hello_js_reverse_skill/references/jsvmp-source-instrumentation.md

JSVMP 源码级插桩专项指南（第四板斧）

v2.5.0 新增文档。本指南讲解 camoufox-reverse MCP v0.4.0+ 提供的源码级插桩能力（instrument_jsvmp_source / get_instrumentation_log / find_dispatch_loops）的使用方法论，是 JSVMP 四板斧中"第四板斧"的完整说明。

与 jsvmp-analysis.md 的第一/二/三板斧互补——前三板斧诊断"VM 看外界 / 外界看 VM"，本文档讲解"VM 看自己"。

---

1. 为什么需要源码级插桩

1.1 传统 hook 的盲区

hook_jsvmp_interpreter 即使升级到 v0.4.0 的多路径版本（apply/call/bind + Reflect.*/Proxy 全局对象 + timing/random），仍然只能看到 VMP 路由到可 hook JS API 的部分。但RS 5/6、Akamai sensor_data v2/v3、webmssdk（短视频平台）、obfuscator.io 这类 VMP 的典型结构是：

// 典型的自包含 VMP 字节码分发循环
function _vm(bytecode) {
  var stack = [], pc = 0, env = window;
  while (pc < bytecode.length) {
    var op = bytecode[pc++];
    switch (op) {
      case 1: stack.push(env[bytecode[pc++]]); break;    // ← GET 操作：env[key] 直接访问，不经过 apply/Reflect
      case 2: var k = stack.pop(), o = stack.pop(); stack.push(o[k]); break;  // ← 对象属性读取
      case 3: var args = stack.splice(-bytecode[pc++]);
              var fn = stack.pop(); stack.push(fn.apply(null, args)); break;  // ← 这种才被 apply hook 看到
      case 4: stack.push(bytecode[pc++] + stack.pop()); break;                // ← 纯字符串拼接，hook 完全抓不到
      // ... 数十到数百个 case
    }
  }
}

• case 1 直接访问 env[key]，hook navigator/screen 的 Proxy 能看到（如果 env 是被 Proxy 的全局），但嵌套多层后 Proxy 链会断。
• case 2 读任意对象的任意属性——hook 不可能覆盖所有对象。
• case 4 纯内存里的字符串拼接，任何 hook 都看不到。

结果：VMP 生成签名需要的关键中间值在 dispatch 循环内部全部丢失，传统 hook 返回的日志里只有零散的 API 调用，无法拼出算法。

1.2 源码级插桩的原理

instrument_jsvmp_source 在 HTTP 层拦截目标脚本，在脚本抵达浏览器前把源码改写成等价的"带 tap 的版本"：

// 改写前
stack.push(env[key]);

// 改写后（regex 模式）
stack.push(__mcp_tap_get(env, key, 'vmp1'));

// 改写前
fn.apply(null, args);

// 改写后（AST 模式）
__mcp_tap_call(fn, null, [args[0], args[1], ...], 'vmp1');

__mcp_tap_get / __mcp_tap_call / __mcp_tap_method 三个运行时函数会把每次访问记录到 window.__mcp_vmp_log，包括：

• tap_get: 读取属性——{type, tag, key, objType, value (preview)}
• tap_method: obj.method(args) 调用——{type, tag, objType, method, argc, arg0, ret}
• tap_call: fn(args) 直接调用——{type, tag, name, argc, arg0, ret}
• tap_call_err: 调用抛错——{type, tag, name, err}

改写后的源码继续正常执行——VMP 照跑不误，但每一次对宿主环境或对象的交互都被记录。

---

2. 两种改写模式：regex vs AST

instrument_jsvmp_source(mode=...) 支持两种模式：

2.1 mode="regex"（默认，零依赖）

• 原理：纯正则匹配 <identifier>[<expr>]，替换为 __mcp_tap_get(identifier, expr, tag)
• 优点：无外部 CDN 依赖，页面离线也能用；速度极快；大文件安全（10MB+ VMP 也能秒级改写）
• 覆盖率：~80% 的 member access；不覆盖函数调用 tap（只改写 obj[key]，不改写 fn(args)）
• 局限：对带模板字符串、正则字面量、嵌套方括号的代码可能误改写；只改 member access，不改 call
• 使用场景：
  • 目标环境无法访问 cdnjs.cloudflare.com
  • 极限大文件（AST 模式内存超限）
  • 快速扫一遍看看 hot_keys 分布

