yml2213
47ce74b160
做了什么:
- 删除 generate_telemetry_node/browser/probe 三个伪造环境后端, 以及 apply_real_environment、
4 段拼接旧结构、human_dt_ms、generate_collect_pure (crypto.py 955 -> 389 行)
- 遥测只剩纯算: python_keyed = Node 仅提取 XTEA 密钥字 + Python 模板回填 + 教科书 XTEA
- 修复 crypto.py 重复的 xtea_encrypt_block (内置自测从失败到通过), 并并入 selftest
- 修复 glyph_solver 强校验: 改用集成得分矩阵行 argmax 自洽校验, 回归 5/8 -> 8/8
- 移除注释里无证据的 errorCode=12 归因; 移除 12 自动换 IP 重试
- extract_eks 不再写死变量名; UA 常量统一为 Chrome/155
- 文档对齐: ANALYSIS §8 修订 / PROGRESS 重写 / TOOLCHAIN_REPORT §三 更正
为什么:
- 本项目证据账本已证: 12 与遥测后端/出口 IP/静默时长均无关, 补环境无收益且引入脆弱面
- 强校验用单引擎 ocr_text 会误杀正确解 (实测 簿->垂 / 笆->芭 / 筹->努)
怎么验证:
- .venv/bin/python -m tcaptcha.selftest 全绿 (crypto_core + glyph 8/8 + xtea_key)
- 端到端纯算: python / python_keyed 均可解回 '{"cd":[' 开头明文, probe 模式被拒绝
117 lines
6.3 KiB
Markdown
117 lines
6.3 KiB
Markdown
# 腾讯验证码 (TCaptcha / TDC) 逆向工具链建设与协议解构报告
|
||
|
||
依据 `AGENTS.md`（自顶向下，拒绝打地鼠，工具优先）原则，已完成腾讯天御验证码全链路核心资产拉取、AST 工具链构建、混沌虚拟机（Chaos VM）反汇编以及运行时语义探针建设。
|
||
|
||
---
|
||
|
||
## 一、已建成的工具集清单
|
||
|
||
| 工具 | 路径 | 核心功能 | 解决什么问题 |
|
||
| :--- | :--- | :--- | :--- |
|
||
| **Webpack 解包索引器** | [`tools/unpack_webpack.js`](file:///Users/yml/reverse/hello_js_reverse_skill/tools/unpack_webpack.js) | 将 230KB 单文件 bundle 拆解为 122 个独立模块，建立加签/风控关键词索引 | 圈定加签核心，剔除 80% 开源库与 UI 噪音 (L1 解构) |
|
||
| **Chaos VM 字节码反汇编器** | [`tools/tdc_vm_disasm.js`](file:///Users/yml/reverse/hello_js_reverse_skill/tools/tdc_vm_disasm.js) | 映射全部 70 个操作码语义，自动折叠字符拼接，反编译 45,636 字节码为 8,151 条指令流 | 彻底透明化 TDC 字节码调度器 (L2/L3 解构) |
|
||
| **深度 Proxy 语义探针** | [`tools/tdc_probe.js`](file:///Users/yml/reverse/hello_js_reverse_skill/tools/tdc_probe.js) | 零 Headless/CDP 依赖，通过深度 Proxy 沙箱执行 `tdc.js`，拦截并记录全部 95 项环境读取 | 毫秒级生成与当前会话时间戳和密钥 100% 自洽的动态 `collect` 与 `eks` (L4 数据层) |
|
||
|
||
---
|
||
|
||
## 二、核心逆向成果与证据账本
|
||
|
||
### 1. TDC 混沌虚拟机（Tencent Chaos VM）指令集
|
||
`__TENCENT_CHAOS_VM` 采用经典基于栈的虚拟机架构，包含 70 条操作码：
|
||
- 操作码分发器循环：`for (var M = !1; !M;) M = G[z[H++]]();`
|
||
- `z`: 45,636 整数组成的解压字节码序列
|
||
- `H`: 程序计数器 (PC)
|
||
- 关键操作码：
|
||
- `00`: `PUSH_STR_CHAR`（字符串构造）
|
||
- `03/30/62/35/36/65`: 位运算 (`^`, `&`, `|`, `>>`, `<<`, `>>>`)
|
||
- `06/34/41/61`: 函数调用与对象实例化 (`apply`, `new`)
|
||
- `46/68/47`: 虚拟寄存器读写与分配
|
||
- `56/48/49`: 异常处理栈（Try-Catch 保护链）
|
||
- `57`: 闭包创建器（动态子程序展开）
|
||
|
||
### 2. TDC 关键检测项白名单（已由探针全量捕获，共 95 项）
|
||
探针运行实测表明，TDC 实际探测的环境特征仅 95 项，绝非海量属性：
|
||
1. **自动化/反爬标记检测**：
|
||
- `document.$cdc_asdjflasutopfhvcZLmcfl_`（精准探测 ChromeDriver 变量）
|
||
- `window.navigator.webdriver`
|
||
- `window.domAutomation`
|
||
- `window.fxdriver_id`
|
||
- `window.callPhantom` / `casper` / `CasperError` / `patchRequire`
|
||
- `window.ubot` / `WebPage`
|
||
2. **显示与硬件画像**：
|
||
- `screen.width` (2560), `screen.height` (1440), `availHeight` (1345), `colorDepth` (24)
|
||
- `deviceXDPI`, `logicalXDPI`, `fontSmoothingEnabled`
|
||
