企业信息平台逆向登录与风控对抗实战：从JS破解到Python实现

1. 项目概述与核心价值

最近在做一个数据采集项目，需要从某眼查这类企业信息平台获取一些公开数据。但凡做过类似爬虫的朋友都知道，这类平台的风控机制是出了名的复杂，尤其是登录环节，简直就是一道“叹息之墙”。直接上Selenium模拟浏览器？效率低不说，还容易被识别为自动化工具，分分钟给你弹滑块验证码或者直接封IP。所以，逆向分析其登录流程和风控逻辑，就成了获取稳定数据源的必经之路。

这个项目标题“某眼查模拟登录+解除风控全流程”，说白了，就是一场攻防演练。我们的目标不是攻击，而是理解其防御机制，从而以合规、高效的方式模拟一个“真人”的登录行为，并绕过或适应其后续的数据访问风控。这涉及到前端JavaScript逆向、网络请求分析、加密参数破解、以及风控策略的识别与应对。整个过程就像在解一个层层嵌套的谜题，每一步都需要耐心和技巧。对于从事数据工程、安全研究或逆向工程的朋友来说，掌握这套流程，不仅能搞定某眼查，其方法论也适用于分析其他具有类似风控体系的Web应用。

2. 逆向分析前的环境与工具准备

工欲善其事，必先利其器。逆向分析Web应用，尤其是现代前端框架构建的复杂应用，没有趁手的工具寸步难行。这里的工具链可以分为三大类：浏览器开发者工具、抓包与调试工具、以及逆向辅助工具。

2.1 核心工具链详解

首先，浏览器开发者工具是基石。Chrome DevTools 是最佳选择，其Network（网络）面板用于记录所有HTTP/HTTPS请求，重点关注XHR/Fetch请求，登录和关键数据接口通常在这里。Sources（源代码）面板用于调试JavaScript，可以设置断点、单步执行、查看调用栈。Console（控制台）用于执行JavaScript代码片段，测试加密函数。

其次，抓包与调试工具用于更深入的分析。Fiddler Classic 或 Charles 这类代理工具可以拦截和修改所有经过系统的网络流量，对于分析HTTPS请求的明文内容（在安装并信任其CA证书后）以及模拟弱网环境非常有用。对于更复杂的、协议可能被混淆的场景，可以考虑使用 mitmproxy，它支持Python脚本进行流量实时修改，灵活性极高。

最后，逆向辅助工具能极大提升效率。当遇到JavaScript代码被压缩、混淆得面目全非时，我们需要借助工具进行格式化、反混淆和静态分析。Chrome DevTools自带的Pretty Print（美化打印）功能是第一步。对于更高级的混淆，可以使用 AST（抽象语法树）解析库，如esprima和escope，自己编写脚本进行反混淆，或者使用现成的工具如de4js在线服务进行初步解混淆。此外，一个强大的文本编辑器（如VSCode）用于搜索和比对代码，以及一个能够执行Node.js环境用于本地测试加密函数，都是必不可少的。

2.2 环境配置与代理设置

为了能稳定地拦截和分析某眼查的请求，配置一个可靠的代理环境是关键。我推荐使用 Fiddler Everywhere 或 mitmproxy，因为它们对现代Web应用的支持更好。

以 Fiddler Everywhere 为例，安装后，首先需要在其设置中开启“解密HTTPS流量”，并按照指引在电脑和浏览器上安装其根证书。这一步至关重要，否则你看到的HTTPS请求内容都是加密的乱码。接着，将浏览器的代理设置为 Fiddler 监听的地址（通常是127.0.0.1:8866）。之后，所有浏览器流量都会经过 Fiddler。

注意：在开始分析敏感目标前，最好关闭其他不必要的网络应用，并创建一个干净的浏览器用户配置文件，避免个人浏览数据干扰分析。同时，准备好多个可用的IP地址资源（例如优质的住宅代理IP池），因为分析过程中可能会触发IP级别的风控。