2.2 mode="ast"（高保真，需 CDN）

• 原理：在页面内加载 Acorn（cdnjs.cloudflare.com/ajax/libs/acorn/8.11.3/acorn.min.js）解析源码为 AST，精确识别 MemberExpression / CallExpression，只对应该改写的节点插入 tap
• 优点：99% 覆盖率，同时改写 member access 和 call；不会误改写字符串字面量/正则
• 依赖：页面必须能访问 cdnjs CDN
• 使用场景：
  • 绝大多数联网场景（默认推荐）
  • 需要 hot_methods / hot_functions 数据（只有 AST 模式会生成）
• 失败回退：AST 解析失败时（例如脚本有语法错误或 Acorn 版本不支持的语法），instrument_jsvmp_source 会自动 pass-through 源码不变，并在 console 记 warn

v0.5.0 变化：mode="ast" 的实现从 v0.4.x 的"页面内加载 acorn CDN"改为 MCP 侧 esprima-python 解析。这意味着：

• 挑战页（RS 412、Akamai sensor_data 挑战等）上 AST 模式能用了（旧实现因 CDN 被挑战拦住会静默失败）
• 零 JS 依赖，instrument_jsvmp_source 的 AST 模式现在应成为默认选择
• 新增 fallback_on_error=True，esprima 解析失败时自动回落 regex
• 旧的 "ast_page" 模式保留但标注为 deprecated，仅做 A/B 对比用

2.3 选择建议

情况	选	原因
首次分析某个 VMP，联网环境	AST	hot_methods + hot_functions 能 30 秒内画出 VMP 行为画像
离线/受限网络	regex	零依赖
VMP 文件 > 5 MB	regex	AST 改写内存开销大
关心 VMP 调了哪些方法	AST	regex 不生成 tap_method / tap_call
关心 VMP 读了哪些属性	任一	两种模式都生成 tap_get

---

AST 模式健康诊断（v2.6.0 新增）

启用 instrument_jsvmp_source(mode="ast") 后，通过 get_instrumentation_status() 的 active_patterns[i].last_mode_used 字段判断实际走了哪条路径：

last_mode_used	含义	动作
"ast"	MCP 侧 esprima 成功，全量 AST 改写	正常，继续
"regex"	你显式指定了 mode="regex"	正常，继续
"regex (fallback)"	mode="ast" 但 esprima 解析失败，自动回落 regex	警告：看下文
"ast_page"	走的是 deprecated 的页面内 Acorn 实现	迁到 "ast"，除非你在做 A/B

"regex (fallback)" 持续出现时：

1. 先 get_console_logs 里搜 [INSTRUMENT] AST parse failed，看具体报错
2. 如果是 ES2022+ 的 private field / static block / top-level await 等新语法 → 手动 mode="regex"（~80% 覆盖）或 mode="transparent"（runtime 观察）兜底
3. 如果是 SyntaxError: Unexpected token 开头 → 可能 JS 被加了 BOM 或非标准前缀，可以本地用 curl 下来手动检查首 100 字节

一般来说，RS sdenv*.js / Akamai acmescripts*.js / webmssdk 都能被 esprima 解析。如果出现持续 fallback，报告给 MCP 仓库 issue 区。

---

3. 黄金 8 步流程

这是面向RS 5/6、Akamai sensor_data、webmssdk、obfuscator.io 的通用流程。照抄 Actions 段即可，执行方需要替换的只有 url_pattern 和 script_url。

Step 1 — 启动 + 网络捕获

Actions:
  launch_browser(headless=False)   # 有头调试，看浏览器行为
  start_network_capture(capture_body=True)   # 抓响应体，后续 analyze_cookie_sources 需要

Step 2 — 第一次导航定位 VMP 脚本 URL

Actions:
  navigate(url="https://target.com/", wait_until="load")
  list_network_requests(resource_type="script")
  → 找 size 最大的 JS（通常 100KB+，名字像 sdenv-*.js / FuckCookie_*.js / webmssdk.es5.js / akam/xxx.js）
  → 记下 url，下面称为 <VMP_URL>

Step 3 — 确认是 VMP（而不是普通混淆）

Actions:
  find_dispatch_loops(script_url="<VMP_URL>", min_case_count=20)
  → 返回：
    {
      "candidates": [
        {"fn_name": "_0xabc", "case_count": 87, "char_range": [45321, 182400], "preview": "..."}
      ],
      "total": 1,
      "source_length": 382112
    }
  → case_count > 50 基本确认是 VMP
  → 记下 fn_name 和 char_range（后续定位方便）

