wechall.net/stegano 解题心得

/* 转载请注明出处：http://www.cnblogs.com/Martinium/p/wechall_stegano.html */

最近迷上了 www.wechall.net 网站，里面都是些与计算机相关的题目挑战。题目又分很多类型，例如：加密与解密、隐写术、网络攻防、趣味编程、数学逻辑等。题目有的简单，有的很难，需要一些知识和技巧。与其他题目挑战的网站不同的是，在其他类似性质的网站注册的用户可以绑定到 WeChall 网站，然后 WeChall 提供排名信息，而且也分得很细，什么按总分全球排名、什么在自己国家的排名、什么解答某种语言网站题目的排名等。可以从解题的人数判断题目的难易程度，有兴趣的朋友可以去注册，解题中也能学到很多知识。国内的学校和公司也有举办网络攻防大赛。与玩 ACM 解题不同的是：ACM 提供给定的输入和输出，中间的黑盒部分需要你来完成，需要提供一种更好更快的算法；这类攻防挑战题目可能需要更多的计算机知识，从一堆垃圾数据中发现有用的信息、越过不同的障碍终于发现答案等。

注：Steganography 是隐写术，它与 Cryptography (密码术)是不同的。

题目1 stegano1 给了一张彩色的 BMP 图片，让你从中发现答案。

不管是图片、音频文件，还是二进制文件，首先都可以尝试以文本文件打开，查看是否存在可疑的字符串。文件太大了就不要这么做了，鼠标会转圈好久的。
图片很小，才 102 bytes。将图片文件拖到文本编辑器里，就可以看到答案了。Notepad++ 是 Windows 上最好的文本编辑器，没有之一。体积小巧，功能齐全。
Linux 上用 gedit 打开，或者使用 vim 命令，输入 :%!xxd 切换到二进制模式，答案显而易见。
xxd 是另外一个命令，以十六进制现实内容。再输入 :%!xxd -r 命令执行，切换到原来的摸样(r 是 reverse )。
注意 vim 的 -b 选项，是否以二进制模式打开。图片是二进制文件，所以要加此选项，否则处理会有问题。
还有一个命令 strings，来的更快，直接输出文件中可打印的字符，通常用来显示二进制中的字符串常量。
strings 命令的选项 -n VALUE 或 --bytes=VALUE 选项控制输出连续字符的最短长度，这个的默认值 VALUE 是 4。
还有 -t RADIX 或 --radix=RADIX 选项以后也会用上的，用来显示每个字符串的偏移量。C++ 的 static 字符串变量需要这个偏移量索引字符串。

你我都是做题的，但是怎么出题呢？破解别人的软件，写一个序列号注册机相对容易。但是如何写一个加壳、混淆的难以破解的程序就有点难度了，毕竟建房子拆房子简单。
我们需要了解一下 BMP 文件格式，BMP 图片很占空间，没有压缩，或者用 RLE (Run-Length Encoding)压缩一下，体积大所以很少在网络上传播。 BITMAPFILEHEADER，BITMAPINFOHEADER，

这样写，太容易被发现了。我们可以通过对字符串先加密再隐写，或者用循环移位、异或操作增加难度。
知道 BMP 格式支持颜色索引模式（GIF、PNG 格式也支持），图片里会有一个调色板用来存储使用的颜色值，相当于一个数组存储 RGB 值，然后图片只用数组索引值找到对应的颜色并显示出来，于是你也可以这样隐藏你的信息到图片中。我们用两种颜色作图，在白纸写黑字，存储为索引模式图，于是调色板会有两个值 #000000 和 #FFFFFF，颜色只需一位 0/1 就可以表示黑白颜色了（查表法从24位压缩到1位，这个压缩是可观的，其实还可以用 RLE 行程编码对图片继续无损压缩）。将数组中的 #000000 值篡改成 #FFFFFF，也就是黑色改成白色，其他数据不用动，保存后用再打开图片看发现，字消失了！写一些想说的话，然后把图片发给暗恋对象，对方会说你怎么发了一张空白图片，于是留给对方想象的空间。说了这么多，自己动手尝试一下吧~