3. 登录流程的逆向分析与关键参数破解

某眼查的登录页面看似简单，一个手机号输入框，一个密码/验证码区域，但背后的逻辑非常复杂。通常，它会包含动态加载的JavaScript，里面藏着加密算法、Token生成逻辑和提交参数的构造方法。

3.1 登录请求的捕获与初步分析

打开无痕模式的浏览器（配置好代理），访问某眼查登录页。打开开发者工具的网络面板，勾选“Preserve log”（保留日志）。在输入框里随意输入一个手机号（不需要真实注册），点击“获取验证码”或尝试登录。

此时，网络面板会刷出一系列请求。我们需要找到那个最终提交登录信息的POST请求。通过查看请求的URL（通常包含login、submit等关键字）、请求体（Payload）的类型（通常是application/json或application/x-www-form-urlencoded）以及响应结果，可以定位到核心登录接口，比如可能类似于/api/auth/login/v2这样的端点。

点击这个请求，查看其详细信息：

• Headers： 关注Cookie、User-Agent、Referer，以及一些自定义的Header，如X-Token、X-Sign等。这些往往是风控的一部分。
• Payload： 这是重点。你会看到提交的数据，除了明文的手机号，其他字段如password、captcha、token、signature等很可能被加密或编码过。密码字段几乎不可能是明文传输。

3.2 JavaScript逆向定位加密函数

发现加密参数后，下一步就是找到生成这些参数的JavaScript代码。在Network面板中，该登录请求的“Initiator”（发起者）列会显示是哪个JS文件发起了这个请求。点击这个JS文件名，会跳转到Sources面板对应的代码位置。

由于代码通常被压缩成一行，首先点击左下角的{}（Pretty Print）按钮进行格式化。格式化后，代码有了结构，但仍然变量名混淆（如a, b, c, _0x1234）。我们的目标是搜索加密参数名。

在格式化后的JS文件中，使用Ctrl+F搜索关键词。例如，搜索password、encrypt、encode、sign，或者搜索你在Payload里看到的那个加密后字符串的前几个字符。这通常能定位到关键的加密函数附近。

找到疑似函数后，最有效的方法是下断点。在加密函数被调用的行号左侧点击，设置一个断点。然后回到网页，再次触发登录动作（比如再次点击登录按钮）。执行流会暂停在断点处。

此时，在Console面板中，你可以查看当前作用域的变量值。重点关注传入函数的参数是什么（通常是明文密码或一个对象），以及函数的返回值是什么。通过单步执行（F10逐过程，F11逐语句），你可以一步步跟踪加密逻辑。你需要理清：

1. 加密的输入是什么？（明文密码+盐值？时间戳？）
2. 使用了什么算法？（可能是自定义的Base64变种、AES、RSA、或简单的异或操作）
3. 密钥从哪里来？（可能硬编码在JS里，也可能由另一个接口动态返回）

3.3 关键参数sign的生成逻辑还原

在许多风控体系中，sign（签名）参数是重中之重，用于防止请求被篡改。它的生成逻辑通常是将所有请求参数（有时还包括固定盐值、时间戳）按特定规则排序后拼接成一个字符串，然后进行MD5、SHA256等哈希计算，或者再进行一次自定义的加密。

通过断点调试，定位到生成sign的函数。你需要记录下：

• 参数集合： 哪些字段参与了签名？除了phone、password，可能还有timestamp、nonce（随机数）、appVersion等。
• 排序规则： 通常是按照参数名的ASCII码升序排列。
• 拼接规则： 参数名和值如何拼接？常见格式如key1=value1&key2=value2。
• 哈希/加密算法： 拼接后的字符串经过什么处理？可能是MD5(sign_str + secret)，其中secret是一个隐藏的密钥。

将这套逻辑用Python（或其他语言）完整复现出来，是模拟登录的核心。你可以将调试时捕获的真实参数代入你自己的复现函数，计算出的sign值应该与原始请求中的完全一致。