Step 4 — 装源码级插桩（核心）

Actions:
  instrument_jsvmp_source(
    url_pattern="**/sdenv-*.js",       # glob 模式，匹配所有 CDN hash 变种
    mode="ast",                         # 联网优先 ast
    tag="vmp1",                         # 一次插桩多 VMP 时区分
    rewrite_member_access=True,
    rewrite_calls=True,
    max_rewrites=5000,
    cache_rewritten=True                # 避免重复改写
  )
  → 返回：{"status": "instrumenting", "pattern": "...", "mode": "ast", "tag": "vmp1"}

Step 5 — 装兜底 hook（与源码插桩互补）

Actions:
  inject_hook_preset(preset="cookie", persistent=True)       # 原型链级 cookie hook
  inject_hook_preset(preset="xhr", persistent=True)          # 请求出口
  inject_hook_preset(preset="fetch", persistent=True)        # 请求出口
  inject_hook_preset(preset="crypto", persistent=True)       # btoa/atob/JSON.stringify
  hook_jsvmp_interpreter(script_url="<VMP basename>",        # 多路径运行时探针
                         track_calls=True,
                         track_reflect=True,
                         track_props=True)
  bypass_debugger_trap()                                      # 避免 VMP 的 debugger 陷阱

Step 6 — reload_with_hooks 让探针先于 VMP 生效

Actions:
  reload_with_hooks(clear_log=True, wait_until="networkidle")
  → 注意 final_status：
    · 200   → 正常
    · 412   → RS挑战页未过，需要等 challenge 完成
    · 403   → Akamai 拦截，检查指纹或 UA

特殊场景：若目标就是首屏挑战页（RS 412），用：
  navigate(
    url="https://target.com/",
    pre_inject_hooks=["xhr", "fetch", "cookie", "jsvmp_probe"],
    via_blank=True,
    wait_until="networkidle"
  )

Step 7 — 触发业务操作

Actions:
  click(selector=".some-btn")
  # 或
  type_text(selector="#search", text="test")
  click(selector=".submit")
  # 或
  evaluate_js(expression="document.querySelector('.nextPage').click()")

  → VMP 会在这一步生成签名并发起请求

Step 8 — 读日志，分析 hot_keys / hot_methods / hot_functions

Actions (hot_keys — VMP 读取了哪些属性):
  get_instrumentation_log(
    tag_filter="vmp1",
    type_filter="tap_get",
    limit=200
  )
  → summary.hot_keys:
    {
      "userAgent": 120,
      "plugins": 98,
      "webdriver": 77,
      "platform": 65,
      "language": 54,
      "cookie": 43,
      ...
    }
  → 这就是 VMP 参与签名哈希的完整环境指纹集

Actions (hot_methods — VMP 调用了哪些方法):
  get_instrumentation_log(
    tag_filter="vmp1",
    type_filter="tap_method",
    limit=200
  )
  → summary.hot_methods:
    {
      "Object.defineProperty": 45,
      "Array.prototype.join": 38,
      "String.prototype.charCodeAt": 30,
      "CryptoJS.MD5": 12,
      ...
    }
  → 这告诉你算法是否用标准加密

Actions (hot_functions — VMP 调用了哪些函数):
  get_instrumentation_log(
    tag_filter="vmp1",
    type_filter="tap_call",
    limit=200
  )
  → summary.hot_functions:
    {
      "_0xabc": 300,
      "_0xdef": 150,
      "encodeURIComponent": 8,
      "parseInt": 6,
      ...
    }

---

4. 进阶技巧

4.1 多 VMP 场景（一次分析两个脚本）

instrument_jsvmp_source(url_pattern="**/webmssdk.es5.js", mode="ast", tag="webmssdk")
instrument_jsvmp_source(url_pattern="**/a_bogus.js",       mode="ast", tag="bogus")

# 分别看
get_instrumentation_log(tag_filter="webmssdk", type_filter="tap_get")
get_instrumentation_log(tag_filter="bogus",    type_filter="tap_get")

