spammimic 垃圾邮件文本隐写:EML 正文提取与在线解码
ctf/misc · verified
一句话结论
一段看似普通垃圾邮件的长文本可能不是垃圾邮件,而是 spammimic 隐写载体:把邮件正文(必要时先从 EML 的 MIME 多部分中解码 base64/quoted-printable)取出,交给 spammimic 解码器,即可还原被包装成营销话术的短消息。
原理
- spammimic 的编码思路:它把一条短消息映射到一组“垃圾邮件模板句”上,利用大量同义/填充句生成一段语义重复、充满 “Dear Friend”“REMOVE”“Senate bill”“make money” 等营销用语的文本。载体文本本身是自然语言,但语义空洞、段落高度模板化,和正常邮件相比有明显的人工拼接痕迹。
- 解码是编码的逆过程:解码器用同一套词典/模板把长文本还原成短消息;因为编码结果看起来像垃圾邮件,常规的
strings、十六进制查看、注释提取往往得不到有用信息,容易误判为噪声。 - EML 结构:附件可能是
.eml,正文藏在multipart/*的某个text/plain或text/html部分;需要按Content-Transfer-Encoding(base64、quoted-printable)和charset解码,递归处理message/rfc822内嵌邮件,才能拿到完整的垃圾邮件文本。 - 为什么容易漏:邮件里可能同时有 HTML 注释、C 风格注释、
//行注释等干扰;真正的 spammimic 载体是正文段落,不是注释。原文的脚本先提取了注释,但最终仍需要把整段垃圾邮件文本送去 spammimic 解码,说明“先找注释”只是辅助。 - 结果形态:解码出的通常是一句提示/口令/下一步线索(例如指向音频、图片或另一个文件的提示),不一定是最终 flag。
触发条件
- 附件是
.eml、.txt或网页文本,内容异常长且充满重复的垃圾邮件模板句。 - 常规
strings/注释提取/编码识别(base64、hex、rot)都没有明显结果。 - 题目提示“垃圾邮件”“spam”“marketing”“unwanted mail”或给出一个邮件文件。
- 允许访问 spammimic 在线解码器,或本地有同款工具/词典。
利用步骤
- 判断文件类型:
file、head查看是否为 EML/MIME;若是 EML,用 Pythonemail库解析。 - 递归遍历 MIME 部分:对每个
text/*部分按Content-Transfer-Encoding解码(base64/quoted-printable),再按charset转成字符串;message/rfc822递归进入。 - 把解码后的正文按原顺序拼接,保留段落与空格;不要只提取注释或只取第一段。
- 将整段文本提交到 spammimic 解码器(在线服务或本地实现),得到隐藏短消息。
- 若解码结果仍是编码/提示,按提示继续下一层(音频、图片、压缩包等)。
- 若在线服务不可用,搜索 spammimic 的词典/开源实现,或用“垃圾邮件模板句 → 比特”的映射自行实现解码。
PoC
EML 正文提取(按原文脚本简化,未在本机对附件执行):
import base64
import quopri
from email import policy
from email.parser import BytesParser
def decode_part(part):
raw = part.get_payload(decode=False)
if isinstance(raw, str):
raw = raw.encode("utf-8", errors="ignore")
cte = (part.get("Content-Transfer-Encoding") or "").lower()
if "base64" in cte:
data = base64.b64decode(raw)
elif "quoted-printable" in cte:
data = quopri.decodestring(raw)
else:
data = raw
charset = part.get_content_charset() or "utf-8"
return data.decode(charset, errors="ignore")
def walk(msg):
out = []
if msg.is_multipart():
for part in msg.iter_parts():
ctype = part.get_content_type()
if ctype == "message/rfc822":
out.extend(walk(part.get_payload(0)))
elif ctype.startswith("text/"):
out.append(decode_part(part))
else:
out.extend(walk(part))
elif msg.get_content_type().startswith("text/"):
out.append(decode_part(msg))
return out
msg = BytesParser(policy=policy.default).parsebytes(open("mail.eml", "rb").read())
text = "\n".join(walk(msg))
print(text[:2000])
# 然后把完整 text 交给 spammimic 解码器
原文在 spammimic 在线解码器中得到类似 Don't just listen to the so... 的提示句,作为下一关(音频隐写)的线索;该结果不是最终 flag。spammimic 的编码词典未在原文给出,卡内不提供本地解码实现。
变体与关联
- 载体变体:纯
.txt垃圾邮件、HTML 邮件正文、论坛帖子、客服话术;也可能混在正常邮件签名/免责声明中。 - 结构变体:多层
multipart/alternative、message/rfc822嵌套、base64 与 quoted-printable 混用、非 UTF-8 charset。 - 文本隐写替代:首字母缩写、每行首尾字符、零宽字符、Unicode 变体选择符、HTML 注释;与 spammimic 的区别是后者保留完整自然语言句子。
- 关联:[[ctf-misc-zero-width-unicode-binary-quinary-stego]](零宽字符隐写)、[[ctf-misc-unicode-variation-selector-hex-stego]](变体选择符隐写)、[[ctf-misc-first-last-char-line-stego]](首尾字符隐写)。
- 边界:若正文被截断、被邮件客户端重排/转义,或 spammimic 版本词典不一致,解码会失败;需要保留原始 MIME 字节,不要用富文本复制。
检测与防御
- CTF 识别:超长、重复、模板化的垃圾邮件文本 + 常规编码分析无结果,优先尝试 spammimic;题目名/提示中的 “spam”“mail”“junk” 是强信号。
- 取证:保留原始 EML,记录 MIME 结构、charset、CTE;先导出所有 text 部分,再分别尝试 spammimic/注释/编码分析。
- 防御(真实系统):垃圾邮件过滤器不应只按关键词丢弃可疑邮件;对高重复模板文本可做隐写检测(模板句比例、语义连贯性、异常长度)。企业邮件安全网关应保留原始邮件供取证。
- 出题思路:用大量垃圾邮件模板掩盖短消息,配合 EML 多部分结构增加提取成本;把真正的线索放在 spammimic 解码结果而非注释中。