♧ Godown 安全知识树

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

  1. unzip -o file.docx -d docx_out 或 Python zipfile 解压。
  2. 遍历 customXml/*.xml、word/document.xml、word/header*.xml、docProps/*.xml。
  3. 搜索 <!--、<w:comment、base64、长字符串。
  4. 提取注释/文本中的 Base64,base64 -d 或 Python 解码。
  5. 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。