爬虫风控轨迹详解

标签：numberListre 爬虫 param 风控 start 详解 np end type

一、录制轨迹

其实这是一个比较原始的方式，我在最早做某音滑块的时候因为不会写轨迹算法，就选择一条一条在网址滑动录制下来，依稀记得我滑了一晚上，成功率还感人，不到百分之二十......
但是这个需要看用什么场景，例如一些滑动到底的滑块就很好应用，是的没错，就是我们的老朋友某里231与某团的，这里短暂看一下先看一下某里的（后面会单独出一个某团的滑块文章详解），我最早做140,223的时候就选择这个方法，巨好用，当时自己也差不多滑了一晚上，存了几万条随取随用，唯一不好的就是太笨重了，整个项目很臃肿。

二、缩放轨迹

简而言之，也类似录制轨迹，只不过唯一不同的这个相对于缺口滑块的成功率会更高，当初某盾与某数就是这么做的，网址多滑动几次轨迹，以此保存下来，按照识别滑块的距离使用不同比例的缩放，这里我简单示范一下1.从⽹站上拿⼀条真实轨迹，然后对该轨迹进⾏操作2.滑动滑块(尽量拉到底)，先在js中跟栈，然后找出该次滑动对应的坐标以及轨迹3.进⾏缩放，⽐如拿到的轨迹对应的坐标是250，那么当坐标为150时，两个轨迹的倍数就是250/150，然后按照这个倍数对250的那条轨迹进⾏整体缩放

三、缓动函数

在简述了上面两种方式后，这里已经对轨迹有逐步的解了，但是以上两种只能针对一些风控较弱或者特定的一些场景，到了这里如果一些网址开始加强一些风控的时候，那么这两个方案就不在生效了，那么这个时候就开始需要一些拟人的特征，那么在初步的风控中也就可以应用到缓动函数了。这里先简单了解一下什么是缓动函数：BackEase：动画开始在指定路径上运动前稍微收缩动画的运行。

BounceEase：创建弹跳效果。

CircleEase：使用圆函数创建加速和/或减速的动画。CubicEase：使用公式 f(t) = t3 创建加速和/或减速的动画。ElasticEase：创建一个动画，模拟弹簧的来回振荡运动，直到它达到停止状态。ExponentialEase：使用指数公式创建加速和/或减速的动画。PowerEase：使用公式 f(t) = tp 创建加速和/或减速的动画，其中 p 等于 Power 属性。QuadraticEase：使用公式 f(t) = t2 创建加速和/或减速的动画。QuarticEase：使用公式 f(t) = t4 创建加速和/或减速的动画。QuinticEase：使用公式 f(t) = t5 创建加速和/或减速的动画。SineEase：使用正弦公式创建加速和/或减速的动画。

缓动函数之前多数应用于动画场景，用于控制动画过渡过程中的速度变化，通过不同的函数曲线使得动画看起来更自然与流畅，但是其中有最为关键的一点：自动加减速，那么能做这一点就可以用到逆向领域了，我们可以在网址手动滑动一下，用python自带的画图库画出来，看一下轨迹的一个波动曲线，在针对下图进行代码轨迹特征进行适配，来找到一个最为相似的进行编写。

 这里我简单放几个缓动函数的算法，大家可以参考一下
easeInSine

function easeInSine(x: number): number {
  return 1 - cos((x * PI) / 2);
}

easeOutSine

function easeOutSine(x: number): number {
  return sin((x * PI) / 2);
}

easeInQuad

function easeInOutSine(x: number): number {
  return -(cos(PI * x) - 1) / 2;
}

四、贝塞尔曲线

首先我们先来了解一下什么是贝塞尔曲线：

贝塞尔曲线是一种用数学公式定义的参数化曲线，广泛应用于计算机图形学、动画、矢量图形设计、字体渲染等领域。贝塞尔曲线的核心是通过少量参数（控制点）灵活地创建复杂的平滑曲线，同时提供精确的数学描述。这个是目前最主流的，也算是最常用的，现在最新的231就基于这个来处理的，在生成能用的轨迹过后，在单独加上一些噪点即可

import numpy as np
import math
import random


class bezierTrajectory:

    def _bztsg(self, dataTrajectory):
        lengthOfdata = len(dataTrajectory)

        def staer(x):
            t = ((x - dataTrajectory[0][0]) / (dataTrajectory[-1][0] - dataTrajectory[0][0]))
            y = np.array([0, 0], dtype=np.float64)
            for s in range(len(dataTrajectory)):
                y += dataTrajectory[s] * ((math.factorial(lengthOfdata - 1) / (
                        math.factorial(s) * math.factorial(lengthOfdata - 1 - s))) * math.pow(t, s) * math.pow(
                    (1 - t), lengthOfdata - 1 - s))
            return y[1]

        return staer

    def _type(self, type, x, numberList):
        numberListre = []
        pin = (x[1] - x[0]) / numberList
        if type == 0:
            for i in range(numberList):
                numberListre.append(i * pin)
            if pin >= 0:
                numberListre = numberListre[::-1]
        elif type == 1:
            for i in range(numberList):
                numberListre.append(1 * ((i * pin) ** 2))
            numberListre = numberListre[::-1]
        elif type == 2:
            for i in range(numberList):
                numberListre.append(1 * ((i * pin - x[1]) ** 2))

