某美动态参数对抗思路

简介: 某美动态参数对抗思路
目标网址:aHR0cHM6Ly93d3cuaXNodW1laS5jb20vdHJpYWwvY2FwdGNoYS5odG1s

观前提示:

本文章仅供学习交流,切勿用于非法通途,如有侵犯贵司请及时联系删除


0x1 某美滑块

玩过的朋友们都知道 某美的滑块在算法上基本都没怎么更新 但是在参数名上更新的比较频繁

在140左右的版本中 受混淆的帮助 可以很好的匹配出对应的参数名

(function(a1,a2,a3){
xxx(a1);
xxx(a2);
xxx(a3);
}('a1','a2','a3'))

因为出现的位置也相对固定 所以 只需要找到一个固定值 便可以通过数组偏移找到我们所需的参数名和对应的key值

直到发文为止 目前版本已经来到了155 加密也变成了类似于ob的类型

因为部分字段被混淆 所以单纯的正则并不能很好的匹配出所需要的参数名和key

此时 AST的用处就来了

0x2 v佬打包的babel库

实现免安装 直接用!

v佬的github:https://github.com/cilame/v_jstools

蔡老板的使用示例:https://github.com/Tsaiboss/decodeObfuscator

0x3 动态更新对抗

拿到某美的js代码 通过观察感觉和ob没啥区别 就变了一点

总体来说 只需要还原 _0x1d76f7(****)和object混淆部分即可

大家应该都会吧 不会的自己找蔡老板进修一下

值得一提的是 object部分有套娃 可能需要还原2次

还原好的结果就是

对比一下还原前

还原到这个地步 就已经可以达到取值的目的了

先找到我们要取值的地方

第一处

第二处

现在用正则匹配出我们需要的参数名和key就简单很多

但是这里 我还是选择使用AST来匹配

只需要进行简单的判断即可

"CallExpression"(path){
    var {arguments}=path.node;
        if(arguments.length!=3)return;
        if(!types.isLiteral(arguments[1]) || !types.isCallExpression(arguments[2]))return;
        var key=arguments[1].value;
        var {callee,arguments}=arguments[2];
        if(!types.isMemberExpression(callee))return;
        if(!types.isThisExpression(callee.object))return;
        if(callee.property.value!='getEncryptContent')return;
        var key_value=arguments[1].value;
        ....
    }   
}
"AssignmentExpression"(path){
    var {left,right}=path.node;
    var {callee,arguments}=right;
    if(!types.isMemberExpression(callee))return;
    var {object,property}=callee;
    if(!types.isThisExpression(object))return;
    if(property.value!='getEncryptContent')return;
    if(arguments.length!=2)return;
    var key_value=arguments[1].value;
    var {property}=left;
    var key=property.value;
    ....
}

取出值保存下来后 因为逻辑顺序不会变 所以取出来的顺序也不会变

后续使用只需要在固定的位置填入对应位置的值就可以了

0x4 实战效果

一下子就省心很多 再也不用每次更新都去手动更新了

得益于v佬的免安装babel 不用每次换电脑都安装一次babel了



感谢各位大佬观看

共同进步 共同学习

如有错误 还请大佬们指出



[完]

相关文章
|
8月前
|
机器学习/深度学习 网络架构 计算机视觉
YOLOv5改进 | 检测头篇 | 利用DBB重参数化模块魔改检测头实现暴力涨点 (附代码 + 详细修改教程)
YOLOv5改进 | 检测头篇 | 利用DBB重参数化模块魔改检测头实现暴力涨点 (附代码 + 详细修改教程)
366 3
|
2月前
|
缓存 前端开发 JavaScript
利用代码分割优化前端性能:策略与实践
在现代Web开发中,代码分割是提升页面加载性能的有效手段。本文介绍代码分割的概念、重要性及其实现策略,包括动态导入、路由分割等方法,并探讨在React、Vue、Angular等前端框架中的具体应用。
|
3月前
|
JSON 算法 数据可视化
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
这篇文章是关于如何通过算法接口返回的目标检测结果来计算性能指标的笔记。它涵盖了任务描述、指标分析(包括TP、FP、FN、TN、精准率和召回率),接口处理,数据集处理,以及如何使用实用工具进行文件操作和数据可视化。文章还提供了一些Python代码示例,用于处理图像文件、转换数据格式以及计算目标检测的性能指标。
82 0
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
|
3月前
|
人工智能 人机交互 智能硬件
从大模型的原理到提示词优化
本文介绍了大语言模型(LLM)的基本概念及其工作原理,重点探讨了AI提示词(Prompt)的重要性和几种有效技巧,包括角色设定、One-shot/Few-shot、任务拆解和思维链。通过实例解析,展示了如何利用这些技巧提升LLM的输出质量和准确性,强调了提供高质量上下文信息对优化LLM表现的关键作用。
110 0
|
5月前
|
JavaScript 前端开发
深度解析 new 原理及模拟实现
【8月更文挑战第1天】 深度解析 new 原理及模拟实现
53 0
|
8月前
|
机器学习/深度学习 文字识别 算法
[Halcon&图像] 缺陷检测的一些思路、常规检测算法
[Halcon&图像] 缺陷检测的一些思路、常规检测算法
2384 1
|
7月前
|
机器学习/深度学习 JSON 测试技术
CNN依旧能战:nnU-Net团队新研究揭示医学图像分割的验证误区,设定先进的验证标准与基线模型
在3D医学图像分割领域,尽管出现了多种新架构和方法,但大多未能超越2018年nnU-Net基准。研究发现,许多新方法的优越性未经严格验证,揭示了验证方法的不严谨性。作者通过系统基准测试评估了CNN、Transformer和Mamba等方法,强调了配置和硬件资源的重要性,并更新了nnU-Net基线以适应不同条件。论文呼吁加强科学验证,以确保真实性能提升。通过nnU-Net的变体和新方法的比较,显示经典CNN方法在某些情况下仍优于理论上的先进方法。研究提供了新的标准化基线模型,以促进更严谨的性能评估。
184 0
|
8月前
|
机器学习/深度学习 人工智能 算法
深度探究自适应学习率调整策略在深度学习优化中的影响
【5月更文挑战第25天】 随着深度学习模型的复杂性逐渐增加,传统的固定学习率方法已不足以满足高效训练的需求。自适应学习率调整策略应运而生,通过动态调整学习率以加速收敛过程并提高模型性能。本文深入分析了几种主流的自适应学习率方法,包括Adam、RMSprop和AdaGrad等,并探讨了它们在不同深度学习场景中的应用效果。通过对比实验结果,我们揭示了这些策略在处理不同问题时的优势与局限,为未来深度学习优化算法的选择提供了理论依据。
|
8月前
|
算法 Go 区块链
YOLOD也来啦 | 优化YOLOv5样本匹配,顺带设计了全新的模块
YOLOD也来啦 | 优化YOLOv5样本匹配,顺带设计了全新的模块
88 0