Ozon 反爬挑战纯协议通关复盘
基本流程
https://www.ozon.ru/api/entrypoint-api.bx/page/json/v2?url=%2Fmodal%2FotherOffersFromSellers%3Fproduct_id%3D2763658539%26page_changed%3Dtrue307重定向403,返回挑战页
加载JS:https://st.ozone.ru/s3/abt-challenge/script_v48_5.js
计算token、fp等环境参数
验证环境: POST https://www.ozon.ru/abt/result
json_data = { 'token': 'sc:KoXGWD1ftmZG4DpVrwJUpw:VGDi1XvLrLXEd4zEU9Kaj8YmmweS4Rr8Y6ldKZOneDfVtG1VkB8eMP10gcy7vynuYJ58NVY5nGtTVXd_FmEiV9FJwwVRCgYFqZOMJdjCD6egRCOu2P8Q5wzm9ip_iNvFEj1AF0W5Y2jE1uqVAasbCGM9OgwWejg2VQMx0JZODmmqqIfgilr.....', 'info': '{"cookie_enabled":"true"}', 'error': '', 'fp': "U2FsdGVkX1+r1EEf1dXFEBN2fZ9LEvrTlvvhjTULt...", 'timings': { 'connectStart': 1790151956126, 'secureConnectionStart': 0, 'unloadEventEnd': 0, 'domainLookupStart': 1790151956126, 'domainLookupEnd': 1790151956126, 'responseStart': 1790151956382, 'connectEnd': 1790151956126, 'responseEnd': 1790151956384, 'requestStart': 1790151956130, 'domLoading': 1790151956391, 'redirectStart': 1790151955466, 'loadEventEnd': 1790151963260, 'domComplete': 1790151957801, 'navigationStart': 1790151955466, 'loadEventStart': 1790151957802, 'domContentLoadedEventEnd': 1790151957618, 'unloadEventStart': 0, 'redirectEnd': 1790151956126, 'domInteractive': 1790151957617, 'fetchStart': 1790151956126, 'domContentLoadedEventStart': 1790151957618, 'jobStart': 1790151957255, 'jobEnd': 1790151966568, },}通过验证返回{"ok":true}
最终请求:
https://www.ozon.ru/api/entrypoint-api.bx/page/json/v2?url=%2Fmodal%2FotherOffersFromSellers%3Fproduct_id%3D2763658539%26page_changed%3Dtrue&__rr=1&abt_att=1
返回200获得数据

某些代理节点无法使用。POST https://www.ozon.ru/abt/result返回{"ok": false}错误失败后,貌似会封禁一段时间IP,后续导致直接握手失败。
curl_cffi.requests.exceptions.Timeout: Failed to perform, curl: (28) Connection timed out after 30002 milliseconds. See https://curl.se/libcurl/c/libcurl-errors.html first for more details.出口 IP 被 ozon 在网络层拉黑了。
总结
以下由AI生成
一、问题长什么样
请求 Ozon 的 API,第一跳不是 200,而是一个 307,跟着一个 403——返回的不是错误信息,
而是一整页 HTML “挑战页”:一段内联脚本、一个 #challenge 输入框(藏着加密的挑战参数)、
以及一个从 CDN 拉下来的 ~112KB 单行混淆 JS(script_v47_x.js)。
这个脚本在浏览器里干三件事:
- 解出挑战参数,算一个确定性的 PoW,得到
token; - 采集整个浏览器环境,加密成一段
fp(fingerprint blob,~17KB); POST /abt/result提交{token, fp, info, error, timings}。
服务端校验通过后下发 abt_data cookie,带着它重放原请求,才能拿到 200 JSON。
我们的目标:不用浏览器,输入 API URL,输出 200 JSON。
二、第一座山:token(意外地顺利)
用 jsdom(Node 里的”假浏览器 DOM”)+ 一份手写的环境垫片(env_stub)把脚本跑起来,
PoW 是纯确定性计算——同一份挑战参数,我们算出的 token 和真实浏览器逐字节相同。
HTTP 层用 curl_cffi 的 firefox 模板对齐 TLS 和头,POST 发出去。
返回:{"ok": false}。
三、别急着读代码:先做控制变量实验
ok:false 的可能原因能列一箩筐:TLS 指纹?头顺序?token 错?时间戳?fp?
