题目附件叫 secret.png,双击提示「文件已损坏」;另一个叫 data.txt,打开却是一堆二进制乱码;还有一个压缩包,解压时提示要密码,但题目根本没给密码。文件大小也奇怪:一张 1x1 的图片居然有 2 MB。遇到这些情况,问题通常不在内容,而在「文件被改过」或者「它根本不是扩展名说的那种格式」。

文件格式分析的核心是两件事:认魔数,看结构。魔数是文件开头用来标识格式的固定字节;结构是文件内部各段怎么排列。知道这两点,就能判断「哪里被改了、改回去会怎样」。这篇用 PNG 和 ZIP 两个最常见、也最容易出题的格式做走查,所有修复都在副本上操作。

扩展名只是给人看的

操作系统和很多软件靠扩展名决定「用什么打开」,但扩展名本身只是文件名的一部分,随时可以改。真正的格式由文件内容决定,尤其是开头的几个字节。分析时第一步永远是看内容,不是看名字。

格式开头字节(十六进制)常见扩展名
PNG89 50 4E 47 0D 0A 1A 0A.png
JPEGFF D8 FF.jpg、.jpeg
GIF47 49 46 38.gif
ZIP50 4B 03 04(也有 50 4B 05 06 的空包).zip、.docx、.xlsx、.apk
GZIP1F 8B 08.gz、.tgz
PDF25 50 44 46 2D(即 %PDF-).pdf
ELF7F 45 4C 46.elf、无扩展名、.so
RAR52 61 72 21 1A 07.rar

本机是 Windows,有 MSYS2 的 strings,但 file、xxd、binwalk 在当前环境不可用或未安装,下面这些命令按 Linux 靶场写法给出,未在本机实测。文件头字节本身可以用 Python 直接读,本文的 PNG 魔数已用 Python 核对过。

file attachment
xxd -l 32 attachment
hexdump -C attachment | head -5

如果 file 输出 data,说明它没认出格式;这时不要放弃,手工看前 16 字节,对照上面的表。很多题目只是改了第一个或前几个字节,后面的数据完全正常。

还有一种判据是「结构是否自洽」。正常文件的大小、内部记录的长度和偏移互相吻合;被拼接或截断的文件经常出现矛盾。比如 ZIP 的中央目录结束记录里写着总条目数和中央目录偏移,如果实际位置对不上,就能确定文件被改动过。看结构不必记住每个字段,先找「总长度」「条目数」「偏移」这类汇总字段,用它们和实际文件大小交叉核对,矛盾的地方就是改动点。

扩展名被改是最常见的一种。把 .zip 改成 .png,系统会用图片查看器打开,然后报「格式不支持」,但内容其实完好。反过来,把可执行文件改成 .txt,打开是一堆乱码。判断依据永远是文件头,不是后缀;改回正确扩展名通常就能正常打开,不需要改任何字节。

PNG:块结构,改一个字节就够

PNG 由一个个「块」(chunk)组成。每个块的结构是:4 字节长度、4 字节类型、若干字节数据、4 字节 CRC 校验。第一个块必须是 IHDR,描述宽高、位深、颜色类型;最后是 IEND,表示结束。文件开头还有 8 字节的固定签名,就是上面表里的魔数。

签名8 字节,固定值 89 50 4E 47 0D 0A 1A 0A。解码器先验这 8 个字节,不对就直接拒绝。
IHDR第一个块,包含宽、高、位深、颜色类型、压缩方法等信息。宽度和高度被改,图片可能打不开或显示异常。
IDAT图像数据,可能分成多个块。真正的内容在这里,隐写也可能藏在这里。
IEND结束块。它之后的数据不属于 PNG,浏览器和查看器通常会忽略。

最常见的修复是签名首字节被改。把第一个字节从 00 改回 89,图片通常立刻恢复正常。这类改动在十六进制编辑器里只需一步;用 Python 更方便:

data = bytearray(open("bad.png", "rb").read())
data[0] = 0x89
open("fixed.png", "wb").write(data)

