当前位置: 首页 > news >正文

Divide and Conquer - Writeup by AI

Divide and Conquer - Writeup by AI

📋 题目信息

  • 题目来源:BugKu CTF
  • 题目类别:Crypto(密码学)/ Steganography(隐写术)
  • 题目名称:Divide and Conquer(分治)

🎯 考点分析

核心知识点

知识点权重说明
图片隐写术40%LSB 隐写、XOR 隐藏技术
PIL/Pillow 库30%图像处理与差异计算
分治思想20%将问题分解后合并解决
二值图像编码10%布尔矩阵与信息提取

题目特点

  • 典型隐写题:信息隐藏在两张看似相同的图片中
  • 视觉不可见:单独查看每张图片无法发现异常
  • 需要对比:必须通过特定操作才能显现隐藏内容

💡 解题思路

1. 题目分析

**“Divide and Conquer”(分治法)**的含义:

  • Divide(分):Flag 被分成两部分,分别隐藏在img1.pngimg2.png
  • Conquer(治):通过对比两张图片,提取出隐藏的 Flag

2. 技术路线

img1.png

Difference/XOR

img2.png

final.png

可视化 Flag

3. 突破口

  • 两张图片尺寸相同(1366×768)
  • 两张图片模式相同(‘1’ - 二值图像)
  • 97.56% 的像素完全相同
  • 关键:2.44% 的差异区域隐藏了 Flag

🔧 详细解题步骤

步骤 1:检查文件结构

发现文件:

  • img1.png- 第一张图片(二值图像)
  • img2.png- 第二张图片(二值图像)

步骤 2:初步分析图片

使用 Python 查看图片基本信息:

fromPILimportImage im1=Image.open("img1.png")im2=Image.open("img2.png")print(f"Image 1: 模式={im1.mode}, 尺寸={im1.size}")print(f"Image 2: 模式={im2.mode}, 尺寸={im2.size}")

输出结果:

Image 1: 模式=1, 尺寸=(1366, 768) Image 2: 模式=1, 尺寸=(1366, 768)

分析:

  • 模式'1'表示二值图像(只有黑白两色)
  • 尺寸完全相同,可以进行像素级对比

步骤 3:计算图片差异(核心步骤)

使用ImageChops.difference()方法:

fromPILimportImage,ImageChops# 打开图片im1=Image.open("img1.png")im2=Image.open("img2.png")# 计算差异im3=ImageChops.difference(im1,im2)# 保存并查看im3.save("final.png")im3.show()

步骤 4:查看结果

打开生成的final.png,可以看到清晰的 Flag 文字!


http://www.jsqmd.com/news/659465/

相关文章:

  • FireRedASR Pro实战:为在线教育平台添加语音作业批改功能
  • iOS应用反调试全面指南:方法、代码与破解技术
  • Go语言怎么用信号量控制并发_Go语言semaphore信号量教程【入门】
  • Topit:让Mac窗口置顶变得简单高效,提升多任务处理体验
  • Qwen3.5-2B部署教程:WSL2+Docker Desktop+NVidia Container Toolkit全链路
  • 深度解析3D-TransUNet:Vision Transformer与U-Net融合的前沿医学分割技术
  • STM32H7的系统bootloader基础知识
  • 清音听真Qwen3-ASR-1.7B效果惊艳:粤语+英语混合演讲→自动语种切换+术语统一校准
  • 鸿蒙手写板点云识别库,支持识别字母和数字
  • Python入门到AI开发:基于浦语灵笔2.5-7B的实践路径
  • 【AI设计模式生成实战指南】:SITS2026首席架构师亲授3大可落地模式框架与5个工业级生成案例
  • Cesium弹窗避坑指南:解决Popup随相机移动闪烁、位置偏移的5个常见问题
  • “我写的提示词生成了代码”——这算原创吗?(中国首例AI提示词著作权案庭审纪要精要)
  • 导入SQL文件后前端仍显示旧数据怎么办_数据库查询缓存刷新
  • Agent 开发框架(二)CrewAI
  • GitHub Copilot X vs. Cursor Pro vs. Tabnine Ultra vs. 通义灵码2.0:2026奇点智能技术大会独家实测数据曝光(附IDE响应延迟毫秒级对比表)
  • RAG 不是做出来就结束了:怎么评估、为什么失败、适合哪些场景?
  • 为什么92%的生成式AI服务上线首日响应延迟超标?——深度拆解缓存预热缺失导致的Token流断点危机
  • Java 高并发场景下 Redis 分布式锁(UUID+Lua)最佳实践
  • 超级千问语音设计世界优化升级:使用Nginx反向代理提升访问安全
  • NoSQL之Redis配置与优化
  • 最新的Claude-opus-4-7在科研场景到底有多强...
  • Qwen3.5-9B零基础部署:5分钟本地跑通,笔记本也能玩转原生多模态
  • MGeo模型效果展示:支持‘北京市海淀区五道口地铁站A口’等交通节点地址解析
  • 某宝登录密码加密逆向实战——从password2到st码的完整流程解析
  • 2026螺栓厂家推荐排行榜产能与专利双优企业领跑(全国调研) - 爱采购寻源宝典
  • 从宏到constexpr:Visual Studio代码分析规则C26432的实战解读
  • SITS2026未公开技术纪要:为什么92%的AI编程工具在遗留系统中失效?3个架构适配公式+2个轻量改造模板
  • AI 答疑助手优化实践:从 RAG 到 LightRAG 的全链路升级
  • 一个插件,国内直接用Claude Opus 4.7