♧ Godown 安全知识树

Excel 神经网络权重逆向:ReLU 双神经元比较对恢复目标输入字符

ctf/misc · verified

一句话结论

Excel 里的“神经网络”第一层对每个输入位置放了两个权重为 +1/-1 的神经元,分别计算 x_i - t 与 t - x_i;经过 ReLU 后,只有 x_i == t 时两项同时为 0,否则至少一项为正。把每对神经元的偏置反解出 t,再乘 127 即得 ASCII,拼出 texsaw{n3ur4l_r3v3rs3}。

原理

  • 输入归一化:Challenge!D8:AG8 是 30 个字符输入;下一行公式 =IF(D8="",0,CODE(D8)/127) 把字符转成 CODE(char)/127。
  • 第一层结构:30 维输入 → 60 个隐藏神经元;每个神经元只连一个输入位置,权重只有 +1 或 -1;每个位置对应两个神经元:
  • x_i - t:权重 +1,偏置 -t;
  • t - x_i:权重 -1,偏置 +t。
  • ReLU 判定:ReLU(x_i - t) 与 ReLU(t - x_i) 在 x_i == t 时都为 0;只要不相等,至少有一个为正。因此这一层等价于“第 i 位是否等于目标值 t”的比较器,而不是复杂神经网络。
  • 反解:从 Network 表读取 W1(行 11~70、列 C~AF)和 b1(行 75、列 C~BJ);对每个神经元找唯一非零权重,按 w=+1 → t=-b、w=-1 → t=b 恢复 t;每个位置有两个神经元,取平均;ASCII = round(t*127)。
  • 结果:前 22 位是 flag,第 23~30 位为 0(空白输入);flag texsaw{n3ur4l_r3v3rs3}。

触发条件

  • 拿到 .xlsx 工作簿,含输入区与“Network”权重/公式表。
  • 第一层权重/偏置与输入位置一一对应,且存在成对的 ±1 比较结构。
  • 输入归一化公式可读(如 CODE(char)/127)。
  • 能读取单元格公式/数值(openpyxl 的 data_only=False)。

利用步骤

  1. 用 openpyxl 打开工作簿,查看 Challenge 与 Network 两张表。
  2. 确认输入区、归一化公式和目标字符长度。
  3. 读取第一层权重 W1 与偏置 b1;对每个神经元找唯一非零权重和对应输入位置。
  4. 按 w=+1 → t=-b、w=-1 → t=b 恢复目标值;同一位置两个神经元求平均。
  5. round(t*127) 转 ASCII;遇到 0 停止(空白输入)。
  6. 拼出 flag,检查格式。

PoC

from openpyxl import load_workbook
from collections import defaultdict

wb = load_workbook("challenge.xlsx", data_only=False)
ws = wb["Network"]

b1 = [ws.cell(row=75, column=3 + i).value for i in range(60)]
targets = defaultdict(list)

for n in range(60):
    row = 11 + n
    nz = None
    for pos in range(30):
        w = ws.cell(row=row, column=3 + pos).value
        if w not in (None, 0):
            nz = (pos + 1, w)
            break
    if nz is None:
        continue
    pos, w = nz
    b = b1[n]
    t = -b if w == 1 else b if w == -1 else None
    if t is None:
        raise ValueError(w)
    targets[pos].append(t)

chars = []
for pos in range(1, 31):
    if pos not in targets:
        break
    t = sum(targets[pos]) / len(targets[pos])
    code = round(t * 127)
    if code == 0:
        break
    chars.append(chr(code))
print("".join(chars))  # texsaw{n3ur4l_r3v3rs3}

变体与关联

  • 激活函数变体:ReLU、LeakyReLU、sigmoid/tanh;比较对结构可能换成阈值/符号判断。
  • 结构变体:多层网络、权重藏在公式里、输入/输出维度不同;先找“每个输入位置对应一组神经元”的稀疏连接。
  • 归一化变体:CODE(char)/127、/255、ord(char)-offset;反解时对应乘回。
  • 关联卡片:[[ctf-misc-hdf5-keras-weight-ascii-hidden]](Keras 权重隐藏 ASCII)、[[ai-security-model-extraction-weight-watermark-c2pa-seed-denoise]](模型权重中的水印/隐藏信息)。
  • 边界:若权重被加密/混淆、或网络是真实训练模型而非比较器,不能直接反解;需要先确认结构。

检测与防御

  • 防御:不要把 flag/密钥编码进模型权重或 Excel 公式;模型文件应做访问控制/加密。
  • 检测信号:权重只有 ±1、偏置成对、每个输入位置仅连两个神经元;CODE()/127 归一化。
  • CTF 技巧:先看第一层稀疏结构和激活函数,再反解目标值;不要真的训练/运行模型。