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
|
7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)
342 3
|
10天前
|
机器学习/深度学习 运维 监控
基于特征子空间的高维异常检测:一种高效且可解释的方法
本文探讨了一种替代传统单一检测器的方法,通过构建多个专注于特征子集(子空间)的检测器系统,来提高异常检测的准确性和效率。文章详细介绍了子空间方法在处理高维数据时的优势,包括缓解维度灾难、提高异常检测的可解释性和计算效率。同时,文中还讨论了子空间的选择策略,如基于领域知识、相关性、随机选择等,并介绍了PyOD工具包中实现子空间异常检测的具体方法。通过这些技术,异常检测系统能够更有效地识别数据中的异常记录,尤其是在特征数量众多的情况下。
36 9
基于特征子空间的高维异常检测:一种高效且可解释的方法
|
2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。
55 0
|
5月前
|
自然语言处理 算法 搜索推荐
字符串相似度算法完全指南:编辑、令牌与序列三类算法的全面解析与深入分析
在自然语言处理领域,人们经常需要比较字符串,这些字符串可能是单词、句子、段落甚至是整个文档。如何快速判断两个单词或句子是否相似,或者相似度是好还是差。这类似于我们使用手机打错一个词,但手机会建议正确的词来修正它,那么这种如何判断字符串相似度呢?本文将详细介绍这个问题。
295 1
|
5月前
|
算法
Baum-Welch算法的目的
Baum-Welch算法的目的
|
4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
46 0
|
7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
81 0
|
7月前
基于规则的方法和基于统计的方法,哪种方法更优
基于规则的方法和基于统计的方法,哪种方法更优
131 0
|
机器学习/深度学习 算法 计算机视觉
舌体胖瘦的自动分析-曲线拟合-或许是最简单判断舌形的方案(六)
舌体胖瘦的自动分析-曲线拟合-或许是最简单判断舌形的方案(六)
174 0
|
编解码 自然语言处理 数据可视化
MIM方法为什么简单高效?可视化和大规模实验给出了答案
MIM方法为什么简单高效?可视化和大规模实验给出了答案
218 0
MIM方法为什么简单高效?可视化和大规模实验给出了答案