4. 风控机制的识别与动态对抗策略

成功模拟登录请求只是第一步。某眼查的风控是立体的、动态的，会在你后续的数据访问请求中持续生效。识别并适应这些风控，才是项目稳定的保证。

4.1 常见风控手段剖析

1. 行为指纹（Browser Fingerprinting）： 网站会通过JavaScript收集你浏览器的大量特征，如User-Agent、屏幕分辨率、时区、语言、Canvas指纹、WebGL指纹、字体列表等，生成一个唯一标识。即使你更换IP，如果指纹不变，仍可能被关联识别。在逆向时，你会发现一些接口会返回一段JS代码或一个Token，这段代码执行后会上报指纹信息。
2. 请求参数验签与时效性： 如前所述，重要的数据查询接口往往也有签名机制，而且签名可能有时效性（如timestamp参与签名，服务器会校验时间差）。此外，一些Token（如登录后的sessionId或access_token）也有生命周期，需要定期刷新。
3. 请求频率与模式识别： 这是最直观的风控。短时间内高频访问、访问模式过于规律（如固定间隔秒杀式请求）、访问非人类浏览的热点路径，都会触发限制。限制方式从弹出验证码到直接封禁IP或账号不等。
4. 验证码挑战： 当行为被判定为可疑时，会触发验证码，包括图形验证码、滑块验证码、点选验证码、甚至智能推理验证码。其中，滑块验证码（如某验）的逆向难度较高，涉及轨迹模拟、缺口识别等。

4.2 动态Token与会话维持

登录成功后，服务器会返回一个Token（可能在响应体里，也可能在Set-Cookie头里）。这个Token是后续所有请求的“通行证”。你需要分析：

• Token的使用位置： 是放在请求头Authorization: Bearer xxx里，还是放在Cookie里，抑或是作为一个普通的请求参数？
• Token的刷新机制： Token有过期时间吗？是否有专门的刷新接口？刷新逻辑是怎样的？通常，在Token临近过期时调用刷新接口获取新Token，并更新本地存储。
• 会话一致性： 保持整个会话过程中，Cookie、LocalStorage、以及一些内存中的全局变量（可能在JS中初始化）的一致性。有时，一个请求的响应会包含下一个请求必需的上下文信息。

在Python模拟中，你需要使用requests.Session()对象来自动管理Cookie，并手动维护需要放在请求头中的Token。

4.3 模拟真人行为模式

这是对抗频率和模式风控的核心。你的爬虫行为不能像机器一样精准和快速。

• 随机化延迟： 在请求间加入随机等待时间，例如time.sleep(random.uniform(1, 3))，模拟人类阅读和点击的间隔。
• 模拟浏览路径： 不要直接访问目标数据接口。可以先访问首页，再模拟点击进入某个分类，然后再进行搜索或详情查看。这会在你的会话中留下“自然”的浏览记录。
• 维护合理的请求头：User-Agent最好使用常见的浏览器字符串池随机选择。Referer头要设置得合理，让它看起来是从上一个页面跳转过来的。
• 代理IP池的质量与使用策略： 使用高质量的住宅代理IP，并设计合理的IP切换策略。例如，一个IP用于登录和维持会话，另一个IP池用于数据抓取，且每个IP的请求频率和总量都要控制。

