阿里云滑块验证码（AliyunCaptcha）自动求解：YOLO 识别缺口 + 真人形态轨迹生成 + CDP 事件注入。
单次通过率 78.4% → 90.9%，风控拦截率 15.2% → 9.1%（n=22）。
真人拖滑块不是平滑曲线。用 30 条真人轨迹对比合成轨迹训练分类器， AUC=1.000 完美可分——教科书式的平滑曲线全是机器指纹：
| 指纹 | 真人 | 平滑曲线 |
|---|---|---|
| 峰值速度位置 | 75% 进度（末端甩鞭） | 5~20%（前载爆发） |
| 峰值速度 | ~9700 px/s | ~1400 px/s |
| y 路径漂移 | 38px（手臂线性漂移） | 2px（小幅振荡） |
| 完全静止帧 | 4% | 0% |
| 松手前微动作 | 0 | 0.25（画蛇添足） |
真人形态是「慢逼近 → 谷底犹豫 → 末端甩鞭 → 收尾」，
本生成器按此重构（细节见 docs/轨迹形态理论.md 与 human_track.py 注释）。
import asyncio
from playwright.async_api import async_playwright
from slider_cdp import solve, install_verdict_hook
async def main():
async with async_playwright() as p:
browser = await p.chromium.launch(headless=False)
ctx = await browser.new_context()
page = await ctx.new_page()
cdp = await ctx.new_cdp_session(page)
await install_verdict_hook(page)
await page.goto("https://your-site-with-captcha.com")
# ... 触发滑块弹出 ...
passed, meta = await solve(ctx, page, cdp)
asyncio.run(main())| 文件 | 说明 |
|---|---|
slider_cdp.py |
求解库：识别 → 轨迹 → 注入 → 判定 |
human_track.py |
轨迹生成器（核心算法） |
track_features.py |
59 维形态特征 |
record_human_drag.py |
真人轨迹采集 |
train_shape_scorer.py / shape_gap_diagnosis.py |
人/机分类器诊断闭环 |
calib_cdp.py |
位移响应模型标定（piece.left = A·m + B·m²） |
判定码：T001 通过 · F001 风控拦截 · F015 位置误差
pip install -r requirements.txt
playwright install chromiumcaptcha-recognizer提供 YOLO 缺口识别（自带模型权重）- 换站点时先用
calib_cdp.py标定该站的位移响应系数（slider_cdp.py顶部的A_CDP/B_CDP）
仅用于验证码可用性研究与自有环境的合规测试，使用者自行承担后果。