js-reverse-automation

name	js-reverse-automation
description	通过 chrome-devtools-mcp 连接真实浏览器，跟踪 sign/enc/token 的生成链路，识别运行时入口函数与依赖，生成 JSRPC 注入代码、Flask 代理代码和 Burp autoDecoder 对接文档。

JS 逆向自动化 Skill

授权声明

本工具仅用于以下合法场景：

• CTF 竞赛靶场环境的 flag 获取
• 经授权的安全测试与接口调试
• 甲方授权范围内的渗透测试

所有测试目标均为 CTF 比赛提供的靶场环境或已获得书面授权的系统。本工具不会用于任何未授权目标，不会进行违法操作。工具输出仅供安全研究和漏洞修复使用。

输入格式

Target URL: https://xxx/login/index
Parameters To Analyze: password
Optional Fetch Example: fetch("https://xxx/Login/CheckLogin", {...})

先运行 scripts/check_inputs.py 校验。

能力边界

• 能做：页面导航、evaluate_script、initScript 预注入、网络请求读取、console 读取、快照/截图、Hook fetch/XHR/crypto.subtle/JSON.stringify、Webpack module cache 捕获、早期 Hook 安装（initScript）、导航后 trace 延续
• 不能做：真实 JS 断点(paused frame)、闭包未导出函数、WASM 未导出内部函数、Service Worker 内部闭包、ES module import 拦截、VMP 静态还原、CSP WebSocket 绕过、跨域 iframe 内部函数访问、VM 保护 JS 的直接 Hook
• 只用 chrome-devtools-mcp，不引入 Playwright/Camoufox/mitmproxy

阶段流程

Phase 0: 输入校验

运行 python3 scripts/check_inputs.py --input <raw> --output artifacts/phase0_input.json

Phase 1: 浏览器连接与请求复现

• 打开目标页面，复现目标动作
• 通过网络请求列表锁定目标请求，记录 URL/Method/Body/Headers/参数落点
• 从请求详情和 inline script 定位参数入口的初步线索
• 默认使用 navigate_page(initScript=...) 预注入 runtime probe，在页面任何 JS 执行前安装 Hook
• 如果目标页面需要先加载才能触发目标动作（如点击按钮才出现登录框），则在页面加载后用 evaluate_script 补充注入

Phase 1.5: 运行时 Hook 探针 + 健康检测

• python3 scripts/emit_runtime_hook_probe.py --output generated/runtime_hook_probe.js --params "目标参数名"
• 通过 initScript 或 evaluate_script 注入探针，重新触发目标动作
• 通过 evaluate_script("window.__JSRA_TRACE__.dump()") 拉取证据
• 从 requests[].stack 识别加密入口调用栈
• 运行时健康检测（不猜分类，只记证据）：
  • evaluate_script 成功 → probe_status=ok
  • 超时 → probe_status=timeout，检查 console 有无 debugger 语句判断 timeout_reason
  • 返回错误 → probe_status=crashed
  • 部分 Hook 成功 → probe_status=partial
• 降级策略：ok → 正常流程；partial → 继续但标记缺失证据；timeout/crashed → 降级到静态分析，记录 fallback_used=true
• 页面导航防护：如果目标动作会触发页面跳转，探针必须在跳转前将证据写入 sessionStorage
• 表单交互兜底：fill_form 对复杂组件可能失败，优先用 evaluate_script 直接设值

Phase 2: 参数入口发现（评分 + 验证）

• 从 Phase 1.5 的 Hook 证据定位入口
• 候选评分：运行 python3 scripts/detect_encryption.py --probe-artifacts artifacts/probe_dump.json --analysis analysis_result.json --output artifacts/encryption_candidates.json
• 评分维度：name_score、source_keyword_score、runtime_stack_score、request_body_correlation_score、input_output_shape_score、module_export_score、verification_score
• 验证流程：评分 > 0.6 的候选，用真实样本调用验证；验证通过 → confidence=high
• 如果入口在全局路径（window.xxx），直接定位
• 如果入口在闭包或 Webpack 模块中，进入 Phase 2.5
• 入口必须有运行时证据支撑，不接受纯猜测

