CTF新手必看：用Python脚本修复被篡改的PNG图片宽高（附CRC校验原理详解）

CTF实战Python脚本修复PNG图片宽高与CRC校验原理全解析当你第一次在CTF比赛中遇到一张无法正常显示的PNG图片时可能会感到困惑。这张图片看起来像是被故意破坏了但其中很可能隐藏着关键的Flag信息。本文将带你深入理解PNG文件结构掌握CRC校验原理并手把手教你编写Python脚本来自动修复被篡改的图片宽高参数。1. PNG文件结构与CRC校验基础PNGPortable Network Graphics文件由多个数据块chunks组成每个数据块都有特定的结构和功能。理解这些结构是修复损坏图片的第一步。一个典型的PNG文件包含以下关键数据块文件头签名8字节的固定值89 50 4E 47 0D 0A 1A 0A用于标识PNG文件IHDR块包含图像的基本信息宽、高、位深、颜色类型等IDAT块存储实际的图像数据IEND块标记文件结束其中IHDR块是我们关注的重点它的结构如下字段长度(字节)说明宽度4大端存储的图像宽度高度4大端存储的图像高度位深1每个通道的位数如8颜色类型10灰度、2RGB、3调色板、4灰度alpha、6RGBalpha压缩方法1通常为0deflate压缩滤波方法1通常为0自适应滤波隔行扫描10非隔行或1Adam7隔行每个数据块包括IHDR都有一个CRC校验码它是根据数据块类型和数据内容计算得出的32位循环冗余校验值。CRC校验的核心作用是确保数据在传输或存储过程中没有被意外或故意修改。提示在CTF比赛中出题人常常会修改IHDR中的宽高值但不更新CRC校验码导致图片无法正常显示。这正是我们需要修复的情况。2. CRC校验原理深度解析CRCCyclic Redundancy Check校验是一种广泛使用的错误检测技术它基于多项式除法原理。理解CRC的计算方式对于编写修复脚本至关重要。CRC校验的基本特点计算速度快适合硬件实现对突发错误有很好的检测能力校验码长度固定PNG使用CRC-32即32位校验码CRC-32的计算过程可以概括为初始化一个32位的寄存器为全10xFFFFFFFF对每个输入字节与寄存器高位进行异或对寄存器进行8次移位操作根据最低位决定是否与多项式0xEDB88320异或处理完所有数据后对寄存器值取反在Python中我们可以直接使用binascii.crc32函数来计算CRC值import binascii data bIHDR struct.pack(i, width) struct.pack(i, height) b\x08\x02\x00\x00\x00 crc32 binascii.crc32(data) 0xffffffff注意 0xffffffff操作是为了确保结果是无符号32位整数避免Python自动转换为负数。3. 手动分析与修复损坏的PNG让我们通过一个实际案例来学习如何手动分析并修复被篡改的PNG文件。假设我们有一个名为corrupted.png的文件无法正常显示。步骤1使用十六进制编辑器查看文件推荐工具010 EditorWindows/MacBlessLinuxxxd命令行工具使用010 Editor打开文件我们可以看到类似如下的结构00000000: 89 50 4E 47 0D 0A 1A 0A 00 00 00 0D 49 48 44 52 .PNG........IHDR 00000010: 00 00 03 84 00 00 00 96 08 02 00 00 00 76 EC 1E .............v.. 00000020: 40 00 00 00 01 73 52 47 42 00 AE CE 1C E9 00 00 ....sRGB.......关键字段解析0000000C-0000000FIHDR数据块长度13字节即0x0000000D00000010-00000013IHDR标识IHDR00000014-00000017宽度0x00000384 900像素00000018-0000001B高度0x00000096 150像素0000001C-0000001FCRC校验码0x76EC1E40步骤2验证CRC校验码计算IHDR数据块的CRC值并与文件中存储的校验码比较import binascii # IHDR数据块内容不包括长度和类型字段 ihdr_data b\x49\x48\x44\x52\x00\x00\x03\x84\x00\x00\x00\x96\x08\x02\x00\x00\x00 calculated_crc binascii.crc32(ihdr_data) 0xffffffff stored_crc 0x76EC1E40 print(f计算CRC: {hex(calculated_crc)}) print(f存储CRC: {hex(stored_crc)}) print(f是否匹配: {calculated_crc stored_crc})如果输出显示不匹配说明宽高参数可能被篡改。4. 自动化修复Python爆破脚本编写手动修改宽高并验证CRC效率低下我们可以编写Python脚本自动爆破正确的宽高值。