♧ Godown 安全知识树

不逆算法,直接 GUI 自动化通关:pyautogui 点击+输入 + pywinauto UIA 读弹窗文本,用「已访问集合」剪枝跑 BFS

ctf/reverse · verified

一句话结论

遇到「每个格子要用一把 key 解锁、解锁后吐出相邻格子及其 key」的游戏型 RE 题,正常解法是逆出算法再爆破;但如果算法复杂(甚至带反调试),可以直接让机器替你玩:pyautogui 按坐标点击格子并 typewrite 输入 key,pywinauto 用 UIA 后端读取弹窗里的文本拿到「下一批格子+key」,再用一个 visited 集合剪枝做 BFS/DFS 遍历整张状态图,走到底就拿到 flag。

原理

  • 这类题的可玩性来自「界面即协议」:每次点击格子、输入 key 后,程序把结果渲染成文本(Right! 弹窗里列出可去的格子编号与对应 key)。既然输入输出都能通过 UI 观察与注入,那就不必理解内部算法——把 UI 当 RPC 调用即可。
  • pyautogui.click(x, y) 与 pyautogui.typewrite(s + '\n') 提供输入侧原语;坐标由格子编号线性换算(本例 start_x + 38*(id % 31) + 5、start_y + 38*(id // 31) + 16),所以只要知道格子编号就能点到它。
  • pywinauto 的 UIA backend 能按 control_type="Text" 直接从弹窗控件树里 window_text() 取文本,比 OCR 稳定得多:OCR 对 0/O、1/l/I 这类字符误识率高,而 UIA 拿到的是程序自己塞进去的字符串,零误识。
  • 状态图遍历:把「已访问格子编号」放进 set,新解析出的格子只在未访问时入队——这就是剪枝,避免在环上无限点击(题目的格子图通常有环)。栈(pop())即 DFS,换成 collections.deque 的 popleft() 就是 BFS,二者都能收敛,DFS 内存更省。
  • 终止条件直接读文本:出现 true 就是通关,出现 nothing 说明该格子无新线索,直接跳过;这两条判断让脚本不需要知道图的结构。
  • 为什么「自动化」也算一种 RE 技巧:它把「理解算法」的成本换成「理解交互协议」的成本,在算法被混淆/反调试保护时反而是更短的路径;代价是必须能实时看到并操作界面(本地运行、非 headless)。

触发条件

  • 题目是可交互的本地程序(GUI 游戏、带弹窗的校验器),且通关过程本身会逐步泄露下一步所需信息。
  • 输入可以靠坐标/键盘模拟完成(无验证码、无随机延迟对抗、无鼠标轨迹检测)。
  • 输出可以用 UIA/控件文本读取(Win32/UIA 可访问),或退一步用 OCR。
  • 题目允许长时间运行(每步 0.3s 级延迟,几百步几分钟内跑完)。
  • 有明确终止信号(true/flag 字样)可用于自动停机。

利用步骤

  1. 手动玩两步,记下交互协议:点哪里、输入什么、弹窗文本格式(本例每行形如 grid[N] ... key,取 t[i][7:10] 得编号、t[i][-17:-1] 得 key)。
  2. 量出坐标系:起始点 + 格子边长(截图量像素),写成 id -> (x, y) 的换算函数,注意加内边距避开边框。
  3. 用 pywinauto.Application(backend="uia").connect(title="Right!") 连上弹窗,child_window(control_type="Text").window_text() 取文本;连不上时 continue 跳过而不是崩掉。
  4. 用 visited 集合做剪枝,栈/队列驱动遍历;每步点击 → 输入 key → 读文本 → 解析新边 → 关闭弹窗(typewrite('\n'))。
  5. 命中 true 立即 break,把当前文本/截图里的 flag 取出;全程打印 visited 大小便于判断是否卡住。
  6. 卡住时排查:坐标偏移(换个格子验证)、输入法/焦点丢失(点击后 sleep 加长)、弹窗标题变化(connect 用正则匹配)。

PoC

import time, pyautogui
from pywinauto.application import Application

time.sleep(3)                                  # 留时间切到游戏窗口
start_x, start_y = 900, 210
STEP = 38
grid, key = [565], ['9fc82e15d9de6ef2']        # 起始格子 + 初始 key
visited = {565}

while grid:
    cur, k = grid.pop(), key.pop()             # pop() = DFS;deque.popleft() = BFS
    x = start_x + STEP * (cur % 31) + 5
    y = start_y + STEP * (cur // 31) + 16

    pyautogui.click(x, y); time.sleep(0.3)
    pyautogui.typewrite(k + '\n'); time.sleep(0.3)

    try:
        app = Application(backend="uia").connect(title="Right!")
        text = app.window(title="Right!").child_window(control_type="Text").window_text()
    except Exception as e:
        print("connect failed:", e); continue

    pyautogui.typewrite('\n')                  # 关掉弹窗
    if 'true' in text.lower():
        print("FLAG:", text); break
    if 'nothing' in text.lower():
        continue

    for line in text.split('\n')[:4]:
        try:
            nxt = int(line[7:10]); nk = line[-17:-1]
        except (ValueError, IndexError):
            continue
        if nxt not in visited:                 # 剪枝:环上不重复点
            visited.add(nxt); grid.append(nxt); key.append(nk)

变体与关联

  • 变体:UIA 读不到文本(自绘界面、DirectX 渲染)时退回截图 + OCR,但要先做字符白名单(本题 0-9a-f)并加多帧投票降误识。
  • 变体:需要点击的坐标带随机偏移(防脚本)时,可先用模板匹配定位控件再点击。
  • 变体:状态图过大时把 visited 落盘,支持断点续跑;或用并查集式「每个格子只解一次 key」的记录表。
  • 变体:同类思路可用于自动化注册/登录表单、批量点击后台按钮——但那是自动化测试范畴,不属于漏洞利用。
  • 关联:[[code-analysis-dynamic-debugging-crackme-password-check-patch]](正统做法:改寄存器/ZF 直接绕过校验,比 UI 自动化更快,能逆就别玩)。
  • 关联:[[ctf-reverse-python-str-eq-monkey-patch-comparison-log]](同为「不硬逆算法,改运行环境观察行为」的思路)。

检测与防御

  • 出题侧对抗:给弹窗加随机延迟、坐标抖动、鼠标轨迹检测,或把关键信息只渲染到自绘 surface 上(UIA 不可读)。
  • 出题侧对抗:把「格子→key」的映射做成必须理解算法才能预测(不给文本反馈),使自动化无从下手。
  • 工程侧(真实软件):不要把敏感状态以明文控件文本暴露给 UIA——辅助技术可访问性接口同样可被自动化滥用;对关键操作加人机校验。
  • 检测:同一进程内出现固定间隔(约 0.3s)的等距点击序列、大量重复 typewrite 与弹窗开关,是典型的脚本行为指纹。