5. 完整模拟登录与数据采集代码实现

基于以上的分析，我们可以构建一个相对健壮的模拟登录和数据采集类。这里以Python的requests库为例，展示核心框架。

5.1 核心类结构与初始化

首先，我们设计一个类来封装所有功能，包括登录、会话维持、请求签名和风控处理。

import requests import time import random import hashlib import json from urllib.parse import urlencode class TianYanChaSpider: def __init__(self, username, password, proxy_pool=None): self.username = username self.password = password self.session = requests.Session() self.base_headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36', 'Accept': 'application/json, text/plain, */*', 'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8', 'Origin': 'https://www.tianyancha.com', 'Referer': 'https://www.tianyancha.com/', } self.proxy_pool = proxy_pool # 代理IP池，格式 [{'http': 'http://ip:port'}, ...] self.current_proxy = None self.access_token = None self.token_expire_time = 0 # 从逆向分析中得到的固定参数或密钥 self.app_secret = '你逆向分析得到的SECRET_KEY' self.app_version = '9.0.0' # 示例版本 def _get_proxy(self): """从代理池中随机获取一个代理""" if self.proxy_pool: return random.choice(self.proxy_pool) return None def _make_request(self, method, url, **kwargs): """封装请求，加入代理、重试和风控延迟逻辑""" proxy = self._get_proxy() kwargs['proxies'] = proxy # 合并headers headers = self.base_headers.copy() if 'headers' in kwargs: headers.update(kwargs['headers']) kwargs['headers'] = headers # 加入随机延迟，模拟人类操作 time.sleep(random.uniform(0.5, 2.0)) try: response = self.session.request(method, url, **kwargs) # 这里可以加入状态码判断，例如 429(请求过多)、403(禁止访问)时触发风控处理 if response.status_code == 429: print(f"触发频率限制，等待10秒后重试...") time.sleep(10) return self._make_request(method, url, **kwargs) # 简单重试一次 return response except requests.exceptions.ProxyError: print("代理失败，更换代理重试...") if self.proxy_pool: self.proxy_pool.remove(proxy) # 简单移除失效代理 return self._make_request(method, url, **kwargs)

5.2 登录与签名函数实现

接下来是实现最关键的登录和签名函数。这里的_generate_sign和_encrypt_password函数需要你用逆向分析得到的逻辑来填充。

def _generate_sign(self, params): """ 生成请求签名。 params: 参与签名的参数字典 返回签名字符串。 """ # 1. 参数排序 (按key字母序) sorted_params = sorted(params.items(), key=lambda x: x[0]) # 2. 拼接成 key1=value1&key2=value2 格式 sign_str = '&'.join([f'{k}={v}' for k, v in sorted_params]) # 3. 拼接密钥（假设是app_secret） sign_str += self.app_secret # 4. 计算MD5（具体算法需根据逆向结果调整，可能是SHA256等） sign_md5 = hashlib.md5(sign_str.encode('utf-8')).hexdigest() # 5. 可能还有二次处理，如转大写 return sign_md5.upper() def _encrypt_password(self, plain_password): """ 加密密码。 这里是一个示例，真实逻辑可能涉及RSA加密公钥或AES加密。 你需要通过逆向分析，用Python复现完全相同的加密过程。 """ # 示例：可能是Base64编码 + 盐值混淆 # 真实情况请替换为你的逆向结果 import base64 # 假设是简单的 base64 编码（实际远比这复杂） encrypted = base64.b64encode(plain_password.encode()).decode() return encrypted def login(self): """执行登录流程""" login_url = "https://www.tianyancha.com/api/auth/login/v2" # 示例URL # 1. 获取必要的初始Token或盐值（有时需要先请求一个接口获取加密公钥或随机数） init_params = { 'phone': self.username, 'timestamp': int(time.time() * 1000), 'appVersion': self.app_version, } init_params['sign'] = self._generate_sign(init_params) # 可能先发一个GET请求获取public_key等 # init_resp = self._make_request('GET', 'https://.../init', params=init_params) # public_key = init_resp.json()['data']['publicKey'] # 2. 构造登录参数 timestamp = int(time.time() * 1000) login_params = { 'phone': self.username, 'password': self._encrypt_password(self.password), # 使用加密后的密码 'timestamp': timestamp, 'appVersion': self.app_version, 'loginType': 'password', # 或 'sms' 验证码登录 # 'captcha': '...', # 如果需要图形验证码 } # 3. 生成登录请求的签名 login_params['sign'] = self._generate_sign(login_params) # 4. 发送登录请求 headers = { 'Content-Type': 'application/json;charset=UTF-8', } resp = self._make_request('POST', login_url, json=login_params, headers=headers) if resp.status_code == 200: result = resp.json() if result.get('code') == 0 or result.get('success'): # 根据实际响应结构调整 data = result.get('data', {}) self.access_token = data.get('accessToken') # 假设返回的token有效期为2小时 self.token_expire_time = time.time() + 2 * 3600 print(f"登录成功，Token: {self.access_token[:20]}...") # 更新session的headers，后续请求携带Token self.session.headers.update({'Authorization': f'Bearer {self.access_token}'}) return True else: print(f"登录失败: {result.get('message')}") # 可能需要处理验证码 if '验证码' in result.get('message', ''): self._handle_captcha() return False else: print(f"登录请求异常，状态码: {resp.status_code}") return False def _handle_captcha(self): """处理验证码（此处为示意，滑块验证码需要复杂逆向）""" print("触发验证码，需要人工处理或接入打码平台。") # 对于图形验证码，可以下载图片，调用打码平台API识别。 # 对于滑块验证码，需要识别缺口位置，生成模拟滑动轨迹。 # 这是一个独立且复杂的话题，此处不展开。