以下是完整的脚本实现import binascii import struct def fix_png_dimensions(filename): # 读取PNG文件 with open(filename, rb) as f: png_data f.read() # 提取IHDR数据块中的CRC校验码大端序 ihdr_crc png_data[29:33] stored_crc struct.unpack(I, ihdr_crc)[0] # IHDR数据块固定部分 chunk_type png_data[12:16] # IHDR chunk_rest png_data[24:29] # 位深、颜色类型等 print(f开始爆破CRC: {hex(stored_crc)}...) # 尝试可能的宽高组合 for width in range(1, 2000): for height in range(1, 2000): # 构造IHDR数据块内容 data chunk_type struct.pack(i, width) struct.pack(i, height) chunk_rest # 计算CRC calculated_crc binascii.crc32(data) 0xffffffff if calculated_crc stored_crc: print(f找到匹配的宽高: {width}x{height}) print(f宽度(hex): {hex(width)}) print(f高度(hex): {hex(height)}) # 修复文件 fixed_data png_data[:16] struct.pack(i, width) struct.pack(i, height) png_data[24:] with open(fixed.png, wb) as f: f.write(fixed_data) print(已生成修复后的文件: fixed.png) return print(未找到匹配的宽高组合) # 使用示例 fix_png_dimensions(corrupted.png)脚本优化技巧并行计算对于大范围搜索可以使用多进程加速智能范围根据图片内容猜测可能的宽高比例缩小搜索范围增量搜索先以较大步长搜索找到大致范围后再精细搜索from multiprocessing import Pool def check_dimensions(args): width, height, chunk_type, chunk_rest, stored_crc args data chunk_type struct.pack(i, width) struct.pack(i, height) chunk_rest calculated_crc binascii.crc32(data) 0xffffffff return (width, height) if calculated_crc stored_crc else None def parallel_fix_png(filename): with open(filename, rb) as f: png_data f.read() stored_crc struct.unpack(I, png_data[29:33])[0] chunk_type png_data[12:16] chunk_rest png_data[24:29] # 创建参数列表 params [(w, h, chunk_type, chunk_rest, stored_crc) for w in range(1, 2000) for h in range(1, 2000)] with Pool() as pool: results pool.map(check_dimensions, params) for result in results: if result: print(f匹配的宽高: {result[0]}x{result[1]}) return5. 实战案例与进阶技巧让我们通过几个实际CTF题目来巩固所学知识。案例1基础CRC修复给定一个损坏的PNG文件已知CRC校验码为0xEC9CCBC6但宽高被修改。使用我们的脚本可以在几秒内找到正确的宽高组合如900x606。案例2GIF文件中的CRC修复有些CTF题目会使用GIF文件原理类似但需要注意GIF文件由多个图像块组成每个都有自己的逻辑屏幕描述符需要修复的可能是某个帧的宽高工具推荐gifsplit可以将GIF分解为单帧def fix_gif_dimensions(gif_file): # 分解GIF为单帧 subprocess.run([gifsplit, gif_file]) # 对每帧应用PNG修复技术 for frame in glob.glob(frame_*.gif): fix_png_dimensions(frame)案例3结合LSB隐写的综合题目有时CRC修复只是第一步修复后的图片可能还包含LSB隐写先修复PNG宽高使图片正常显示使用StegSolve工具分析LSB隐写提取隐藏信息获取最终Flagfrom PIL import Image import numpy as np def extract_lsb(image_path): img Image.open(image_path) pixels np.array(img) # 提取每个颜色通道的最低位 lsb (pixels 1) * 255 lsb_img Image.fromarray(lsb.astype(uint8)) lsb_img.save(lsb_extracted.png)性能优化技巧使用Cython或Numba加速CRC计算对已知比例的图片如1:1、4:3、16:9优先搜索缓存中间计算结果避免重复计算# 使用Numba加速的CRC计算 from numba import jit jit(nopythonTrue) def crc32_numba(data, crc0xffffffff): for byte in data: crc ^ byte 24 for _ in range(8): if crc 0x80000000: crc (crc 1) ^ 0x04C11DB7 else: crc 1 return crc 0xffffffff掌握这些技术后你将能够应对大多数CTF比赛中与PNG文件修复相关的挑战。记住理解原理比记住工具更重要这将帮助你在遇到变种题目时能够灵活应对。