Web Reverse Algorithm

Web 逆向纯算

这项技能不是“给一个固定公式”，而是把资料库里的方法层、题型层、训练层、工程化层压成一套总入口。

先把任务压缩成这条闭环，再决定读哪份 references、走哪条路径、写哪种落地代码：

最终请求 / 最终 cookie / 最终 verify / 最终 WS 帧
-> writer
-> builder
-> entry
-> source

核心原则

1. 先找最终写出点，不先读混淆大文件。
2. 先存中间值，不先猜算法名。
3. 先缩小执行范围，再补环境。
4. 先证明输入输出边界，再决定是否整体迁移。
5. 先把结果整理成可复用结构，再继续做版本适配。

使用顺序

1. 先判题型

把目标先归到下面之一：

• 标准签名 / 标准摘要题
• 混合加密 / 密钥包装题
• Cookie / Header / 多参数联动题
• JSVMP / VMP / 强混淆纯算题
• Wasm / Protobuf / WebSocket / 二进制协议题
• 验证码 / 风控 / challenge 题

如果还没分清，先读 references/01-decision-tree.md。

2. 再判当前阻塞点

优先判断你卡在下面哪一类：

• 入口没找对
• 原始串或原始 payload 没对齐
• 中间数组 / 中间对象没采到
• 运行时依赖没补齐
• 图像线和参数线没拆开
• 协议边界没证明

遇到这一步拿不准时，优先读 references/04-debug-env-playbook.md。

3. 按题型选路线

标准签名 / 混合加密 / Cookie / Header / 国密

适用信号：

• 输出长度规整
• md5/sha1/hmac/aes/rsa/sm3/sm4
• token&t&appKey&data
• params + encSecKey
• document.cookie 或 header 明显可追

优先读取 references/02-algorithm-families.md。

JSVMP / VMP / 小红书 / a_bogus / 多参数复杂纯算

适用信号：

• 大数组、解释器、for(;;)+switch
• 位运算密集、状态数组、寄存器式写法
• window._webmsxyw、__TENCENT_CHAOS_VM、byted_acrawler 一类入口

优先读取 references/02-algorithm-families.md 和 references/04-debug-env-playbook.md。

Wasm / Protobuf / WebSocket / challenge 协议

适用信号：

• WebAssembly.instantiate
• application/x-protobuf
• 二进制响应、导出函数、首包/验证包分段

优先读取 references/02-algorithm-families.md 和 references/03-captcha-families.md。

验证码 / 风控 / challenge / verify

永远先拆 5 条线：

1. 初始化 / challenge 线
2. 图像或题面识别线
3. 参数 builder 线
4. 环境 / 指纹 / collect 线
5. 最终 verify 线

优先读取 references/03-captcha-families.md。

统一工作流

1. 锁定最终写出点

优先从这些位置切：

• fetch
• XMLHttpRequest.send
• setRequestHeader
• document.cookie
• JSON.stringify
• verify 提交点
• WebSocket 首包或验证包发送点

2. 记录 5 层检查点

至少保留：

1. writer 检查点：最终 URL / header / body / cookie / WS 帧
2. builder 输入：query、payload、token、challenge、distance、track、browser info
3. 原始串或原始 payload
4. 中间数组 / 中间对象 / 编码前字节流
5. 最终输出

3. 先恢复中间态，再恢复最终编码

这条规则在下面几类题里尤其重要：

• 小红书 x-s / x-s-common
• 抖音 a_bogus / X-Bogus
• 腾讯 collect
• 网易盾 w
• 各类 payload -> encode 的 header 家族

4. 只在必要时补环境

优先补到最小可运行边界：

1. window/self/globalThis/document/navigator/location
2. cookie/storage/performance/Date/crypto
3. canvas/webgl/audio/plugins/mimeTypes/RTCPeerConnection

如果目标已经被收缩成纯函数，就不要把任务升级成“大补环境题”。

5. 把结果收敛到工程接口

最终优先沉淀下面这些产物：

• 最小输入集合
• 中间检查点集合
• build_context() / build_payload() / sign() / solve() 这种分层接口
• 本地样本与浏览器样本对照
• 失败诊断点

你应该产出的结果

使用这项技能时，优先输出：

1. 题型判断
2. writer / builder / entry / source 分层
3. 当前阻塞点判断
4. 必要检查点列表
5. 是否需要 AST、插桩、补环境、图像识别或协议拆包
6. 推荐的落地结构：函数、solver、SDK、服务
7. 易错点与版本风险

资源导航

• references/01-decision-tree.md 用途：先做题型判断、阻塞点判断、请求链定位。
• references/02-algorithm-families.md 用途：标准签名、混合加密、Cookie/Header、JSVMP、Wasm、国密、站点家族模式。
• references/03-captcha-families.md 用途：腾讯、极验、网易盾、百度旋转、阿里 v2、V5、拼多多、hCaptcha 等验证码/风控路线。
• references/04-debug-env-playbook.md 用途：hook、logpoint、最小补环境、浏览器/本地对齐、反调试与证据管理。
• references/05-training-routes.md 用途：学习顺序、训练阶段、案例如何带新人、视频资料怎么吸收。
• references/06-engineering-maintenance.md 用途：GitHub 项目怎么吸收、接口如何设计、扩库时怎么记主落点/补充落点/标签。
• scripts/new_case_scaffold.py 用途：新站点或新 challenge 建标准化案例目录。

案例脚手架

要在工作区里快速起一套“可复盘、可扩展”的案例骨架，运行：

python "<skill-dir>\\scripts\\new_case_scaffold.py" `
  "case-name" `
  --type captcha `
  --family tencent `
  --tags captcha,collect,pow `
  --sources "https://example-a,https://example-b" `
  --language py `
  --output ".\\research"

脚手架会生成：

• case-overview.md
• request-chain.md
• evidence-log.md
• checkpoints.json
• metadata.json
• solver_stub.js 或 solver_stub.py
• todo.md

最后约束

始终偏向下面这些做法：

1. 从真实请求或真实 sink 进入。
2. 对浏览器值和本地值建立同构检查点。
3. 先拆算法层、环境层、协议层，再决定怎么迁移。
4. 同站点多文章时记录“思路差异”，不要只保留一个最终答案。
5. 每个案例都沉淀输入边界、检查点、代码骨架、易错点，而不是只留最终成品。