- `navigator.hardwareConcurrency` (10), `platform` ("MacIntel"), `languages`
|
||
3. **渲染上下文**：
|
||
- WebGL Renderer: `"ANGLE (Apple, ANGLE Metal Renderer: Apple M4, Unspecified Version)"`
|
||
- WebGL Vendor: `"Google Inc. (Apple)"`
|
||
- Canvas Fingerprint: 成功样本原图 Base64 (368 字节)
|
||
4. **容器关系**：
|
||
- `window.top !== window`（识别是否运行在验证码 iframe 内）
|
||
- `document.getElementById("tCaptchaDyContent")`
|
||
- `window.TCaptchaReferrer`（宿主页面 URL 绑定）
|
||
|
||
### 3. L4 遥测协议数据解密 (`cd` 38 维字段)
|
||
成功解密的 `collect` 明文格式为 `{"cd": [...], "sd": {"od": "C", "ft": "..."}}`：
|
||
- `cd[0..1]`: 屏幕宽、平台 (`2560`, `"MacIntel"`)
|
||
- `cd[2]`: Canvas 指纹
|
||
- `cd[8]`: 宿主页面 URL (`document.referrer`)
|
||
- `cd[9]`: User-Agent
|
||
- `cd[15/18]`: WebGL 渲染器与厂商
|
||
- `cd[19/22/27]`: **当前会话的秒级与毫秒级 Epoch 时间戳**（必须与请求自洽，旧方案硬编码是致死原因之一）
|
||
- `cd[20]`: **鼠标相对增量轨迹**：首点为绝对坐标 `[start_x, start_y, delay_ms]`，后续为增量 `[dx, dy, dt_ms]`（dt 均值 16~18ms，模拟 60Hz 采样）
|
||
- `cd[26]`: 会话校验和与随机种子
|
||
- `cd[31]`: 执行容器类型 (`"iframe"`)
|
||
|
||
---
|
||
|
||
## 三、关于 errorCode=12 的诚实结论（**已更正**）
|
||
|
||
> 本报告早期版本曾把 12 归因于"`re.sub` 破坏校验和 / 时间戳错位 / 机械假轨迹 / CDP 特征泄露"。
|
||
> 这 4 条**均与本项目自己的证据账本冲突**（见 `har/1ms_dianxuan/ANALYSIS.md` §7 与 `PROGRESS.md` §三），
|
||
> 现更正如下：
|
||
|
||
| 早期断言 | 现状 |
|
||
| --- | --- |
|
||
| 时间戳错位（硬编码数天前）| ❌ 撤回：纯算路径自模板回填起就刷新为当前时间戳，仍 12 |
|
||
| 机械假轨迹 dt=0/1ms | ❌ 撤回：换真实 ms 分布后仍 12 |
|
||
| CDP 特征泄露 | ❌ 撤回：纯 Python（无 CDP）后端同样 12 |
|
||
| `re.sub` 破坏内部校验和 | ⚠️ 仅为假设，无对照实验 |
|
||
|
||
**已确证**：12 与遥测后端 / 出口 IP / 静默时长均无关。真正的自变量
|
||
（登录态 / 真实验证码页面上下文）尚未由单变量实验区分 —— 见 `ANALYSIS.md` §7.5。
|
||
|
||
### 关于深度 Proxy 探针（`tools/tdc_probe.js`）的定位
|
||
|
||
探针是**分析工具**（用于枚举 tdc.js 真实读取了哪些环境属性），**已不在遥测生成路径上**
|
||
（`crypto.generate_telemetry` 只保留纯算）。它注入的 Canvas / WebGL / 屏幕取值来自
|
||
**单份成功样本**，属于"复刻一份画像"而非"真实环境"，因此不作为交付依据。
|
||
|
||
---
|
||
|
||
## 四、一键复验入口
|
||
|
||
```bash
|
||
# 1. 验证 Webpack 解包与核心模块提取
|
||
node tools/unpack_webpack.js
|
||
|
||
# 2. 验证 TDC 虚拟机反汇编与字符串提取
|
||
node tools/tdc_vm_disasm.js tcaptcha/core_js/tdc_sample.js
|
||
|
||
# 3. 验证深度 Proxy 语义探针执行并产出 100% 合法 collect 与 eks
|
||
node tools/tdc_probe.js tcaptcha/core_js/tdc_sample.js
|
||
|
||
# 4. 验证探针生成的 collect 成功解密
|
||
.venv/bin/python -c '
|
||
import json, base64, urllib.parse, subprocess
|
||
from tcaptcha.crypto import extract_xtea_key, xtea_decrypt_bytes
|
||
with open("tcaptcha/core_js/tdc_sample.js") as f: code = f.read()
|
||
key = extract_xtea_key(code)
|
||
res = subprocess.check_output(["node", "-e", "const {probeTdc}=require(\"./tools/tdc_probe.js\"); const r=probeTdc(\"tcaptcha/core_js/tdc_sample.js\"); console.log(r.collect);"], text=True).strip()
|
||
raw = base64.b64decode(urllib.parse.unquote(res))
|
||
plain = xtea_decrypt_bytes(raw, key).rstrip(b"\\x00")
|
||
print("成功解密探针生成的遥测载荷，长度:", len(plain))
|
||
print("明文前 150 字节:", plain[:150].decode("latin1"))
|
||
'
|
||
```
|