AI辅助逆向实战分析总结

风控改版当天全线报错，我把滑块通过率从 20% 修回 100%：一次人机配合的逆向复盘

案例已脱敏：站点、域名、密钥、账号都不出现，只讲过程和判断。

一个下午，全挂了

做自动化的都经历过：跑得好好的滑块，某天下午突然全部吃风控拒绝码（就叫它 F001 吧），通过率清零。

目标是国内某头部电商平台的风控，JS 层套了虚拟机加固，协议层有签名。我们的方案之前稳定跑了很久，这次明显是对方改版了。

要回答的问题就三个：改在哪？改动多大？修完怎么把通过率拉回来？

先说结果：单次通过率从两成左右修到 10/10，生产环境稳定在 80% 上下，连跑三天没衰减。但数字不是重点，重点是过程里 AI 帮了什么忙、又在哪儿差点把我带沟里去——这才是我写这篇的原因。

结果一览

阶段	通过率
改版当天	基本全灭
初步修完	单次 2/10 上下
找到根因改掉后	单次 10/10
加上重试退避	服务级 6/6
人工又调了一版上线	稳定 80%，三天无衰减

顺手还证伪了几个圈子里流传的说法：

• 轨迹内容根本没人看。我构造过 996px 位移、只有 16 个采样点的糙轨迹，照样过；也跟真人轨迹逐字段对拍过，没差别。
• UA 轮换防聚集是心理安慰。生产端固定一个 Pixel6 WebView UA 跑了三天，什么事没有；对照实验里多 UA 轮换也没见好。
• 有些"设备标记位"不用抄。真机数据里这些字段每天自己都在变，你仿得一模一样反而可疑。

AI 干了哪些活

这次我全程用 AI 辅助（大模型加一套浏览器逆向工具链），有些活它确实干得好：

看 diff 快。 改版第一步是搞清楚改了什么。新旧两版签名脚本的逐行 diff，AI 几分钟圈完差异点，还按协议层/JS 层/传输层分了类。这活人工干得半天，它干完我复核一遍就行。

抓包对拍这种体力活全包了。 中间人抓包、解密、把"真人浏览器的包""我们失败的包""别人成功的包"三类样本按字段对齐比差异——流程机械但极其耗时，AI 写了一套工具直接吐差异清单。

跑 A/B 实验。 嫌疑点收敛之后，它搭了个同窗口交替发包的框架，一次只动一个变量：

• 只换 Verify 请求的域名：2/10 → 4/10，有点信号但不决定性；
• 只换协议里的版本号字段：6/10 → 10/10，实锤。

根因说出来有点好笑：对方改版把协议版本号升了一位，老版本号进了风控名单。 改一个常量，通过率从两成到十成。前面烧掉的那么多时间，都是在给这一行常量交学费。

记文档。 实验数据、被证伪的结论、踩过的环境坑，它边干边写进分析文档。下次再改版，这就是作战地图。

但方向盘得在人手里

写到这儿像软文了，打住。真实情况是：这次每个关键转折，都是我把 AI 拽回来的。原因很实际：

Token 是要钱的。 逆向的搜索空间太大，让 AI 自由发挥，它会兴致高昂地把每条路都走一遍，每条路都是钱。实际打法是我定方向、圈范围，让它在圈里冲。所有产出高的实验，实验设计（单变量、交替发包、留对照组）都是我定的，它只负责执行和读数。

它会一本正经地跑偏，而且自己不知道。 这次最大的弯路：它前一天分析了一整天没找到根因。事后复盘——

• 它把三个变量捆在一个实验里测，得出"通道没差别"的结论。三个变量同改互相抵消，这实验什么都证明不了，但它信了，还在文档里写了定论。
• 它拿合成事件触发的滑块（isTrusted=false，必败）当"真机证据"，在错误前提上盖了一天楼。
• 它测试时漏了五个关键环境变量，测的根本不是生产链路。

这些不是笨，是缺两样东西：对证据真伪的直觉，和实验设计的纪律性。而这两样恰恰是人干逆向的核心竞争力。

环境坑只有人能兜底。 还有两个低级但致命的坑：主进程跑错了 Node 版本（必须 18，跑成 22 行为直接异常）；一个依赖库在 Windows 的 GBK 控制台下静默崩溃，导致关键字段悄悄变空。这种"代码没错、环境错了"的问题，AI 在代码层面很难自己发现，人上机看一眼就定位了。

所以我的实际体验是个简单的账：

纯人工：慢，但方向稳。
纯 AI 自动：快，但烧钱，而且识别不了自己的结论是无效的。
人定方向、AI 冲刺：效率大概是纯人工的三到五倍，成本可控。

下次再改版，照这个单子走

经验已经固化成流程了：

1. 先冻结环境再动手。Node 版本、编码、环境变量，先写守卫脚本，再谈分析。
2. 证据分级：真机数据 > 浏览器实发 > 合成事件。每条结论标上证据等级。
3. 一次只动一个变量。打捆实验得出的"X 没影响"一律不作数——这次最大的雷就是这么埋的。
4. 先查协议层再查 JS 层。改版先对拍版本号、通道、域名这些字段。多数所谓"改版"，只是协议层升了个位。
5. AI 的活限定在执行层。方向人定，结论人裁决，中间的 diff、抓包、跑数交给它。

最后

风控对抗没有一劳永逸，对方还会改，我们还会再打。但这次我确认了一件事：

AI 替代不了逆向工程师，它是个放大器。 它把 diff、抓包、对拍、跑数这些体力活压到原来的五分之一，人省下来的脑力该花在真正值钱的地方：提假设、设计实验、裁决证据。在 Token 要花钱的今天，这是最划算的协作方式，没有之一。

---