点选验证码的两种形态
点选验证码（"请依次点击图中的汉字/图标"）分两种：
- 文字点选：背景图里有几个汉字，按提示顺序点击（极验、网易易盾的经典题型）
- 图标点选：图里一堆小图标，点击与示例相同的（顶象、部分电商自研）
对抗链路相同：识别（知道点哪）→ 坐标转换（页面坐标系换算）→ 加密上传（坐标参数的生成）→ 行为模拟（点击节奏）。
识别：三条路线
路线一：打码平台（最快落地）
超级鹰、图鉴、TT 打码等都支持点选题型：上传图片+题型编号，返回坐标序列。成本约 1-3 分/次，准确率 90-95%。适合业务量小或验证频率低的场景。
路线二：目标检测模型（规模化首选）
自己训练 YOLO 模型识别图标/文字位置：
- 抓几千张验证码图，标注目标位置（标注工具：labelImg）
- YOLOv8 训练，图标类题型几百张标注就能到 95%+
- 部署成 HTTP 服务，推理耗时 50ms 内
文字点选稍麻烦：除了定位还要识别"是哪个字"（确定点击顺序）。方案是 YOLO 定位 + OCR 识字（PaddleOCR），或者检测模型直接分类（把常见汉字作为类别）。
路线三：模板库匹配（特定题型）
图标点选的图标库是有限的（几十到几百个），把图标库全部抠出来建模板库，识别时模板匹配找位置——准确率接近 100%，但只适用于图标库不更新的厂商。
坐标转换：被忽视的细节
识别给出的是图片像素坐标，上传要求的是页面元素坐标或归一化坐标，中间的换算每家不同：
# 常见换算关系（以实际逆向为准）
# 页面显示尺寸 300x200，原图 600x400
scale_x = 300 / 600
page_x = int(img_x * scale_x)
page_y = int(img_y * scale_y)
# 有的厂商要求相对点击框左上角的偏移，有的要求相对整个验证码区域
# 还有的要求归一化到 0-1 或 0-1000逆向确认方法：手动点一次正确的，抓包看上传的坐标值，和图片实际位置对比，反推换算公式。
加密上传：坐标参数的生成
点选结果很少明文上传，常见加密方式：
// 典型结构：坐标数组 → json → AES/RSA 加密 → base64
var points = [{x: 123, y: 45}, {x: 234, y: 67}, {x: 89, y: 120}];
var encrypted = aesEncrypt(JSON.stringify(points), sessionKey);
// 有的还会混入时间戳和随机数防重放逆向方法：hook 提交前的加密函数（搜 encrypt 或 hook XHR send 回溯），把加密逻辑抠出来。注意坐标顺序——文字点选要求按提示顺序，顺序错即失败。
行为模拟：点击节奏
点选验证码同样采集行为数据：
- 点击间隔：真人识别下一个目标需要时间，间隔 0.5-2 秒且随机
- 点击位置偏移：真人不会精确点中心，在目标区域内随机偏移（但别偏出目标边缘）
- 鼠标移动轨迹：部分厂商采集点与点之间的移动轨迹（和滑块同理）
import time, random
for x, y in points:
# 偏移：目标中心 ± 目标尺寸的 20%
fx = x + random.randint(-8, 8)
fy = y + random.randint(-8, 8)
click(fx, fy)
time.sleep(random.uniform(0.6, 1.8)) # 拟人间隔精髓：成本与通过率的平衡
- 低频率场景（每天几十次）：打码平台，零维护成本
- 中频率场景（每天几千次）：YOLO 自训模型，一次投入长期免费
- 高频率场景（每天几万次+）：模型 + 协议模拟全自动化，且要做验证码触发率优化——最好的对抗是少触发验证码（控制请求频率、维护账号信誉），而不是提高识别率
- 识别失败要重试但别硬刚：连续失败 3 次会触发更高等级验证（滑块变点选、点选变语序），失败即换设备/IP 冷却
总结
- 对抗链路：识别 → 坐标换算 → 加密上传 → 行为模拟
- 识别按规模选：打码平台 / YOLO 自训 / 模板库
- 坐标换算公式抓包反推，别想当然
- 点击间隔和位置偏移是行为校验点，节奏比精度重要
交流微信：run1255