题目2 Stegano Attachment 
答案在图片中吗？不，答案在附件(attachment)里。等你做出了这道题，就明白前面一句话的意思。有时候，题目会给出提示容易忽视的信息，而这个可能就是解题的关键。
稍微留心一下图片 http://www.wechall.net/challenge/training/stegano/attachment/attachment.php ，是不是很坏？后缀被人改成 PHP 网页后缀。用文本编辑软件打开，发现一堆乱码。不同文件会有不同的文件头，即不同的 Magic Number，如上面的 BMP 格式图片的 “BM” 标志，PNG 图片有八字节头 “\x89PNG\r\n\x1A\n”，用 Visual Studio 调式 C++ 代码出现很多的“烫烫烫烫”，其实是编译期初始化栈空间为 “\xCC\xCC\xCC\xCC”（0xCC 对应 x86 的 INT 3 中断指令，你应该知道为什么这么做），编译 Java 文件生成的 .class 文件的文件头有 “CAFEBABE”。从 attachment.php 里我们看到了字符 "JFIF"，应该就是 JPG 图片了。更好的方法是用 linux 上的 file 命令查看文件类型，文件名后缀随你怎么该。改成 .jpg 后缀后，打开图片后，是电影 Ghostbusters (1984) 的海报，我们追到了这里，电影我没看过，看介绍好像很不错的样子。一边下载一边解题吧～


martin@M2037:~/Desktop$ file attachment.php
attachment.php: JPEG image data, JFIF standard 1.01

我们稍微了解一下 JPEG 格式规范。JPEG 文件以 “\xFF\xD8” 打头，以 “\xFF\xD9” 结尾。JPEG/JFIF 文件会出现 “JFIF” 字符，JPEG/Exif 文件会出现 "Exif" 字符。

jpg 图片采用有损压缩，不支持 alpha 通道。编码时，颜色从 RGB 色彩空间转到 YUV 色彩空间，根据颜色分量的重要性和人眼的感知剔除不重要的信息，缩减采样 4:4:4 4:2:2 4:2:0，接着 分割图片成 8x8 子区域进行离散余弦变换，量化编码，支流系数用差分编码，交流系数用 RLE 编码。

我们发现图片是以 "\xFF\xD8" 开头的，但是结尾却不是 "\xFF\xD9"，好像明白了什么。
我们用题目1学到的 strings 命令搜到了可疑字符串 solution.txt 和 solution.txtPK，恰恰是放文件最后的。
PK 字眼熟悉不？最常用的 ZIP 格式压缩文件头的 magic number 是 “PK\x03\x04”，而且文件中确实存在这四个字节。而且这四个字节的前面也恰好是 "\xFF\xD9"。想想之前的题目 attachment。看来，是谁把一个 ZIP 压缩文件追加到一个 JEPG 图像文件的后面了。我们需要提取出 ZIP 文件，答案离我们不远了。。

ZIP 文件的偏移量用题目1学到的 vim :%!xxd 搜索定位查看并计算，或者用 grep 命令搜索下。
我们需要复制从 0004f06 到最后 0004f8d (长度 0x88=136)到新的文件里去。

