♧ Godown 安全知识树

Zig 加密器黑盒探测:构造输入确认字节→像素灰度恒等映射,直接读 secret 图像通道还原明文(有损 JPEG 用已知明文纠错)

ctf/reverse · verified

一句话结论

当加密器二进制(本例为 Zig 编写)符号清晰但 main 因编译期展开大到无法逐行静态分析时,把它当黑盒:构造每个字节取不同值的探针输入喂给程序,若输出图像中每个像素的 R=G=B 恰好等于输入字节(如 0x80→128),说明“加密”只是把输入文件按字节直写为像素灰度的封装;随后按行优先读取 secret.enc 每像素第一通道即可还原明文,JPEG 有损造成的少量坏像素用已知明文/文本冗余纠正。

原理

  • 黑盒函数探测模型:把程序视为确定性函数 Y = F(X)。选一组覆盖不同位权、彼此可区分的探针字节(如 0x80 0x40 0x10 0x20 0x01 0x02 0x02 0x04 0x04 0x05)写入文件交给程序,再观察输出结构。若输出图像的像素值逐项等于输入字节,则 F 在字节级别是恒等映射,仅做了“二进制→图像容器”的重排,不存在真正的密码学变换。
  • 映射成立的结构原因:程序把输入文件读成字节数组后,按每字节生成一个像素,三个颜色通道写同一个值(灰度图),像素总数向上取整到输出宽高(本例 4×4=16,输入 10 字节,其余用 0x3D('=')填充);因此密文不是“加密结果”,而是原文的像素化容器,读取方向就是解码方向。
  • 为什么优先黑盒:Zig 的 comptime、泛型与标准库被大量内联,main 在 IDA 中膨胀成远超屏幕的流程图,循环被 SIMD 向量化(大量 vmovups ymm 批量搬运),静态逐指令还原成本极高;而黑盒只需运行数次并读取输出,就能确定输入到输出的映射关系,避开整段逻辑。
  • JPEG 有损的干扰:本例输出文件头为 FF D8 FF E0 ... JFIF,是 JPEG 而非 PNG;JPEG 解码后的像素值会出现 ±1 偏差和个别坏点,导致按像素读回的文本出现字符错误(如 JPEG 读成 IPEG)。若原文是可预测内容(百科词条、文件魔数、flag{ 前缀等),可用上下文纠正坏字节,得到完整明文。
  • 信息量判断:恒等映射意味着每个输入字节独立占一个像素、互不扩散;只要输出分辨率与输入长度匹配,就能逐个像素精确还原,不存在分组密码的雪崩效应。

触发条件

  • CTF 逆向题给出一个可执行加密器加一个待还原的输出文件(常见为图片容器),且程序可重复运行、结果确定(相同输入产生相同输出)。
  • 静态分析性价比低:符号虽在,但主函数因编译期展开/内联/向量化而巨大,或算法被 SIMD 批量操作掩盖。
  • 输出文件能被常规图像库(PIL/OpenCV)按像素读取,像素值与输入字节存在可观察的简单对应关系。
  • 加密器接受文件路径参数,能反复用自制输入调用(本例用法为 ./tetim.elf embed <input>)。

利用步骤

  1. 识别输出容器:先看输出文件头。FF D8 FF E0 开头、含 JFIF 字样即为 JPEG(有损);89 50 4E 47 为 PNG(无损,优先走精确读取)。注意扩展名可能具有欺骗性。
  2. 确认程序用法:直接运行程序(不带参数)获取回显,本例打印程序名 TETIM 与用法 ./tetim embed input,据此确定子命令与输入参数位置。
  3. 构造探针输入:取若干位权不同、值可区分的字节写成一个二进制文件,用加密器生成输出。
  4. 对比输入与输出像素:用 PIL 打开输出,按 y 外层、x 内层顺序打印每个像素的 RGB;若像素 (v,v,v) 与输入字节一一对应,且输入不足处为固定填充值,则确认逐字节恒等映射。
  5. 读取 secret 文件:对题目给的 secret.enc 按同一像素顺序取第一通道(R),拼接成字节串输出。若输出为 JPEG,检查文本/文件头中的坏字节,借助已知明文语境纠正。
  6. 按纠错后的字节流识别原文类型(本例为一段百科文本,其中夹带 MAPNA{...} 形式的 flag),完成还原。

PoC

探针与映射确认(最小化):

import os
from PIL import Image

with open("a.bin", "wb") as f:
    f.write(b"\x80\x40\x10\x20\x01\x02\x02\x04\x04\x05")
os.system("./tetim.elf embed a.bin")  # 生成 a.bin.enc
img = Image.open("a.bin.enc")
print(img.size)  # (4, 4) -> 16 像素,容纳 10 字节输入 + 6 字节填充
for y in range(img.size[1]):
    for x in range(img.size[0]):
        print(img.getpixel((x, y)))  # 与输入字节逐一相同,尾部为 (61,61,61)=0x3D

从 secret 图像还原字节流(最小化):

from PIL import Image

img = Image.open("secret.enc")
data = b""
for y in range(img.size[1]):
    for x in range(img.size[0]):
        c = img.getpixel((x, y))
        data += bytes([c[0]])  # 灰度图三通道相同,取第一通道即可
print(data)

若输出为 JPEG,data 中可能有少量字节偏差,用文本上下文/已知文件头人工或脚本纠错;无损 PNG 则无需此步。

变体与关联

  • 无损 vs 有损:PNG 输出可逐字节精确还原;JPEG 输出必须处理量化误差与坏点,可靠性取决于原文冗余度。若题目要求精确 flag,可对候选坏点做上下文匹配或利用 flag 格式约束求解。
  • 非恒等映射的推广:若像素值不是输入字节本身,可做差分探针——只改变输入的一个字节,观察哪些输出像素变化、如何变化,从而判断是 XOR/加法/查表等简单映射;逐字节独立时仍可直接反解。
  • 通道选择:数据可能藏在 R/G/B 某一通道或三通道同值;先打印完整 RGB 再判断。像素顺序也可能按列优先或按块重排,需要先用小尺寸探针确定遍历顺序。
  • 关联卡:ctf-reverse-gdb-blackbox-bytewise-plaintext-brute 用 gdb 断点做逐字节黑盒比对;ctf-misc-xlsx-chosen-plaintext-blackbox-function-recovery 用选择输入拟合黑盒函数;本卡是“探测发现字段直映射到输出像素”的更直接形态。图像数据提取侧可参考 ctf-misc-rawpy-arw-raw-image-visible-lsb(像素级读取思路,但那是 LSB)。

检测与防御

  • 出题/设计侧:不要把敏感字节直接写入像素值再交有损格式,否则几乎等于明文;至少应做逐字节加密(XOR/流密码)并验证字节独立性与扩散性,或输出有损格式以外再加扰动。
  • 防守/取证侧:遇到“二进制+图片输出”的可疑程序,按文件头判断容器类型,检查像素是否直接承载明文/密钥;对 JPEG 坏点用已知明文纠错后仍可提取。
  • 分析侧:黑盒探测前确保程序无联网、无破坏性副作用;探针输入应短小且可区分,先在小尺寸上确定遍历顺序与填充规则,再读大题输出。