声明:
本文章中所有内容仅供学习交流使用，不用于其他任何目的，抓包内容、敏感网址、数据接口等均已做脱敏处理，严禁用于商业用途和非法用途，否则由此产生的一切后果均与作者无关！

逆向分析

所有加密流程基本一样就说第一个接口其他同理。主要代码如下

function preRisk(str) {
        env={
    "language": ""
}
    browserEnv = {
    "p": "pc",
    "h5_duid": null,
    "pc_duid": null,
    "hb_uid": null,
    "pc_uid": null,
    "h5_uid": null,
    "infosec_openid": null,
}
    dimensions = a(JSON.stringify(browserEnv), 0)
    extend_param = b(JSON.stringify(env), 0)
    sign = utils.md5('{str}&dimensions=' + dimensions + '&extend_param=' + extend_param)
    return {
        'extend_param': extend_param,
        'appid': "100032497",
        'business_site': 'crm_sms_online_pic',
        'version': '1.0.6',
        'dimensions': dimensions,
        'sign': sign
    }
}

python 坐标图标识别代码

def handle_img(img_path):
    img = Image.open(img_path).convert('RGB')
    # 获取图像的原始尺寸
    width, height = img.size
    img = Image.open(img_path)

    model = YOLO(
        model='/best.pt',
        task='detect')
    results = model.predict(source=f'{img_path}', save=True)
    idx_ = 0
    # 遍历所有检测到的对象
    for result in results:
        # 同时获取边界框坐标和类别
        global target_center_points
        for (x1, y1, x2, y2), cls in zip(result.boxes.xyxy, result.boxes.cls):
            idx_ += 1
            # 将坐标转换为整数
            x1, y1, x2, y2 = int(x1), int(y1), int(x2), int(y2)
            center_x = (x1 + x2) // 2
            center_y = (y1 + y2) // 2
            target_center_points.append([center_x, center_y])
            cropped_area = img.crop((x1, y1, x2, y2))

            # 保存或显示截取的区域
            cropped_area.save(f"./pics/{idx_}.png")

结果

总结

 1.出于安全考虑,本章未提供完整流程,调试环节省略较多,只提供大致思路,具体细节要你自己还原,相信你也能调试出来。