不能**复制最后一个 `[dx,dy,dt]` ——
+    复制会把位移量重复计入，净位移被放大（实测 166 vs 期望 139.5）。
+    """
+    body = [e for e in events if e != [1, 1, 12]]
+    target = REAL_TRAJECTORY_LEN - 1
+    if len(body) >= target:
+        body = body[:target]
+    else:
+        while len(body) < target:                     # 驻留/微抖动：位移为 0
+            body.append([0, 0, _sample_dt()])
+    return body + [[1, 1, 12]]
+
+
 def trajectory_points(click_points: Sequence[Sequence[int]],
                      img_w: int = 672) -> List[List[int]]:
    """按点击点生成鼠标轨迹：首点绝对坐标 + 增量点 + 固定收尾 `[1,1,12]`。

-    形状与真机一致（3 份样本逐字核对）:
-      * 首点是**绝对坐标**（含 300~600ms 初始停顿）
-      * 之后全是**增量** `[dx,dy,dt]`
-      * **最后一点固定是 `[1,1,12]`** —— 真机成功样本与"没动鼠标"样本都这么收尾
-        （没动鼠标时整条轨迹就是 `[[1,1,12]]`）
-    dt 分布按成功样本实测拟合（旧 crypto._success_style_trajectory 的统计）。
+    形状与真机一致（真机 6 条逐条核对，2026-10-12）:
+      * 首点是**绝对坐标**（含一个"进入前"的停顿，真机实测 7~14766ms）
+      * 之后全是**增量** `[dx,dy,dt]`，dt 分布见 `_sample_dt`
+      * **最后一点固定是 `[1,1,12]`**
+      * **总点数固定 61**（真机 6/6 硬不变量，见 `_fit_points`）
    """
    scale = 320.0 / img_w
    targets = [(int(round(20 + x * scale)), int(round(60 + y * scale)))
@@ -143,8 +179,7 @@ def trajectory_points(click_points: Sequence[Sequence[int]],
            cur = [int(nx), int(ny)]
        for _ in range(random.randint(2, 5)):        # 命中后短暂驻留
            events.append([random.randint(-1, 1), random.randint(-1, 1), _sample_dt()])
-    events.append([1, 1, 12])                        # 固定收尾（真机如此）
-    return events
+    return _fit_points(events)


 def drag_trajectory_points(start: Sequence[float], end: Sequence[float],
@@ -152,7 +187,11 @@ def drag_trajectory_points(start: Sequence[float], end: Sequence[float],
    """滑块**拖动**轨迹：按下 -> 横向移动 -> 松手。

    与 `trajectory_points` 同一套口径（输入是背景图原始像素，输出是 iframe 显示坐标），
-    同样以固定 `[1,1,12]` 收尾。速度曲线用 ease-out：人手拖动是先快后慢、末尾微调。
+    同样以固定 `[1,1,12]` 收尾、dt 同一套分布。速度曲线用 ease-out：
+    人手拖动是先快后慢、末尾微调。
+
+    ⚠️ **拖动轨迹不套 61 点**：那个硬不变量是从**点选**轨迹量出来的（6/6），
+    拖动是另一种交互（按下→横移→松手），点数按 steps 走。别外推。
    """
    sx, sy = _to_display(float(start[0]), float(start[1]), img_w)
    ex, ey = _to_display(float(end[0]), float(end[1]), img_w)
@@ -374,9 +413,14 @@ def build_plain(cd: Sequence[Any], rows: Sequence[Dict],
    head = ",".join(js(v) for v in cd[:k])
    tail = ",".join(js(v) for v in cd[k + 1:])
    return {
-        "chunk1": '{"cd":[' + head + ",",
+        # ⚠️ 逗号是**槽与槽之间**的分隔符（真机是 JSON.stringify 语义），所以两端的空区间
+        # 都**不能**再补分隔逗号，否则会拼出 `{"cd":[,` 或 `...,],` 这种非法 JSON。
+        #   · 轨迹正好是第 0 槽 -> chunk1 就是 '{"cd":['（真机成功包实测，见账本已知 #58）
+        #    · 轨迹正好是最后 1 槽 -> chunk2 就是 '],'（38 槽里 k=37 的构建实测，
+        #      2026-10-12；此前这里恒补前导逗号 -> 拼出非法 JSON）
+        "chunk1": '{"cd":[' + (head + "," if head else ""),
        "trajectory": js(cd[k]),
-        "chunk2": "," + tail + "],",
+        "chunk2": ("," + tail + "],") if tail else "],",
        "sd": '"sd":' + js(sd if sd is not None else {"od": "C"}) + "}",
    }