# 经验：拟人拖动路径生成算法（反检测三要素）

> 场景：验证码行为风控会检测拖动轨迹的「机器特征」。人手拖动的轨迹与
> CDP `Input.dispatchMouseEvent` 生成的匀速直线完全不同。
> 代码：`try/human_drag.py`（`gen_human_path(distance_px)` → 增量事件序列）。

## 三要素（用户需求 → 实现机制）

### 1. 不能是直线 → 贝塞尔弓形骨架 + 高斯抖动

```
主冲程路径 = 三次贝塞尔 P0(0,0) → P3(过冲点)
             P1/P2 控制点带 y 轴弓形偏移（±8~14px，随机方向）
每步叠加   = gauss 抖动（x: σ≈0.8, y: σ≈1.1）
抖动幅值随速度变化：中段速度快 → 手更不稳（σ 放大）
```

弓形是关键：不是噪声围绕着直线，而是整体轨迹带自然弧度（人手腕转动）。
y 轴全程摆动 ±5px 左右，终点收敛回 0。

### 2. 不能匀速 → 三段速度结构

```
主冲程 (55-70% 时长)：ease-in-out（加速→巡航→减速），14-22ms/步
回拉   (15-22% 时长)：ease-out 快速回退
微调   (剩余时长)   ：步长递减的小步逼近 + 末尾 40-120ms 停顿确认
```

速度统计上呈「快-慢-停」节奏，`v_max ≈ 0.5-0.95 px/ms`、`v_min ≈ 0.001`
（慢两个数量级），与匀速（速度方差≈0）完全可区分。

### 3. 不能一次到位 → 过冲-回拉-瞄准

```
阶段1 主冲程 → 目标 + 过冲量（3~9px 随机）
阶段2 回拉   → 目标 - 欠量（0.5~2.5px）
阶段3 微调   → 1~2 小步逼近精确目标，每步 15ms+
```

人类视觉反馈回路的标配：先冲过头，再修正。位移曲线 x-t 上
可见明显的「超过目标 → 拉回 → 精确落点」三段形态。

## 用法

```python
from human_drag import gen_human_path, path_stats

pts = gen_human_path(distance_px=227.9, seed=42)  # seed 可复现
# pts = [(dx, dy, dt_ms), ...] 相对上一点增量
for dx, dy, dt in pts:
    cur_x += dx; cur_y += dy
    cdp("Input.dispatchMouseEvent", type="mouseMoved", x=cur_x, y=cur_y,
        button="left", buttons=1)
    time.sleep(dt / 1000)
```

拖动距离换算：solve 的 `distance_px` 是原图（552 宽）坐标，
乘缩放系数 `UI宽/552`（如 340/552≈0.616）得 UI 像素。

## 自检（已内置）

`python try/human_drag.py` 断言五项：终点精确（<0.5px）、时长 0.4-2.5s、
速度起伏（vmax > vmin×5）、y 摆动（>2px）、存在回拉（x 序列非单调）。
10 样本联合烟测（solve → 换算 → 路径）全通过。

可视化：`python try/human_drag.py --plot` →
`src/out/human_drag_path.png`（三种距离的轨迹）、`src/out/human_drag_xt.png`（x-t 曲线）。

## 可调参数（按需）

- 短距离（<100px）：弓形幅值降到 ±8、过冲 ×0.3（小拖距人不甩）
- `duration`：默认按距离自估算 0.6-1.4s；拖钮场景可传 `duration=800` 固定
- 未做：轨迹级鼠标事件 hook 采集真人样本对拍（当前参数为文献常识值，
  如需过高级风控，用 CDP 录制 10 条真人轨迹做分布拟合替换）