5.3 数据采集与风控应对示例

登录成功后，就可以进行数据采集了。以搜索公司为例：

def search_company(self, keyword, page=1): """搜索公司""" if time.time() > self.token_expire_time: print("Token已过期，尝试刷新...") if not self._refresh_token(): print("刷新Token失败，重新登录...") self.login() search_url = "https://www.tianyancha.com/api/search/v2" params = { 'word': keyword, 'pageNum': page, 'pageSize': 20, 'timestamp': int(time.time() * 1000), } # 搜索接口可能也需要签名 params['sign'] = self._generate_sign(params) resp = self._make_request('GET', search_url, params=params) if resp.status_code == 200: return resp.json() else: print(f"搜索请求失败: {resp.status_code}") return None def _refresh_token(self): """刷新Access Token""" refresh_url = "https://www.tianyancha.com/api/auth/refresh" # 通常用refresh_token来刷新，这里简化处理 # 实际情况可能需要调用特定接口 print("Token刷新逻辑需根据实际API实现") return False

6. 常见问题排查与实战经验分享

在实际操作中，你会遇到各种各样的问题。下面是我踩过的一些坑和对应的解决方案。

6.1 问题排查清单

6.2 核心实战经验与技巧

1. 逆向的核心是“对比”和“还原”：不要试图完全理解所有混淆后的代码逻辑。你的目标是把输入变成输出的那个“黑盒”函数用Python还原出来。不断用真实数据（从浏览器调试中获取）输入你自己的函数，对比输出是否与浏览器一致，是最高效的方法。
2. 善用“Hook”技术：对于难以定位的加密函数，可以在浏览器控制台使用“Hook”技巧。例如，重写window.crypto.subtle.encrypt或JSON.stringify等方法，在它们被调用时打印出参数和结果，能快速定位加密发生的位置。
3. 风控是持续对抗：没有一劳永逸的方案。网站的风控策略会升级。你的代码需要有良好的日志系统，记录每次请求的响应状态、触发风控的情况。当发现失败率升高时，要及时分析日志，调整策略（如更换签名参数、更新加密算法、增加新的请求头）。
4. 尊重robots.txt与法律边界：本文技术讨论仅用于学习与交流。在实际应用中，务必遵守目标网站的robots.txt协议，尊重数据版权和个人隐私，控制访问频率，避免对目标网站服务器造成负担。用于商业用途或大规模抓取前，请务必寻求法律意见。
5. 滑块验证码的应对：这是一个深水区。简单方案是接入商业打码平台（如超级鹰、图鉴），将截图发送给他们，返回滑动轨迹。如果想自己研究，需要学习图像识别（找缺口位置）和轨迹生成算法（模拟人类加速度曲线）。这本身就是一个庞大的逆向工程课题。

整个逆向分析的过程，是对耐心、细心和逻辑思维能力的极大考验。每一个加密参数背后，都可能藏着开发者精心设计的防御逻辑。破解它，不仅需要技术，更需要像侦探一样，从纷繁的网络请求和混乱的代码中，找到那条通往真相的路径。当你最终看到自己的程序稳定地获取到所需数据时，那种成就感，或许就是技术人最大的乐趣之一。