什么是反关联指纹浏览器？反关联指纹浏览器怎么样？
其实我在上一篇文章中介绍过，大致意思是在浏览器指纹反关联中，除了WebRTC、时区、CPU、浏览器UA、系统字体、显示卡WebGL、显示分辨率、声卡、电脑名称、MAC地址等常规的“浏览器指纹”之外，其实还有浏览器行为指纹(也叫行为轨迹)，会根据你的鼠标移动轨迹来判断是否批量注册，从而产生关联的标题风险等。
所以今天我就从技术和实际的角度来分析一下，分批提溜号。为什么我不建议硒自动化？
我们可以用下面的例子来说明：一个平台的自动算法分析：
当您获得验证码时，您还将请求接口获得一个加密的字符串，该字符串将在最后一次作为参数传入。
要获得这个加密的字符串，您需要创建一个lid(此时，应该有人已经猜到它是哪个平台.)，生成方法应该直接从js中提取，js是一个时间戳随机、长度相等的字符串(使用Math.random)。然后基于lid打包，添加一个固定键等固定参数，再添加salt编码(salt值在js中也是写死的)。
然后，在第一个请求之后，会返回一个新的lid，然后基于这个新的lid，再添加一些浏览器属性参数，然后再次进行salt编码(salt值与前一个请求相同)，然后进行第二个请求，最后得到加密参数：
我们来到第三关，验证码缺口坐标破解。
这里有三个常用的方法：
opencv识别破解。
第三方编码平台的识别与破解。
自训练模型识别与破解。
具体实现这里就不细说了~每种方法都是可行的。
核心加密参数的生成滑动后，我们通常会触发接口请求，会有很多参数，比如刚才预先生成的加密参数。
通常还有另一个核心加密参数，一般都很长，里面混合了浏览器指纹、用户行为轨迹、坐标点等信息，也是最严重的加密参数。
一般来说，这个参数有一个初始化操作，比如：
一些当前时间戳、版本号、引用者、加密版本号、令牌等。将用作参数，这也将检查是否使用了自动化工具，如selenium。
初始化后，是我们玩：行为轨迹的时候了。
总共收集了两条行为轨迹。
一个是用户启动滑块后的所有移动轨迹，这些轨迹将被收集在一个全局列表中，然后等待直到最后一个一次性循环触发。一个是用户的各种鼠标和键盘事件，鼠标移动事件触发的间隔事件比较长。
这里可以人工采集几个成功的行为轨迹，分析对方的行为轨迹算法，然后模拟生成。生成的行为轨迹准确率大概在80%以上，所以需要注意两个地方。
过程中使用了大量的随机值，对方的模型也会检查是否足够随机，所以需要加入各种随机来微调坐标。
引入事件时，也会引入持续时间。两个行为轨迹的持续时间是相关的，对方的模型也会检测两个行为轨迹之间的相关性。
只要注意这两点，相信你也能写出更好的行为轨迹生成器()~ OK，而且前期准备工作已经做好了，只要调用接口传递参数，就可以：
最终准确率在30%左右，但还有一定的优化空间~
因此，攻防始终是利益与成本的平衡。如果完全依靠硒自动化注册脸书、Tiktok、Tinder、Line等平台，还是有风险的。因此，不建议将数字调高为“懒”。毕竟一个账号的成本还是很贵的。
联系我们下载防关联系统：17602399866（同微） 2322004545
网站下载：https://jxexplorer.com
我们建了一个亚马逊卖家交流群，里面不乏很多大卖家。
现在扫码回复“ 加群 ”，拉你进群。
热门文章
*30分钟更新一次
