新闻详情

新闻详情

首页 / 资讯中心 / 详情

某剪辑软件 API sign签名生成算法逆向分析还原

发布时间:2026/11/21 20:56:30来源:尧图网络
某剪辑软件 API sign签名生成算法逆向分析还原
阅读须知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不提供完整代码抓包内容、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擅自使用本文讲解的技术而导致的任何意外作者均不负责若有侵权请在公众号联系作者立即删除概述本文档详细说明了 CapCut 网页 API 用于请求认证的签名生成算法。API 接口POST https://www.xxx.com/签名生成算法公式signMD5(9e2c|{url_suffix}|{pf}|{appvr}|{device_time}|{tdid}|11ac).toLowerCase()参数说明|参数|说明|示例值|来源|| — | — | — | — ||‎9e2c|固定前缀常量|‎9e2c|硬编码||‎url_suffix|URL 路径的最后 7 个字符|‎on_link|从 ‎/commerce/v1/group/get提取||‎pf|平台标识符|‎6|Web 平台常量||‎appvr|应用版本|‎1.0.0.1|固定版本字符串||‎device_time|Unix 时间戳秒|‎1778147560|当前时间||‎tdid|设备 ID| (空字符串)|Web 端通常为空||‎11ac|固定后缀常量|‎11ac|硬编码|计算示例输入URL: /commerce/v1/group/ device_time:1778147560步骤 1提取 URL 后缀最后 7 个字符url_suffixon_link步骤 2构建签名字符串sign_string9e2c|on_link|6|1.0.0.1|1778147560||11ac步骤 3计算 MD5 哈希signMD5(sign_string).toLowerCase()3bb6d5d0a697aa8e3e11641dab5da6e3必需的请求头{appid:000000,device-time:1778147560,sign-ver:1,app-sdk-version:,appvr:1.0.0.1,tdid:,accept:application/json, text/plain, */*,content-type:application/json,sign:3bb6d5d0a697aa8e3e11641dab5da6e3,lan:zh-hans,pf:6,user-agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36}源代码位置签名生成逻辑位于index.5b801950.js原始函数已压缩generateSignHeaderfunction(e){let{url:t,pf:r,appvr:o,tdid:n}e;constlMath.floor((0,i.default)()/1e3);return{sign:(0,s.default)(9e2c|${(0,a.default)(t).call(t,-7)}|${r}|${o}|${l}|${n}|11ac).toLowerCase(),device-time:l}}还原后的代码functiongenerateSignHeader({url, pf, appvr, tdid}){const deviceTimeMath.floor(Date.now()/1000);const urlSuffixurl.slice(-7);const signString9e2c|${urlSuffix}|${pf}|${appvr}|${deviceTime}|${tdid}|11ac;const signmd5(signString).toLowerCase();return{sign: sign,device-time:deviceTime};}实现示例Python 实现importhashlibimporttimedef generate_sign(url,device_timeNone,tdid,pf6,appvr1.0.0.1): 生成 CapCut API 签名 参数: url: API URL 路径 device_time: Unix 时间戳秒如果为 None 则使用当前时间 tdid: 设备 ID默认为空字符串 pf: 平台标识符默认为6Web appvr: 应用版本默认为1.0.0.1返回: 包含sign和device-time的字典ifdevice_time is None: device_timeint(time.time())# 提取 URL 最后 7 个字符url_suffixurl[-7:]# 构建签名字符串sign_stringf9e2c|{url_suffix}|{pf}|{appvr}|{device_time}|{tdid}|11ac# 计算 MD5 哈希并转小写signhashlib.md5(sign_string.encode()).hexdigest().lower()return{sign:sign,device-time:device_time}# 示例url/commerce/v1/group/get_group_info_by_invitation_linkresultgenerate_sign(url,device_time1778147560)print(f签名: {result[sign]})# 输出: 3bb6d5d0a697aa8e3e11641dab5da6e3免责声明本报告仅供安全研究和学习目的请勿用于非法用途。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不提供完整代码抓包内容、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擅自使用本文讲解的技术而导致的任何意外作者均不负责若有侵权请在公众号联系作者立即删除
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/21 14:14:45

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/21 14:14:26

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/20 20:45:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/20 16:11:20

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/21 19:02:25

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/21 14:13:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