每一项去”读混淆代码确认”都是几天的工作量。更快的是控制变量:
- 把真实浏览器提交过的那份 payload 原样重放(同挑战、同 cookie、同 TLS)→ 通过;
- 只把其中的
fp换成我们 jsdom 生成的 → 被拒; - 反过来,我们的 payload 换上真实浏览器的
fp→ 通过。
三次重复,结论锁死:token、HTTP 层全对,唯一门槛是 fp 的内容。
(顺带排除了一堆假设:fp 尺寸不设卡、TLS 家族一致不重要、时间线 3.5s~75s 都有通过样本。)
方法论 #1:当黑盒返回”不通过”时,先用替换实验把变量拆到只剩一个,
再决定要不要读代码。这一步省下的时间以天计。
四、解密 fp:口令根本不传输,怎么解?
fp 是 base64,解开是 "Salted__" + 8字节salt + 3字节头 + 密文——OpenSSL 风格的
AES-256-CBC 加密。口令在哪?抓包里没有,它每次运行随机生成、从不传输。
但服务端能解密它(否则没法校验),说明口令可以从挑战参数派生。我们在脚本里定位到
CryptoJS 的 EvpKDF.compute(口令, salt)(口令派生函数),做了一处单行源码注入:
// 原: ]:function(d,e){var f,g,h,i,j,k;// 改: ]:function(d,e){var f,g,h,i,j,k;__cap.klog(d,e,this);__cap 是我们在脚本开头闭包里塞的采集器,把口令写进一个 DOM 属性(data-cap),
跑完从外面读出来。拿到口令后,EVP_BytesToKey(MD5, 口令, salt, 48) 派生出 key+iv,
AES 解密——fp 明文到手。
五、死胡同:解出来还是天书
明文 13KB,但字节分布完全均匀(256 种字节值各占 0.4%),zlib/gzip/lzma 全解不开,
和我们的明文连 3 字节以上的公共片段都找不到。结论:树被序列化后又过了一层自定义编码。
当时的计划是”硬啃编码算法”——在 CryptoJS 的 WordArray 层注入,追踪每个字节的写入
序列,反推编码器。这个方向技术上可行,但估算下来是以周计的活。
六、转折:先读懂”骨架”,再决定打哪
回头把脚本结构摸了一遍,发现它不是普通混淆,而是一台 字节码虚拟机(VM):
- 脚本里藏着一个 28KB 的 base64 blob——真正的业务逻辑全编译成字节码放在里面;
- 脚本本体是 VM 的”解释器”:一个寄存器机,约 30 个操作码(取字符串、属性读写、
函数调用、eval 等),PC 存在 200 号寄存器里; - 字符串常量被切成两半放进池子(
"sigByt"+"es"),配合数字数组+偏移解码,
静态 grep 什么都看不到。
但骨架里有个关键线索:VM 启动时向 window 注册了一个对象 btoam,里面有两组导出——
一组是 CryptoJS 全家桶(AES/MD5/Hex…),另一组只有两个成员:
btoam.s:环境树转储器(递归 dump 任意对象,带@proto:、@getter:标注);btoam.b:一个工厂函数,返回……一个流式 JSON 序列化器。
它不用 JSON.stringify,而是把 JSON 一个字符一个字符地”写”出去——每个字符调用
一次写入回调:a(charCode + index, index)。字符串转义、数组、对象全靠几个内部
函数拼装。也就是说:fp 的 JSON 流,是这个序列化器亲手逐字符喂给写入回调的。
七、决定性一击:别逆编码器,去 hook 它的”进料口”
编码器吃的是这段 JSON 流。与其逆推”流→密文容器”的编码算法,不如在流刚生成、
还没进编码器的地方截下来——那里是纯明文。
做法和抓口令一样,单行源码注入,把写入回调包一层日志代理:
// 原: bc=a=>{const d=(...d)=>{...// 改: bc=a=>{const __a0=a;a=function(v,i){__cap.sw(v,i);return __a0(v,i)};const d=(...d)=>{...__cap.sw(v,i) 做 String.fromCharCode((v-i)&0xffff) 还原字符,攒进缓冲区,
跑完从 DOM 属性里整体取回。同一份补丁脚本,两边各跑一次:
- jsdom(我们的补环境)跑一次 → 我们的 fp 流;
- 真实 Firefox(camoufox,反检测浏览器)跑一次 → 真浏览器的 fp 流。
拿到的东西长这样(可读的!):
