一键生成 socks5/http 代理池

(待完善)

测试链接: https://nopecha.com/demo/cloudflare
打开测试网站，点击 5s盾进行绕过，f12打开cookie 发现 cf_clearance 是用来校验cf盾是否通过。

猜想：
在 A浏览器获取到 cf_clearance，复制到B浏览器的cookie中，B浏览器是否可以绕过cf盾。

验证：

目前视频会议会出现负载过高
ChatGPT 早已实现了与 LiveKit 的集成，但一直没有将此功能开放到 Web 端。
有些大佬已经也实现了该功能，但并没有分享具体的实现过程。
因此，今天我将详细介绍如何在 ChatGPT 中使用 LiveKit 实现视频会议。

分析前准备

• 一台 Apple 芯片的 Mac 电脑（因为目前只有 Mac 版本的 ChatGPT 客户端，手机端尚未测试抓包）
• 安装 ChatGPT 客户端
• 抓包工具 Charles

抓包步骤

1. 打开 ChatGPT 客户端 和 Charles 工具，然后开始抓包。

本教程将为零基础用户快速部署一个 ChatGPT Mirror 服务。

提前准备

• 一个 ChatGPT 账号（3.5、4.0 均可）
• 一台境外 VPS

使用 cloudflare 搭建免费的 OpenAI api 代理 ，解决国内网络无法访问 API 问题

注册登录 cloudflare

https://dash.cloudflare.com/

cloudflare 创建 worker 服务

1. 创建 Worker

服务器到期，无力续费，迁移到 cloudflare 。

1. 注册并登录 Cloudflare

首先，访问 Cloudflare 的管理面板并进行注册或登录：
https://dash.cloudflare.com/

2. 创建 Cloudflare Pages 服务

在成功登录后，按照以下步骤创建 Cloudflare Pages 服务。

步骤 1：创建 Pages 项目

在 Cloudflare Dashboard 中，找到并点击“Pages”选项，然后点击“Create a project”按钮。

应公司 HR 的要求，编写一个爬取实习僧招聘网站的工具。本文将详细介绍如何分析请求、破解加密数据，并编写完整的爬虫程序。

分析请求

访问 实习僧，分析请求，发现 /app/interns/search/v2 请求存在关键信息
但是部分数据存在加密，手动复制页面的加密信息，复制出来却是乱码
乱码显示为研发实习，此我们可以断定数据是通过字体形式加密的。

步骤一：点击数据分析

点击滑动按钮，将发送一个请求到 /zfcaptchaLogin
请求内容

1
2
3
4
5
6

"type": "verify"
"rtk": "6cfab177-afb2-434e-bacf-06840c12e7af"
"time": "1624611806948"
"mt": "W3sieCI6OTY1LCJ5IjoxNjksInQiOjE2MjQ2MTE4MDY4Njh9LHsieCI6OTY1LCJ5IjoxNjksInQiOjE2MjQ2MTE4MDY5NDh9XQ=="
"instanceId": "zfcaptchaLogin"
"extend": "eyJhcHBOYW1lIjoiTmV0c2NhcGUiLCJ1c2VyQWdlbnQiOiJNb3ppbGxhLzUuMCAoTWFjaW50b3NoOyBJbnRlbCBNYWMgT1MgWCAxMF8xNV83KSBBcHBsZVdlYktpdC81MzcuMzYgKEtIVE1MLCBsaWtlIEdlY2tvKSBDaHJvbWUvOTEuMC40NDcyLjEwNiBTYWZhcmkvNTM3LjM2IiwiYXBwVmVyc2lvbiI6IjUuMCAoTWFjaW50b3NoOyBJbnRlbCBNYWMgT1MgWCAxMF8xNV83KSBBcHBsZVdlYktpdC81MzcuMzYgKEtIVE1MLCBsaWtlIEdlY2tvKSBDaHJvbWUvOTEuMC40NDcyLjEwNiBTYWZhcmkvNTM3LjM2In0="

通过 base64 解密 mt 和 extend 得出解密的数值

验证码识别最主要难点在于图像的处理，模型的训练网上有太多例子，所以只要能将图片处理成可训练的数据集，便没什么难度了。

图片处理 （生成data.dat 训练数据）

验证码获取: http://222.24.62.120/CheckCode.aspx

训练图片生成器

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

# -*- coding: utf-8 -*-

from PIL import Image

def denoise_img(img):
    '''图片降噪处理'''
    img2 = Image.new("L", img.size, 255)
    for x in range(img.size[1]):
        for y in range(img.size[0]):
            pix = img.getpixel((y, x))
            if pix == 17:
                img2.putpixel((y, x), 0)
    return img2

img1 = Image.open("CheckCode.gif")
# 将图片转化为 灰度图
img2 = img1.convert("L")
img3 = denoise_img(img2)

图片切分与转化成训练数据: 0代表存在像素点，1则表示没有像素点
数据张量：

• 输入： 336 = 16*21
• 输出： 36