WAV 频域 8 频点并行 FSK 隐写:每 0.1s 用 8 个频率的开关还原 1 字节
ctf/forensics · verified
一句话结论
把 WAV 按固定时长(如 48kHz 下 0.1 秒 = 4800 样本)切块,每块内 8 个固定频点(100/200/400/800/1600/3200/6400/12800 Hz)是否存在表示 8 个 bit,频点幅值超过阈值记 1、低频对应 LSB,逐块拼成字节即可还原隐藏文件;本文 1189 块正好还原出一张 PNG(Aztec 码),再用 ZXing 解码得到 flag。
原理
- 并行频分复用:在一个 block 内可同时叠加任意组合的 8 个正弦频率;对整块做 FFT,每个频点落在独立 bin 上,幅值互不干扰地反映该频率“开/关”。
- 8 个频点 = 1 字节:每块 8 个 bit 正好编码 0–255;块长 0.1s 时每秒 10 字节,1189 块即 1189 字节,足以容纳一张小 PNG。
- 阈值判决:生成端用固定幅值(如 >1e6)写入频点,提取端对每个频点 bin 的幅值做阈值判断;加 Hanning 窗可减少频谱泄漏,
bin = f / (sr / BLOCK)(48kHz/4800 = 10Hz 分辨率)。 - 位序:本文低频 = LSB,权重
1 << 0..7;若按相反顺序拼接,字节会呈 bit-reverse,解码失败时可反转位序重试。 - 为什么稳定:每个 bit 占满整个 block,不依赖相位/符号定时,只需 FFT 幅值;即使音频有轻微噪声,固定频点与阈值仍易区分。
- 与“每字符单频”的区别:单频逐字符是每个时间段只发一个频率、用频率值映射字符;本手法是每段同时发多个固定频率、用开关组合映射字节,吞吐更高、解码器不同。
- 边界:音频被重采样/有损压缩、频点间隔小于 FFT 分辨率、块长未知或频点集合未知时,需要先做频谱分析/参数搜索。
触发条件
- 有 WAV 音频,听感为纯音/电子音;频谱图呈现 8 条等间隔离散水平线,按固定节奏亮灭。
- 采样率、声道、位深已知(本文 48000 Hz、单声道、16-bit),块长可由频谱节奏或题面推断。
- 能确定频点集合与判决阈值;或可通过频谱峰值/幅值直方图自动估计。
- 音频未被重采样、变速、MP3 有损压缩破坏。
利用步骤
- 读取 WAV 参数:
soxi hidden.wav或 Pythonwave,确认声道/采样宽度/采样率。 - 用 Audacity/Sox 看频谱图,确认 8 个固定频点及其亮灭节奏;本文频点为 100、200、400、800、1600、3200、6400、12800 Hz。
- 按块长切分样本(4800 samples = 0.1s),不足一块的尾部丢弃。
- 对每块加 Hanning 窗做
rfft,取各频点 bin 的幅值;幅值 > 阈值记 1,否则 0。 - 按“低频 = LSB”打包字节(
sum(bit << i));检查输出魔数,PNG 应为89 50 4E 47。 - 若魔数不对,尝试反转位序、调整阈值、把频点 bin 取 ±1 邻域最大值。
- 把字节流写成文件(本文为 PNG),再用 ZXing 等解码器读取 Aztec 码得到 flag。
PoC
import io, wave
import numpy as np
FREQS = [100, 200, 400, 800, 1600, 3200, 6400, 12800]
THR = 1e6
BLOCK = 4800 # 0.1s @ 48kHz
wf = wave.open("hidden.wav", "rb")
assert wf.getnchannels() == 1 and wf.getsampwidth() == 2
sr = wf.getframerate()
samples = np.frombuffer(wf.readframes(wf.getnframes()), dtype=np.int16).astype(np.float32)
n = len(samples) // BLOCK
blocks = samples[:n * BLOCK].reshape(n, BLOCK)
window = np.hanning(BLOCK).astype(np.float32)
mag = np.abs(np.fft.rfft(blocks * window, axis=1))
bins = [int(f / (sr / BLOCK)) for f in FREQS]
bits = (mag[:, bins] > THR).astype(np.uint8)
weights = (1 << np.arange(8, dtype=np.uint8))
out = (bits * weights).sum(axis=1).astype(np.uint8).tobytes()
open("decoded.png", "wb").write(out)
print(out[:8].hex()) # 89504e470d0a1a0a
# 解码得到的 Aztec 码
import zxingcpp
from PIL import Image
res = zxingcpp.read_barcode(Image.open("decoded.png").convert("RGB"))
print(res.text)
说明:原文脚本按 1189 块还原出 PNG,zxingcpp 解出 alictf{...};本卡未对附件复跑。阈值 1e6 与频点集合来自原文,其他题目需按频谱重新标定。
变体与关联
- 编码变体:4/16 个频点、每块多字节、幅度/相位调制、DTMF、FSK 单频逐字符;位序可能是高频=LSB 或按块内符号顺序重排。
- 块长变体:0.05s/0.2s、非整数样本块、按秒对齐;块边界错位时所有字节都会错,需先用已知魔数/前导码校准偏移。
- 阈值变体:固定阈值、双峰直方图/Otsu、按块归一化;频点 bin 可取 ±1 邻域最大值以抗频率漂移。
- 载体变体:频谱图文字/图像(SSTV、频谱绘图)、DeepSound 等容器型音频隐写。
- 关联:[[ctf-forensics-audio-per-char-single-frequency-fft]](单频逐字符 FFT)、[[ctf-forensics-multilayer-png-wav-spectrogram-maze-stego]](PNG/WAV 多层频谱链)、[[ctf-forensics-deepsound-audio-stego-extract]](音频容器隐写)、[[ctf-misc-png-invalid-chunk-type-zlib-wav-stego]](本链上一层 PNG 非法 chunk 提取 WAV)。
- 边界:音频重采样/有损压缩会破坏频点幅值;块长或频点未知时需做频谱聚类与参数搜索;多音混合/自然音频会引入大量干扰峰。
检测与防御
- 检测:频谱图出现等间隔离散峰、按固定节奏亮灭;音频由纯正弦拼接,缺少自然泛音与包络;块边界处相位不连续。
- 防御:不要把敏感数据用简单频率开关隐藏在音频中;必须隐藏时先加密并随机化频点/块长;发布前重编码或加噪会破坏该信道。
- 取证:保留原始 WAV 与采样参数;记录频点集合、块长、窗函数、阈值与位序,保证可复现;对解出的二级文件继续按魔数分析。