"challenge""id""fab_chlg_2026...""version""47_5""checkStr""7adbb25be6""user_agent""Mozilla/5.0 ... Firefox/147.0""browser"{"isFirefox":true,...}"props""967|966|92|425|189|-1|968|-1|240|-1|-1|860|-1|-1|987""screen_1"{"@proto:Screen":{"@get:availWidth":1884,...}}"navigator"{...} "performance"{...} "webgl"{...} "canvas"{...}方法论 #2:面对”序列化→编码→加密”三层管线,逆最贵的编码层是最差选择。
找到数据的”出生地”(序列化器输入),一切差异一目了然。
编码层只要”输入对→输出就对”,它自己会帮我们编码。
八、双端 diff:让差异自己排队报到
两份流做分节对齐 + 递归 JSON diff,输出就是一份带具体字段和具体值的待办清单。
挑几个有代表性的坑讲讲——每一个都是”指纹检测的教科书案例”。
坑 1:一个 undefined 引发的全灭
最初两边的流根本对不上——我们这边跑完 fp 是空字符串。用 panic 捕获(在序列化器的
throw "panic: caught undefined" 前注入栈采集)看到:VM 在写 "user_agent" 字段时,
值是 undefined,序列化器直接 panic 熔断。
根因特别蠢:demo.py 调 solver 时传了 UA 环境变量,而我手动调试时没传。
fp 里任何一个字段是 undefined,整个 fp 作废——这是”全有或全无”的校验。
坑 2:属性枚举(props 探针)——不是看你有什么,是看你在什么位置
真浏览器流里有这么一项:
"props""967|966|92|425|189|-1|968|-1|240|-1|-1|860|-1|-1|987"我们这边:-1|-1|-1|-1|-1|65|-1|...。从 VM 的调用日志能看到,它取
Object.getOwnPropertyNames(window),然后对 15 个名字做 indexOf:
isSecureContext, crossOriginIsolated, PushManager, RTCPeerConnection, ServiceWorker, SharedArrayBuffer, indexedDB, sharedStorage, XSLTProcessor, Subscriber, Observable, oncommand, WindowControlsOverlay, IDBRecord, XMLHttpRequest
对照发现:值为 -1 的 6 个名字(SharedArrayBuffer、sharedStorage、Subscriber、
Observable、WindowControlsOverlay、IDBRecord)是 Chrome 特有 API——Firefox 里
不存在。这是一道”报出你引擎”的检测题:它不在乎具体数值,在乎的是哪些存在、哪些
不存在。而 jsdom 的 window 键表和 Firefox 差异巨大,所以一大半 -1。
修法:把我们垫片里 Object.getOwnPropertyNames 的 hook 补丁改成在 window 自己的
realm 里生效(这个坑见坑 5),并让它对 window 返回完整的 Firefox 992 键表
(真 Firefox 里这些键全在,indexOf 自然命中真位置)。
坑 3:getter 会不会”裸调用时抛异常”——@getter 项的开关
dumper 走到每个属性时会做一次判定:拿到 getter 函数,不带接收者裸调用一次
(aM(get)),能正常返回就往树里写一条 "@getter:xxx": "function getxxx() {\n [native code]\n}"。
真浏览器里,WebIDL 属性的 getter 用非法 this 调用会抛 TypeError,所以整个
fp 里一条 @getter 都没有(唯一例外 ServiceWorkerContainer.ready,它裸调用真的
能成功)。我们最初手搓的 getter 不检查接收者,裸调用全都”成功”,于是 fp 里多了
几百条带函数源码的 @getter 项——树直接大了 40%。
修法:所有伪造的 getter 加上接收者检查,this 不是实例就抛 TypeError,消息格式
照抄 Firefox('get availWidth' called on an object that does not implement interface Screen.)。