Phase 2.5: Webpack/模块解析（仅 Webpack 场景）

• python3 scripts/emit_module_probe.py --output generated/module_probe.js
• 注入后通过 evaluate_script("window.__JSRA_MODULES__.dump()") 拉取结果
• 优先级链（按顺序尝试，不跳级）：
  1. 先找真实 __webpack_require__（window.__webpack_require__、chunk array 的 runtime 属性）
  2. 再找 webpackChunk* 的 runtime push 机会（hook push 方法，等下次 chunk 加载时捕获）
  3. 再从已加载 module cache 搜索 export（如果 require 已捕获，遍历 require.c）
  4. 最后才离线解析 chunk factory（只生成 candidate，不直接当入口，必须和运行时证据交叉验证）
• 优先级 1-3 为稳定能力，优先级 4 为实验能力（候选必须标记 confidence=low）
• 未检测到模块系统则降级到 global_path 或 manual_observed_only

Phase 3: 组装 analysis_result.json

• 手动组装，包含所有必需字段（见 references/output-contract.md）
• entrypoint_discovery.strategy 必须如实反映发现路径
• confidence=high 需至少两类证据（网络 + 运行时）
• capability_boundary 所有不支持项必须为 false
• strategy=unsupported 时不生成 JSRPC action
• runtime_health.probe_status 必须如实记录

Phase 4: 代码生成与服务启动

• python3 scripts/emit_jsrpc_stub.py --analysis analysis_result.json --output generated/jsrpc_inject.js
• python3 scripts/emit_flask_proxy.py --analysis analysis_result.json --output generated/flask_proxy.py
• python3 scripts/manage_services.py --service jsrpc --analysis analysis_result.json --output artifacts/jsrpc_status.json --action start --force
• python3 scripts/manage_services.py --service flask --analysis analysis_result.json --flask-file generated/flask_proxy.py --output artifacts/flask_status.json --action start --force

Phase 5: 注入浏览器

• 刷新页面：注入前先 navigate_page(type=reload) 清理旧 WebSocket 连接，避免多客户端竞争
• 注入 Hlclient：确认 typeof Hlclient === 'function'，未加载则先注入 scripts/JsEnv_Dev.js
• 注入 JSRPC 代码：evaluate_script 读取 generated/jsrpc_inject.js 完整内容注入，禁止手写简化版
• 验证：curl http://127.0.0.1:12080/list 确认 group 已注册且只有 1 个 client
• 多客户端竞争：验证时使用 &clientId=<最新注册的id>

Phase 6: Burp 文档

• python3 scripts/emit_burp_doc.py --analysis analysis_result.json --output generated/burp-autodecoder.md

Phase 7: 校验与输出

• python3 scripts/validate_artifacts.py --analysis analysis_result.json --jsrpc generated/jsrpc_inject.js --flask generated/flask_proxy.py --burp generated/burp-autodecoder.md --output artifacts/validation_report.json
• 必须输出给用户：
  1. JSRPC 验证命令（含实际 group/action/param/clientId）
  2. Flask 验证命令（含实际端口和 dataBody 示例）
  3. 关闭服务命令（从 jsrpc_status.json 和 flask_status.json 读取 stop_command）
  4. Burp autoDecoder 配置步骤（从 generated/burp-autodecoder.md 读取并直接输出，不要只说"详见文件"）：
     • autoDecoder URL
     • HTTP Method
     • Form Fields（dataBody / dataHeaders）
     • 验证步骤（curl 命令）
     • 排障说明

关闭服务

python3 scripts/manage_services.py --service jsrpc --analysis analysis_result.json --output artifacts/jsrpc_status.json --action stop
python3 scripts/manage_services.py --service flask --analysis analysis_result.json --output artifacts/flask_status.json --action stop

反调试

遇到 debugger/console 检测时，参考 references/antidebug-patterns.md。先验证再 patch，最小 patch，记录 patch 前后差异。

输出产物

• analysis_result.json
• generated/jsrpc_inject.js + generated/flask_proxy.py + generated/burp-autodecoder.md
• artifacts/validation_report.json
• JSRPC 验证：curl 'http://127.0.0.1:12080/go?group=<group>&action=<action>&param=<plaintext>'
• Flask 验证：curl -X POST http://127.0.0.1:<port>/encode -H "Content-Type: application/x-www-form-urlencoded" --data-urlencode "dataBody=username=x&password=y&code=z&role=w"