        elif type == 3:
            dataTrajectory = [np.array([0, 0]), np.array([(x[1] - x[0]) * 0.8, (x[1] - x[0]) * 0.6]),
                              np.array([x[1] - x[0], 0])]
            fun = self._bztsg(dataTrajectory)
            numberListre = [0]
            for i in range(1, numberList):
                numberListre.append(fun(i * pin) + numberListre[-1])
            if pin >= 0:
                numberListre = numberListre[::-1]
        numberListre = np.abs(np.array(numberListre) - max(numberListre))
        biaoNumberList = ((numberListre - numberListre[numberListre.argmin()]) / (
                numberListre[numberListre.argmax()] - numberListre[numberListre.argmin()])) * (x[1] - x[0]) + x[0]
        biaoNumberList[0] = x[0]
        biaoNumberList[-1] = x[1]
        return biaoNumberList

    def getFun(self, s):
        '''
        :param s: 传入P点
        :return: 返回公式
        '''
        dataTrajectory = []
        for i in s:
            dataTrajectory.append(np.array(i))
        return self._bztsg(dataTrajectory)

    def simulation(self, start, end, le=1, deviation=0, bias=0.5):
        '''
        :param start:开始点的坐标 如 start = [0, 0]
        :param end:结束点的坐标 如 end = [100, 100]
        :param le:几阶贝塞尔曲线，越大越复杂 如 le = 4
        :param deviation:轨迹上下波动的范围 如 deviation = 10
        :param bias:波动范围的分布位置 如 bias = 0.5
        :return:返回一个字典equation对应该曲线的方程，P对应贝塞尔曲线的影响点
        '''
        start = np.array(start)
        end = np.array(end)
        cbb = []
        if le != 1:
            e = (1 - bias) / (le - 1)
            cbb = [[bias + e * i, bias + e * (i + 1)] for i in range(le - 1)]

        dataTrajectoryList = [start]

        t = random.choice([-1, 1])
        w = 0
        for i in cbb:
            px1 = start[0] + (end[0] - start[0]) * (random.random() * (i[1] - i[0]) + (i[0]))
            p = np.array([px1, self._bztsg([start, end])(px1) + t * deviation])
            dataTrajectoryList.append(p)
            w += 1
            if w >= 2:
                w = 0
                t = -1 * t

        dataTrajectoryList.append(end)
        return {"equation": self._bztsg(dataTrajectoryList), "P": np.array(dataTrajectoryList)}

    def trackArray(self, start, end, numberList, le=1, deviation=0, bias=0.5, type=0, cbb=0, yhh=10):
        '''
        :param start:开始点的坐标 如 start = [0, 0]
        :param end:结束点的坐标 如 end = [100, 100]
        :param numberList:返回的数组的轨迹点的数量 numberList = 150
        :param le:几阶贝塞尔曲线，越大越复杂 如 le = 4
        :param deviation:轨迹上下波动的范围 如 deviation = 10
        :param bias:波动范围的分布位置 如 bias = 0.5
        :param type:0表示均速滑动，1表示先慢后快，2表示先快后慢，3表示先慢中间快后慢 如 type = 1
        :param cbb:在终点来回摆动的次数
        :param yhh:在终点来回摆动的范围
        :return:返回一个字典trackArray对应轨迹数组，P对应贝塞尔曲线的影响点
        '''
        s = []
        fun = self.simulation(start, end, le, deviation, bias)
        w = fun['P']
        fun = fun["equation"]
        if cbb != 0:
            numberListOfcbb = round(numberList * 0.2 / (cbb + 1))
            numberList -= (numberListOfcbb * (cbb + 1))

            xTrackArray = self._type(type, [start[0], end[0]], numberList)
            for i in xTrackArray:
                s.append([i, fun(i)])
            dq = yhh / cbb
            kg = 0
            ends = np.copy(end)
            for i in range(cbb):
                if kg == 0:
                    d = np.array([end[0] + (yhh - dq * i),
                                  ((end[1] - start[1]) / (end[0] - start[0])) * (end[0] + (yhh - dq * i)) + (
                                          end[1] - ((end[1] - start[1]) / (end[0] - start[0])) * end[0])])
                    kg = 1
                else:
                    d = np.array([end[0] - (yhh - dq * i),
                                  ((end[1] - start[1]) / (end[0] - start[0])) * (end[0] - (yhh - dq * i)) + (
                                          end[1] - ((end[1] - start[1]) / (end[0] - start[0])) * end[0])])
                    kg = 0
                print(d)
                y = self.trackArray(ends, d, numberListOfcbb, le=2, deviation=0, bias=0.5, type=0, cbb=0, yhh=10)
                s += list(y['trackArray'])
                ends = d
            y = self.trackArray(ends, end, numberListOfcbb, le=2, deviation=0, bias=0.5, type=0, cbb=0, yhh=10)
            s += list(y['trackArray'])

        else:
            xTrackArray = self._type(type, [start[0], end[0]], numberList)
            for i in xTrackArray:
                s.append([i, fun(i)])
        return {"trackArray": np.array(s), "P": w}


a = bezierTrajectory()
r = a.trackArray(start=[830, 559], end=[1085, 554], numberList=30, le=4, deviation=0, bias=0.5, type=2, cbb=0,
                 yhh=0)
g = []
for i, l in enumerate(r['trackArray']):
    s = {}
    s['pageX'] = int(l[0])
    s['clientX'] = int(l[0])
    s['pageY'] = int(l[1])
    s['clientY'] = int(l[1])
    s['type'] = "mousedown" if i == 3 else "mousemove"
    s['which'] = 1 if i == 3 else 0
    g.append(s)
print(g)

　　

                                                         

标签：numberListre,爬虫,param,风控,start,详解,np,end,type
From： https://www.cnblogs.com/yoyo1216/p/18609225