坑 4:'prototype' in fn —— JS 函数的”胎记”
有个 15 位的位图字段 fn_2,真浏览器全是 1,我们有 3 个 0。从 VM 调用日志还原出
探测逻辑:对 15 个基准函数(Function.prototype.toString/call、Reflect.ownKeys……)
逐个做两件事:
'prototype' in fn—— 原生方法没有 own prototype;- 绑定后裸调用,看是否抛异常。
问题在于我们为了控制环境,替换掉了其中 3 个函数(toString、
getOwnPropertyNames、Reflect.ownKeys)。普通 function 声明自带一个不可删除的
prototype 属性,in 探测一枪毙命。修法是把它们定义成对象方法风格:
const host = { toString() { /* ...用 this... */ } };const spoofed = host.toString; // 方法没有 own prototype一个语法细节,决定一个指纹位图。
坑 5:realm——Node 的 Object.prototype ≠ window 的 Object.prototype
这是整场战役里最隐蔽的坑。jsdom 的 window 有自己独立的一套内建对象
(window.Object !== global.Object)。我们的垫片跑在 Node 侧,改
Object.getOwnPropertyNames 改的是 Node 的——挑战脚本在 window realm 里调用时
用的还是原装 jsdom 版本。表现为:dump 树里多出一堆 @proto:Object 子树
(本该命中”到 Object.prototype 为止”的剪枝条件却没命中),props 探针拿到 1037 个
键而不是 992 个。
修法:所有内建替换一律通过 win.Object / win.Reflect 落到 window realm,
makeClass 造的原型链也用 setPrototypeOf(proto, win.Object.prototype) 收尾。
方法论 #3:补环境的本质是”构造一个对探测者不可区分的对象图”。
检测者会检查:值、类型、键的顺序和数量、getter 的行为(裸调用抛不抛)、
函数的 own 属性(prototype/caller/arguments)、甚至异常消息的原文。
每一个维度都可能单独是一道检测题。
九、最后一公里:不是逆向,是工程 bug
环境 diff 收敛后,POST /abt/result 返回 {"ok":true},score=10,新 abt_data
cookie 下发——但重试原请求还是 403,而且陷入”解挑战→通过→403→再解挑战”的死循环。
排查十分钟,原因朴实地令人发指:提交用的 POST 会话和导航用的会话是两个 session,
新下发的 abt_data 落在 POST 会话的 cookie jar 里,从没写回导航会话。一行
session.cookies.set("abt_data", new_abt) 之后:
GET 307 → GET 403 → 解挑战 → POST {"ok":true} score=10 → GET 200 (完整 API JSON)连续两次运行,都是第 1 轮挑战通过,fp 约 18KB(真浏览器 17.6KB)。
十、复盘:这次学到什么
- 控制变量优先于读码。 一个替换实验(换 fp→被拒,换回→通过)价值等于一周的
混淆代码阅读。 - 在数据的出生地拦截,而不是逆输出的格式。 “序列化→编码→加密”管线里,编码层
越贵越不要碰;hook 序列化器的输入端,拿到的是结构化的、可 diff 的明文。 - 自校验脚本有一套注入纪律。 这类脚本会校验自身源码(CRC/换行检测),运行时
包装函数会被 toString 探测识破。安全区是:单行、源码级、改函数体不改结构,
且只动”指纹里以占位符出现的函数”(脚本自己的函数在 dump 里本来就是占位符)。 - 双端 diff 是补环境的单元测试。 别猜检测点——同一份代码在真假两端各跑一遍,
逐字段对齐,差异自己会排成清单。检测者加什么新探针,diff 里立刻能看到。 - 指纹的颗粒度远超”userAgent 和 canvas”。 键表的顺序和索引、getter 的接收者
检查、函数有没有 prototype、异常消息的原文、一个 undefined——任何一处不一致
都可能是独立的检测题。全有或全无。
下次再遇到”token 全对但被拒”的指纹挑战,先别急着逆编码器——
问问自己:这段密文在被加密之前,长什么样?在哪里能截到它?
