WAV PCM 每 4 字节首字节写文本:3 字节小端长度前缀 + 步长 4 提取
ctf/misc · verified
一句话结论
把文本按“3 字节小端长度 + 文本数据”打包后,逐字节写入 WAV 音频每 4 字节组的第 0 字节(wav_data[index*4] = txt_data[index]),音频仍可正常播放;提取时按步长 4 读取第 0 字节,先取前 3 字节还原长度,再截取对应字节即可得到隐藏文本。
原理
- WAV/PCM 的字节结构:
wave模块读取的readframes(-1)是原始 PCM 采样字节流。对于常见的 16-bit 立体声,每帧 4 字节(左声道 2 字节 + 右声道 2 字节);每 4 字节的第 0 字节是左声道样本的低字节。把该字节替换为文本字节,只会轻微改变波形,不会破坏 RIFF/WAV 头或帧长度。 - 容量与长度前缀:1 个文本字节需要 4 个音频字节(1 个采样帧),因此 N 字节文本需要约 4N 字节 PCM;3 字节小端长度前缀让提取方知道有效文本长度,尾部多余的采样字节(原音频/填充)不会混入结果。
- 为什么能还原:写入是按固定步长、固定偏移的确定性映射;读取时用同样的步长和偏移取回原字节,长度前缀用于截断。只要 WAV 没有被重新编码/重采样(未改变 PCM 字节布局),数据就保持不变。
- 隐蔽性:文件头、采样率、声道数、时长都正常,普通播放器听不出明显异常;常规
strings可能看不到连续文本,因为文本字节被每隔 4 字节分散。
触发条件
- 拿到 WAV 文件,
file/exiftool确认是 PCM WAV(未压缩、未重采样)。 - 文件大小约为可疑文本长度的 4 倍以上;每 4 字节的第 0 字节呈现 ASCII/长度规律。
- 题目提示“音频/波形/隐写/每 4 字节/采样”,或给出一个被编码的加密脚本(如 ROT47)。
- 原始 WAV 未被播放器/转码工具重新保存(重采样会破坏字节位置)。
利用步骤
- 用
wave打开 WAV,确认nchannels/sampwidth/framerate;计算len(frames) // 4作为最大可提取长度。 - 读取全部帧字节,按
data[0::4]取每 4 字节的第 0 字节;若不可读,依次尝试偏移 1、2、3,或按实际声道/采样宽度调整步长(如 16-bit 单声道步长 2、8-bit 立体声步长 2)。 - 取前 3 字节按小端
int.from_bytes(..., 'little')得到长度 L;从第 4 字节起截取 L 字节,写入.txt。 - 检查文本是否为可打印/源码;若是一段被 ROT47/ROT13/Base64 混淆的脚本,先解混淆再按脚本复现。
- 用
file/xxd/strings复核提取出的文件;若长度异常,检查是否多读了尾部原音频或长度前缀被加密。 - 需要验证时,用同一脚本反向嵌入一段已知文本,比较 WAV 字节差异是否只在
index*4位置。
PoC
import wave
def extract(src, dst):
with wave.open(src, "rb") as f:
frames = bytearray(f.readframes(-1))
raw = bytes(frames[0::4]) # 每 4 字节取第 0 字节
length = int.from_bytes(raw[:3], "little")
data = raw[3:3 + length]
open(dst, "wb").write(data)
print("length:", length, "preview:", data[:60])
extract("hiden.wav", "flag.txt")
# 嵌入侧(理解编码方式即可,不需要对题目附件执行)
import wave
def embed(src, txt_path, dst):
txt = open(txt_path, "rb").read()
payload = len(txt).to_bytes(3, "little") + txt
with wave.open(src, "rb") as f:
params = f.getparams()
frames = bytearray(f.readframes(-1))
for i, b in enumerate(payload):
frames[i * 4] = b
with wave.open(dst, "wb") as f:
f.setparams(params)
f.writeframes(frames)
变体与关联
- 步长/偏移变体:16-bit 单声道步长 2、8-bit 立体声步长 2、32-bit 立体声步长 8;偏移可能是第 0/1/2/3 字节(低字节/高字节/右声道)。先看
sampwidth*nchannels再定步长。 - 长度前缀变体:3 字节小端最常见,也可能是 4 字节大端、2 字节、或固定长度/终止符分隔;若前 3 字节解出的长度不合理,尝试其他宽度/端序。
- 混淆变体:写入的文本/脚本本身可能经过 ROT47、ROT13、Base64、XOR;先按题目提示解一层,再执行/阅读脚本。
- 关联卡片:[[ctf-misc-silenteye-wav-elf-aes-ecb-dirty-wrapper]](SilentEye/WAV 多格式隐写)、[[ctf-forensics-audio-per-char-single-frequency-fft]](频域逐字符)、[[ctf-forensics-deepsound-audio-stego-extract]](DeepSound 音频隐写)、[[ctf-forensics-wav-multifrequency-8bit-block-fsk-stego]](频域 FSK)。
- 边界:WAV 被重采样/重新编码、文本超过音频容量、或写入位置不是每 4 字节第 0 字节时,直接按本卡提取会失败。
检测与防御
- 检测:比较 WAV 每 4 字节组第 0 字节的分布,若大量落在可打印 ASCII 区间或呈现长度前缀/递增规律即可疑;检查文件大小与音频时长的比例是否异常;用
sox/ffmpeg重采样后差异会暴露。 - 防御/取证:对上传音频统一重编码/重采样(会破坏该信道);保留原始文件用于取证,分析前不要用播放器另存;检查音频数据块中的字节级异常。
- CTF 技巧:先看容器参数(声道/位深)决定步长,再尝试偏移 0..(stride-1);长度前缀/终止符是快速定位有效数据的常用手段。