当前位置: 首页 > news >正文

tiktok 弹幕 逆向分析

声明:
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,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!
逆向分析

部分python代码

部分python代码

is_match = check_payload_type(response_msg.payload_type,["im_enter_room_resp", "msg"])if is_match:response_msg1 = tiktok_pb2.Response()# result = cp.call('W',base64.b64encode(response_msg.payload).decode("utf-8"))response_msg1.ParseFromString(decompress_data(response_msg.payload))# 打印解析后的消息for message in response_msg1.messages:print(f"Method: {message.method}")# print(f"Payload: {message.payload}")# print(f"Message ID: {message.msg_id}")# print(f"Offset: {message.offset}")# print(f"Is History: {message.is_history}")
    is_match = check_payload_type(response_msg.payload_type,["im_enter_room_resp", "msg"])if is_match:response_msg1 = tiktok_pb2.Response()# result = cp.call('W',base64.b64encode(response_msg.payload).decode("utf-8"))response_msg1.ParseFromString(decompress_data(response_msg.payload))# 打印解析后的消息for message in response_msg1.messages:print(f"Method: {message.method}")# print(f"Payload: {message.payload}")# print(f"Message ID: {message.msg_id}")# print(f"Offset: {message.offset}")# print(f"Is History: {message.is_history}")

结果

总结

 1.出于安全考虑,本章未提供完整流程,调试环节省略较多,只提供大致思路,具体细节要你自己还原,相信你也能调试出来。

http://www.lryc.cn/news/586250.html

相关文章:

  • 系统性能评估方法深度解析:从经典到现代
  • 数据湖和数据库对比
  • 多层感知机的简洁实现
  • Spring Cloud Gateway中常见的过滤器
  • 【时间之外】尘封的智能套件复活记
  • 【QGC】深入解析 QGC 配置管理
  • Gas and Gas Price
  • 闲庭信步使用图像验证平台加速FPGA的开发:第十课——图像gamma矫正的FPGA实现
  • Git企业级开发(最终篇)
  • 闲庭信步使用图像验证平台加速FPGA的开发:第十一课——图像均值滤波的FPGA实现
  • TCP的socket编程
  • OneCode 3.0架构深度剖析:工程化模块管理与自治UI系统的设计与实现
  • 多路选择器的学习
  • 前端面试专栏-算法篇:24. 算法时间与空间复杂度分析
  • TCP与UDP协议详解:网络世界的可靠信使与高速快递
  • 苍穹外卖-day06
  • docker—— harbor私有仓库部署管理
  • Linux进程管理的核心:task_struct中的双链表与网状数据结构
  • Linux驱动08 --- 数据库
  • C++ Map 和 Set 详解:从原理到实战应用
  • 【Spring AOP】什么是AOP?切点、连接点、通知和切面
  • Python 实战:构建 Git 自动化助手
  • RabbitMQ面试精讲 Day 1:RabbitMQ核心概念与架构设计
  • 网络安全初级第一次作业
  • 医疗AI前端开发中的常见问题分析和解决方法
  • Filament引擎(三) ——引擎渲染流程
  • 【GESP】C++ 2025年6月一级考试-客观题真题解析
  • Apache Iceberg数据湖高级特性及性能调优
  • PyTorch神经网络实战:从零构建图像分类模型
  • 【文献阅读】DEPTH PRO: SHARP MONOCULAR METRIC DEPTH IN LESS THAN A SECOND