如果改回签名后仍打不开,问题可能在 IHDR 的宽度、高度或 CRC。宽高被改大,解码器会按错误尺寸读数据,可能报错或显示花屏;CRC 被改,严格的解码器会拒绝。修复思路是:先用 pngcheck 看哪个块校验失败,再根据原始尺寸或相邻块推断正确值。没有原始文件时,这类修复只能靠结构推断,不能保证一次成功。

PNG 的 IEND 之后可以追加任意数据,图片仍然能正常打开。这是「文件尾附加」的常见手法:把 zip、文本或其他文件接在图片后面。用 binwalk 或在十六进制里搜 50 4B 03 04 就能发现。

JPEG 的结构和 PNG 不同。它以 FF D8 开头,以 FF D9 结尾,中间是一段段以 FF 加标记字节开头的段,每段带长度字段。最常见的损坏是结尾标记 FF D9 丢失,或者某一段的长度被改。前者补回结束标记通常就能打开;后者会导致解析器跳错位置,表现为图片只显示一部分或直接报错。JPEG 是有损压缩,数据一旦被改,像素无法完全恢复,能打开不代表内容正确。

ZIP:三个头,伪加密看标志位

ZIP 的结构比 PNG 复杂一些,但分析时只要记住三个关键位置:本地文件头、中央目录、中央目录结束记录。本地文件头以 50 4B 03 04 开头,后面跟文件名、压缩方法、压缩前后大小等信息;中央目录以 50 4B 01 02 开头,汇总所有文件;最后以 50 4B 05 06 结尾。

「伪加密」是 ZIP 题里最常见的套路。ZIP 的本地文件头里有一个「通用标志位」(general purpose bit flag),第 0 位表示文件是否加密。有些题目把这一位置 1,解压软件就以为需要密码;但实际数据可能根本没加密,或者密码藏在别处。判断方法是对比本地文件头和中央目录里的标志位:如果一边说加密、另一边没加密,基本可以确定是伪加密。

zipinfo -v secret.zip
python3 -c "d=open('secret.zip','rb').read(); print(hex(d[6:8][::-1].hex()))"

标志位在本地文件头的偏移 6 到 7(从 50 4B 03 04 起算)。把它清零后再解压,往往就能打开。中央目录里也有同样的标志位,严格来说两处都要改,具体偏移要看中央目录记录的结构。动手前先复制文件,改坏一次还能回到原始版本。

伪加密和真加密要分清。真加密的数据会用传统加密或 AES 加密,解出来的字节是密文,没有密码就是不行;伪加密只是标志位在骗软件,数据本身是明文。CTF 里两种都可能出现,先看标志位和数据熵,再决定是修标志还是找密码。

压缩率也是一个快速判据。纯文本压缩后通常只剩原体积的几分之一,已经压缩过的图片再打包,压缩率接近 1。如果一个包里声明的大小和实际数据差得离谱,要么是元数据被改,要么里面还有一层嵌套。用 Python 的 zipfile 逐个读出 file_size 和 compress_size 比较,比打开软件一个个点更快。

处理压缩包还要注意安全边界。解压前先看文件列表,确认没有 ../ 这类路径穿越、没有绝对路径、没有指向系统目录的符号链接;解压时限定输出目录,不要直接解到当前工作目录。压缩比异常高的包可能是 zip bomb,解压后会占满磁盘。CTF 附件虽然通常无害,但把「先看列表、再解压、限制大小」养成习惯,遇到真实样本时就不会中招。

走查:一张坏图和一个藏起来的压缩包

题目给了一张 challenge.png,打不开,大小 2 MB。按顺序做四步:

第一步,读前 16 字节,确认签名。如果第一字节不是 89,先改回来,另存为 fixed.png。第二步,用图片查看器打开修复后的文件。如果能打开,说明外层只是签名被改。第三步,看文件尾。用 binwalk challenge.png,或者在十六进制里搜索 50 4B 03 04,看 IEND 之后有没有 ZIP。第四步,把附加数据切出来,单独保存为 tail.zip,再用 unzip 解压。

binwalk challenge.png
dd if=challenge.png of=tail.zip bs=1 skip=OFFSET
unzip -l tail.zip

