stealthy-auto-browse

核心功能

stealthy-auto-browse 是一款基于 Docker 的隐蔽浏览器自动化工具，专为对抗现代反机器人检测系统而构建。它整合了 Camoufox（定制的 Firefox 内核，无 CDP 信号暴露）与 PyAutoGUI 操作系统级输入模拟，能够生成难以被指纹识别的真实用户行为。

显著优点

1. 高级反检测能力：Camoufox 消除了传统 headless 浏览器常见的 CDP 信号，配合 OS 级输入（非 DOM 合成事件），可有效通过 CreepJS、BrowserScan、Pixelscan、Cloudflare 等检测库的验证。

2. 双模式输入系统：提供 Playwright DOM 事件（快速、标准）与 System 输入（真实鼠标轨迹、键盘延迟）两种模式，可根据测试需求灵活切换。

3. 完善的自动化 API：支持 HTTP API、MCP Server、YAML 脚本模式三种调用方式，涵盖导航、截图、Cookie 管理、存储操作、网络日志、多标签页等完整功能集。

4. 集群化部署支持：内置 HAProxy 负载均衡、Redis Cookie 同步、粘性会话机制，适合大规模并发测试场景。

5. 安全设计意识：强制要求书面授权、内置授权使用声明、推荐本地绑定与 Token 认证，体现防御性安全研究工具应有的责任边界。

潜在局限与风险

1. 法律合规高度敏感：工具明确设计用于绕过检测， misuse 可能构成未经授权的计算机访问（CFAA 等法规），用户必须严格确保仅用于自有系统或书面授权目标。

2. 技术复杂度较高：System 输入模式需要 calibrate 坐标映射，集群模式限制为仅 run_script 原子操作，学习曲线陡峭。

3. 资源开销：Docker 容器 + 完整浏览器 + VNC 桌面环境，相比轻量级 HTTP 客户端资源消耗显著更高。

4. 维护风险：依赖 Camoufox 等第三方定制浏览器，版本更新可能引入兼容性问题；镜像需通过 digest 锁定以保证可审计性。

适合人群

• 安全工程师：验证自有反欺诈/反机器人系统的检测效果
• QA 团队：对启用了高级 bot 防护的生产环境进行授权回归测试
• 红队/渗透测试人员：在明确授权范围内测试人类行为模拟边界
• 浏览器指纹研究者：在受控环境中分析检测库的行为特征

常规风险

• Session 持久化风险：profile 卷包含有效会话 Cookie，需加密备份或测试后立即销毁
• 坐标漂移：分辨率变更、全屏切换后必须重新 calibrate
• Token 泄露：query string 传递 auth_token 会进入代理日志，生产环境应优先使用 Header
• 时区指纹：未匹配 IP 地理位置的时区设置会导致一致性检测失败
• 速率限制：即使隐蔽性高，高频请求仍可能触发服务端限流或 IP 封禁

核心用法

stealthy-auto-browse 是一个专为对抗反爬虫/反自动化检测而设计的Docker化浏览器自动化工具。核心架构基于 Camoufox（定制版Firefox，移除CDP特征信号）结合 PyAutoGUI 实现操作系统级别的真实鼠标键盘输入，从根本上区别于传统Playwright/Puppeteer的DOM事件模拟。

两种输入模式：

• System Input（OS级）：system_click、system_type、mouse_move 等，产生真实的硬件输入事件，浏览器无法通过JS检测区分
• Playwright Input（DOM级）：click、fill、type 等，基于选择器的快速操作，但可被检测库识别

部署模式：
1. HTTP API模式：本地服务暴露RESTful接口，支持MCP协议，适合集成到自动化流水线
2. Script模式：YAML驱动的一次性容器执行，无常驻服务，适合CI/CD场景
3. Cluster模式：HAProxy+Redis多实例负载均衡，支持会话粘性（sticky sessions）和跨实例Cookie同步

关键API能力：

• goto/refresh 导航控制，支持Referer伪造和等待条件
• get_interactive_elements 获取可交互元素坐标+选择器双信息
• calibrate 坐标校准（System Input前必须执行）
• wait_for_element/wait_for_text/wait_for_network_idle 智能等待
• run_script 多步骤原子化执行（Cluster模式唯一可用操作）
• 网络/控制台日志捕获、截图（浏览器/桌面）、文件上传下载

---

显著优点

1. 检测对抗能力

• Camoufox内核消除 navigator.webdriver、Chrome DevTools Protocol等自动化特征
• OS级输入绕过基于DOM事件指纹的检测（如CreepJS、BrowserScan、Pixelscan）
• 持久化指纹配置使每次会话保持一致的浏览器特征

2. 架构灵活性

• 单容器、API服务、集群三种部署形态覆盖从开发到生产场景
• MCP协议原生支持，可直接对接AI Agent工作流
• Page Loaders机制实现URL触发的自动化规则

3. 安全设计意识

• 文档反复强调授权使用边界，明确区分合法QA测试与恶意爬虫
• AUTH_TOKEN强制要求（非本地部署时）
• 配置文件隔离建议和会话安全销毁指引

---

潜在缺点与局限性

1. 使用门槛较高

• System Input必须配合 calibrate 使用，坐标系管理复杂
• 相比Playwright的简洁API，隐蔽性需要更多配置和认知成本
• Docker依赖和镜像体积增加部署复杂度

2. 法律与合规风险

• 工具的隐蔽特性天然吸引滥用，文档虽设防线但无法技术阻断
• 多司法管辖区对"未经授权访问"的刑事化认定差异大
• 用户可能误判"自己的站点"边界（如SaaS多租户场景）

3. 技术局限性

• 单实例模式请求串行化，吞吐量受限
• Cluster模式下仅run_script可用，交互式调试困难
• Camoufox基于Firefox，部分Chrome专属特性无法测试

4. 维护状态风险

• 个人开发者维护（psyb0t），长期可持续性存疑
• 反检测与检测的军备竞赛需要持续更新指纹库

---

适合人群

• 安全工程师：验证自有反爬虫系统的检测效果，进行红蓝对抗演练
• QA工程师：需要测试生产环境反作弊规则兼容性的自动化团队
• 合规爬虫开发者：在明确授权范围内，避免被误判为恶意爬虫的合法数据采集
• 反欺诈产品经理：验证风控规则对真实用户行为的误杀率

---

常规风险

操作风险：System Input的坐标漂移可能导致点击错误元素，在生产环境引发意外操作
配置泄露：AUTH_TOKEN若通过query string传递会被记录在代理日志中
会话污染：持久化profile若跨环境复用可能导致测试数据污染生产系统
法律风险：即使技术成功绕过检测，未经授权的访问仍可能构成计算机犯罪
供应链风险：Docker镜像未签名，需通过digest验证而非仅tag信任