4.2 key_filter 锁定某个具体属性

# 只看 VMP 读取 navigator.webdriver 的记录
get_instrumentation_log(tag_filter="vmp1", key_filter="webdriver")

# 只看 VMP 调用 CryptoJS.MD5 的记录（method_name 过滤）
get_instrumentation_log(tag_filter="vmp1", key_filter="MD5")

4.3 管理插桩 route

# 查看所有激活的 route
get_instrumentation_status()

# 停止单个
stop_instrumentation(url_pattern="**/sdenv-*.js")

# 全部停止
stop_instrumentation()

4.4 与 runtime_probe 互补

runtime_probe 是低开销广谱探针，不改写源码，只 override 几个热点 API。源码级插桩改写 VMP 源码；runtime_probe 覆盖浏览器原生 API。两者叠加可以看到：

• VMP 内部 obj[key] 调用 → get_instrumentation_log
• VMP 最终落到 XMLHttpRequest.open / canvas.toDataURL / navigator.userAgent 的 getter 调用 → get_runtime_probe_log

inject_hook_preset(preset="runtime_probe", persistent=True)
instrument_jsvmp_source(url_pattern="**/sdenv-*.js", mode="ast", tag="vmp1")
reload_with_hooks()
触发操作
# 两路都读
get_instrumentation_log(tag_filter="vmp1", limit=300)
get_runtime_probe_log(type_filter="xhr_send", limit=100)
get_runtime_probe_log(type_filter="canvas_toDataURL", limit=50)

---

5. 常见问题与陷阱

Q1：files_rewritten=0，没改写到

可能原因：

1. url_pattern 没命中——确认 VMP 实际 URL（list_network_requests 里看），glob 模式要用 **/ 前缀才能匹配任意路径
2. VMP 从缓存加载——强制 reload_with_hooks(clear_log=True) 或清浏览器缓存
3. pattern 注册太晚——要在 navigate / reload_with_hooks 之前调用 instrument_jsvmp_source

Q2：AST 模式报 parse_error

可能原因：脚本有 Acorn 不支持的语法（如极老的 ES3 hack 或极新的 stage-0 提案）。

对策：

• 降级为 mode="regex"（零依赖，不会 parse）
• 或先 save_script 把脚本存本地，人工看看是不是有奇怪的语法，再考虑局部 patch

Q3：改写后页面崩溃

可能原因：

1. VMP 自己对自己的源码做了完整性校验（少见，但存在）——对策：用 regex 模式做轻改写，只改 member access
2. Tag 变量名冲突——改个 tag 再试
3. 改写后代码超过 JS 引擎 token 上限——把 max_rewrites 调小

Q4：hot_keys 没出现预期的环境指纹

可能原因：

1. VMP 还没真正执行——加大 wait_until="networkidle"，或 wait_for 某个元素后再读日志
2. 改写没成功——先 get_instrumentation_status 看 files_rewritten 是否 > 0
3. tag 搞混了——检查 tag_filter 是否写对

Q5：日志爆炸到上限 20000 条

对策：

• get_instrumentation_log(..., clear=True) 读完清
• 收紧 url_pattern，只插桩必要的一个脚本
• 第一次跑用 limit=300，看 top hot_keys 就够，不需要全部 entries

---

6. 源码级插桩的还原决策

拿到 hot_keys / hot_methods / hot_functions 三个摘要后，按下面的表格选策略：

hot_methods 特征	hot_keys 环境属性数	cookie 来源（analyze_cookie_sources）	策略
包含 CryptoJS.MD5 / SubtleCrypto.digest / HMAC	少（< 10）	全部 js_document_cookie	纯算法还原（crypto/hashlib）
包含 CryptoJS 但环境读取多	中（10-30）	混合或 js_document_cookie	提取 JS 签名函数 + vm/execjs 沙箱
全是自定义 fn 名，无可识别加密	多（30+）	任意	路径 B：jsdom 环境伪装（见 jsdom-env-patches.md）
全是自定义 fn 名	中-多	主要 http_set_cookie	路径 B + 重点关注发 token 的 POST 接口

---

7. 参考

• references/jsvmp-analysis.md：四板斧方法论总纲
• references/jsdom-env-patches.md：环境伪装补丁库（路径 B）
• references/mcp-cookbook.md 场景 6：源码级插桩场景化操作
• cases/universal-vmp-source-instrumentation.md：骨架案例模板
• MCP 上游：https://github.com/WhiteNightShadow/camoufox-reverse-mcp（v0.4.0+）