OFFSET 是 ZIP 头在文件里的字节偏移。这个数字要从 binwalk 的输出或十六进制搜索结果里取,不能猜。切出来之后先用 unzip -l 看目录,不要直接解压到当前目录,避免文件名覆盖或路径穿越。题目附件也要当作不可信输入,解压前先看列表。

如果 unzip -l 说需要密码,回到上一步判断伪加密;如果确实加密,密码通常在题目的其他地方,比如图片元数据、文件名、上一层的编码结果。不要在没有线索时暴力破解,CTF 题一般不会要求穷举。

现象、原因与第一步

现象真实原因第一步查什么
图片打不开,提示损坏签名首字节或 IHDR 被改xxd -l 16 对照魔数
图片能打开但显示花屏宽高被改,或 IDAT 数据被改看 IHDR 的宽高与文件大小是否匹配
文件很小但占用空间很大尾部追加了其他数据binwalk、搜 ZIP 头
压缩包提示密码但没给伪加密,或密码藏在其他材料里对比本地头和中央目录的标志位
file 输出 data格式未识别,头部被破坏手工看前 16 字节,对照魔数表
解压后文件名乱码编码标志位不对,文件名用了非 UTF-8看 ZIP 的通用标志位第 11 位
修完能打开但内容不对只修了外层,内层数据另有问题继续检查后续块或嵌套文件

边界与代价

文件修复不是万能的。签名被改、尾部追加、伪加密这类「结构性改动」容易恢复;数据被加密、分块被打乱、CRC 和内容一起被改,就很难只靠结构推断还原。判断值不值得继续,要看是否有足够的冗余信息:原始尺寸、相邻块、文件大小、题目提示,都是恢复的依据。

冗余信息越多,修复越可靠。比如 PNG 的 IHDR 里同时有宽高和 CRC,改了一个字段,可以用另一个字段和 CRC 反推;ZIP 的本地头和中央目录各存一份信息,一边被改,另一边往往还能对上。反过来,如果只有一个孤立字段被改、没有校验、没有副本,就只能靠猜测,猜错也不会报错,只会得到「能打开但内容不对」的文件。遇到这种情况,先确认修复目标,不要为了「能打开」而接受错误内容。

操作上要保留原始文件。所有修改都在副本上进行,记录每一步的字节偏移、原值和新值。这样即使修错,也能回退,还能把修复过程写进报告。直接覆盖原文件,是 MISC 里最常见的自找麻烦。

合规上,只分析题目附件、自己生成的文件或明确授权的材料。不要修复或拆解来路不明的可执行文件并在真实机器上运行;压缩包解压前先看列表,避免路径穿越;涉及恶意样本时,在隔离环境里操作。

当天能自己验证的练习

  1. 用 Python 生成一张 1x1 的 PNG,把第一个字节改成 00,观察还能不能打开,再改回 89 验证恢复。
  2. 把一张 PNG 和一个 zip 用二进制拼接(图片在前),用 binwalk 或搜索 ZIP 头找到偏移,切出来解压。
  3. 用 zipinfo -v 看一个自己创建的 zip,找到通用标志位,理解每一位的含义。
  4. 用 Python 把 zip 本地头的标志位改成加密,观察解压软件的反应,再清零恢复。
  5. 用 hexdump -C 对比一个正常 JPEG 和一个被截断的 JPEG,找出结束标记 FF D9 是否还在。

小结

三句话:先看魔数,不要信扩展名;PNG 看块结构,ZIP 看三个头和标志位;修复前备份、记录偏移,修完回验。

下一篇进入电子取证。文件格式回答「这个文件是什么、哪里坏了」,取证回答「这个镜像里发生过什么、谁在什么时候动了什么」。那篇会讲镜像、分区、文件系统和时间线,以及为什么取证第一步是保证证据不被改动。