♧ Godown 安全知识树

base64 隐写(等号位/填充比特):按组取未用低位比特拼流还原隐藏数据

ctf/misc · verified

一句话结论

一串"看着就是 base64、解出来却是乱码或全无意义"的文本,很可能不是待解密的密文,而是把数据藏在 base64 填充位置的隐写:每 4 个字符一组,凡是以 = 结尾的组,末位字符的低 2 或 4 个比特在规范编码里必须为 0,隐写者就占用这些比特塞数据;把这些未用比特按组取出拼成比特流,再按 8 位分组即可还原隐藏消息。

原理

  • base64 把 3 字节(24 bit)映射成 4 个字符(每字符 6 bit)。当明文长度不是 3 的倍数时,末尾用 = 补齐:
  • 剩 2 字节 → 编码出 3 个字符 + 1 个 =,第 3 个字符只有高 4 bit 有效,低 2 bit 闲置;
  • 剩 1 字节 → 编码出 2 个字符 + 2 个 =,第 2 个字符只有高 2 bit 有效,低 4 bit 闲置。
  • 规范编码器把这些闲置比特写成 0(解码器通常忽略它们)。隐写器则把它们写成要隐藏的比特。于是解码结果完全不变(仍能解出原文本),而隐藏信息就夹在这串 base64 里——这正是"解出来是垃圾"的反直觉之处:垃圾在"解码前",不在"解码后"。
  • 恢复只需按组的 = 个数决定取几位:1 个 = 取末字符低 2 bit,2 个 = 取末字符低 4 bit;按出现顺序拼接成比特流,再每 8 bit 转一个字符。
  • 可承载量约等于"含 = 的组数 × 2~4 bit",一篇几 KB 的 base64 文本通常够藏几十字节的 flag;这也解释了为什么题目里的 base64 往往很长且带很多 =(真实数据几乎不会这样)。
  • 关键判定特征:文本合法(base64 -d 不报错)、但解码产物不可读;= 出现的位置不只在结尾(正常编码只有末尾才有 =)——一旦看到"中间也有 =",几乎可以确定是隐写。

触发条件

  • 拿到一段长 base64 文本(题面文件、图片注释、邮件正文等),标准解码得不到有意义内容。
  • 文本中 = 出现在非末尾位置,或末尾连续 = 数量异常多。
  • 怀疑存在"编码层"隐写,且已排除 base64 换表(字符集仍是标准表)。

利用步骤

  1. 先做常规解码确认"解出来是垃圾",并检查 = 的位置分布;若 = 不在末尾,直接判定为填充位隐写。
  2. 用脚本按组切分(每 4 字符一组),逐组看结尾 = 的个数:1 个 → 取末字符低 2 bit;2 个 → 取末字符低 4 bit(高→低顺序)。
  3. 把取到的比特按出现顺序拼起来,每 8 位转一个字节,转成 ASCII;若可读率低,尝试反序或从第 2 位开始对齐。
  4. 若多个候选可读,用"是否含 flag{/ctf{ 或可打印率 > 0.9"挑一个。
  5. 若文本不是标准表(换表 base64),先按换表规则映射回标准表,再做同样的比特提取。

PoC

import re

B64 = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/"
IDX = {c: i for i, c in enumerate(B64)}

def extract_padding_bits(s: str) -> str:
    s = re.sub(r"\s+", "", s)
    bits = ""
    for i in range(0, len(s), 4):
        grp = s[i:i + 4]
        if len(grp) < 4:
            break
        pad = grp.count("=")
        if pad == 1:                      # 末字符低 2 bit 闲置
            v = IDX.get(grp[2], 0)
            bits += f"{v & 0b11:02b}"
        elif pad == 2:                    # 末字符低 4 bit 闲置
            v = IDX.get(grp[1], 0)
            bits += f"{v & 0b1111:04b}"
    out, acc = bytearray(), 0
    for n, b in enumerate(bits):
        acc = (acc << 1) | int(b)
        if n % 8 == 7:
            out.append(acc); acc = 0
    return out.decode("latin-1")

print(extract_padding_bits("<长 base64 文本>"))
# 判定小抄
1 个 = : 最后 2 bit 可用(每 3 字节藏 2 bit)
2 个 = : 最后 4 bit 可用(每 3 字节藏 4 bit)
= 出现在中间  -> 正常编码不可能,几乎必为隐写

变体与关联

  • 变体(换表 + 填充):先按自定义字符集把文本映射回标准表,再提取填充比特;两类手法常叠加出现。
  • 变体(逆序/低位在前):有的工具按"低位优先"写比特,恢复时按 LSB-first 重排即可。
  • 变体(填充位藏的是二次编码):提取出的比特可能又是 base64/hex/密文,逐层剥。
  • 变体(别的编码层闲置位):UTF-8 非法序列、URL 编码的 % 冗余、零宽字符都属于同一类"编码层未用位"隐写;恢复思路一致——先找到"规范编码里必须固定"的位置。
  • 关联:[[crypto-classical-lookup-table-multibyte-substitution-reverse]](换表映射回标准表)、[[ctf-misc-zero-width-unicode-binary-quinary-stego]](同类"不可见位"隐写)、[[ctf-forensics-log-field-base64-fragments]](base64 片段拼接的取证侧)。
  • 边界:若隐写工具只改了"最后一个组的填充位"(常见偷懒实现),可承载量只有 2~4 bit,通常需要配合"多个文件/多个片段"才能凑出一条 flag;此时要检查题目是否给了多份 base64。

检测与防御

  • 检测(作为隐写分析):统计 base64 文本中 = 的非末尾出现频率、末尾 = 组的末字符低位分布——规范编码下低位恒为 0,一旦大量为 1 即可断定夹带数据。
  • 加固(作为数据传输管控):DLP/网关对"超长 base64 + 异常填充"做告警;不要把 base64 当作混淆/绕过检测的手段依赖。
  • 说明:本条属 CTF 隐写与流量异常检测知识,不涉及可直接武器化的攻击;防御侧价值在于识别"以编码层为信道"的数据外带。