DOCX 解压取 customXml/item1.xml 注释中的 Base64 隐藏数据
ctf/forensics · verified
一句话结论
.docx 本质是 zip;解压后 customXml/item1.xml 的 XML 注释里藏 Base64,解码即得 flag。
原理
- OOXML 是 zip 容器:docx/pptx/xlsx 由
[Content_Types].xml、word/、customXml/等部件组成;customXml/item1.xml用于存放自定义 XML 数据,Word 正常界面不显示。 - XML 注释不渲染:
<!-- ... -->中的内容不会出现在文档正文,但会原样保留在 zip 部件中;用strings/解压即可看到。 - Base64 载荷:注释中常放 Base64/hex/压缩数据;解码后得到 flag 或下一层线索。
- 为什么容易漏:只打开 Word 看正文、只
strings整个 docx(压缩后可能看不到)都会错过;必须解压后逐个 XML 部件检查。
触发条件
- 拿到 docx/pptx/xlsx 等 OOXML 文件;正文没有明显异常。
- 文件大小与正文内容不匹配,或题目提示“文档/作业/备注”。
- 常规
strings可能因 deflate 压缩看不到明文。
利用步骤
unzip -o file.docx -d docx_out或 Pythonzipfile解压。- 遍历
customXml/*.xml、word/document.xml、word/header*.xml、docProps/*.xml。 - 搜索
<!--、<w:comment、base64、长字符串。 - 提取注释/文本中的 Base64,
base64 -d或 Python 解码。 - 若解码结果还是乱码,尝试 hex、gzip/zlib、XOR 或下一层文件。
PoC
import re, base64, zipfile
with zipfile.ZipFile("cartman.docx") as z:
for name in z.namelist():
if not name.endswith(".xml"):
continue
text = z.read(name).decode("utf-8", "ignore")
for m in re.finditer(r"<!--(.*?)-->", text, re.S):
for token in re.findall(r"[A-Za-z0-9+/=]{16,}", m.group(1)):
try:
print(name, base64.b64decode(token).decode("utf-8", "ignore"))
except Exception:
pass
变体与关联
- 载体变体:
docProps/core.xml、word/settings.xml、批注、页眉页脚、隐藏文字、altChunk、嵌入对象。 - 编码变体:Base64、hex、Base32、zip/gzip、XOR;也可能藏在图片/媒体文件尾部。
- 关联卡片:[[ctf-forensics-docm-vba-base64-xor-powershell-download-url]](DOCM 宏提取)、[[ctf-forensics-office-doc-password-office2john-hashcat]](Office 加密文档)、[[ctf-misc-zip-local-header-repair-pseudo-encryption]](zip 结构)。
- 边界:若文档被转为 PDF/图片,customXml 部件丢失;若注释被清理/重保存,载荷消失。
检测与防御
- CTF/验证:解压后逐个 XML 部件搜索注释;Base64 解码结果应为可打印 flag/下一层文件头。
- 防御:对外文档做清洗/重保存(移除 customXml、注释、元数据);DLP 检查 OOXML 内部部件;不要用文档注释承载秘密。
- 检测信号:docx 中存在异常大的
customXml/item1.xml;XML 注释含长 Base64;文档大小与正文不匹配。