复制粘贴文件或者段落用 Ctrl+C、Ctrl+V，可是复制二进制文件流呢，也可以这么做吗？好像不行。
Notepad++ 不愧是最好用最实用的文本编辑器，选择菜单 Edit -> Paste Special，二级菜单中出现了 Copy|Cut|Paste Binary Cotent，接下来你知道怎么做啦~
或者使用 linux 的 dd 命令，还记得大学初学 linux 操作系统时，让记那么多命令和参数干嘛，现在就派上用场了。
如果你不嫌麻烦，甚至可以自己编写小段 C/C++ 代码，打开文件、复制文件、关闭文件。

martin@M2037:~/Desktop$ printf "%d\n" 0x0004f06
20230
martin@M2037:~/Desktop$ dd if=attachment.jpg of=solution.zip skip=20230 bs=1 count=136
136+0 records in
136+0 records out
136 bytes (136 B) copied, 0.0021692 s, 62.7 kB/s

martin@M2037:~/Desktop$ unzip solution.zip
Archive: solution.zip
inflating: solution.txt

打开 solution.txt 文件，就是最终的答案了。

从中，我们学习了另外一种隐藏文件的方法，将一个文件附属到另外一个文件末尾，打开的时候只解析第一个文件，附属文件被忽略了。
将信息 message.txt 隐藏到图片 carrier.jpg 中（注意命令行中的先后顺序）：
linux 终端下， cat carrier.jpg message >> mixed.jpg
Windows 控制台下，copy carrier.jpg /b + message.txt /a mixed.jpg
cat 是 concatenate 的简写，如果有多个序列文件（比如 file1.txt file2.txt file3.txt）合并，可以优雅地写成 cat file{1,2,3}.txt >> new.txt
/A /B 分别代表文本文件和二进制文件，详情请查看 copy /? 命令。

题3 LSB - The least significant bit

WeChall 网站使用了 cookie 和 session 来产生动态的答案，所以不同的人在每一次登录时，答案是不同的。我在这里贴出我的答案，你复制过去一般就是错误的答案，这样可以提防不动脑子只粘贴答案的人。
这道题目有链接提示，链接的颜色是 #EEE，接近背景色白色 #FFF，还是很明显看得出来的，看来作者没有有意隐藏这一提示。家里网没能打开这个链接，原因还没查出，公司网可以打开。steganabara 原来是一个 .jar 包，下载 steganabara.jar 文件并运行程序 java -jar steganabara-1.1.1.jar ，将隐藏信息的图片拖进来。似乎是很正常的一张图片，LED 数码管显示了作者的大名 Gizmore。查了一下，gizmor 英文是小发明的意思。当然，这只是作者创作题目的署名，与解题没有任何关系。解题偶尔能有额外的收获。

这张图片是 RGB 格式，没有 alpha 通道，随便勾选 RGB 某一通道的某一位，共有 3*8=24 种单项选择（复合选择暂未考虑进来，从简单到复杂嘛~）。点击菜单 Filter -> Bit Mask，从低位到高位一个一个勾选盲试的话，很容易试出答案来。思路是这样的，你的答案不一定是这样的。注意勾上 Amplify 选项，否则很难辨认。
借助事实分析和判断，点击菜单 Analyse -> Histogram 给出 RGB 各分量的柱状图，范围是 0～255，有 3 个连续分布图和 1 个离散分布（斑马带）图，可以怀疑出是哪个通道有问题。相邻柱子的间距是周期，可以推断出是哪个比特位被篡改，导致出现重复的模式。

LSB (least significant bit) 最低有效位，权重最小的位，也是修改最不容易引起注意的位；与之对应的是 MSB (most significant bit) 最高有效位，修改后很容易被察觉。上面之所以需要增强信号(Amplify) 就是因为隐藏的信息在 LSB 上不易被发觉。这个是图片与图片的操作，我想到了一种字符串与图片混合的办法。
将字符串信息（也就是需要隐藏的信息 ASCII 码值）拆开成比特位，分别藏在图像中的连续像素中的最低位。思路是读取承载信息的图片，然后把需要隐藏的信息以比特流的形式连续覆盖图片 RGB 值的最低位，为了进一步增加难度，可以只覆盖其中某一个分量，可以不用放最低位，如果比特位用完了，信息可以从头循环再覆盖，直到覆盖所有。例如此题采用的是 Blue 通道的第 4 位。

to be continued...