CTF实战：Python实现数字水印提取与RC4解密全解析-北京尧图网络

1. 先说结论这两道题为什么值得自己动手复现先交代一下背景。我今年备赛蓝桥杯网络安全赛的时候把前几年的真题从头到尾过了一遍其中“数字水印”和“RC4解密”这两道题让我印象最深。原因很简单它们都属于“看起来高大上实际套路固定”的题型但你光看别人的WriteUp也就是常说的WP会觉得不过瘾——代码贴下来能跑换个题目就抓瞎真正卡住你的永远是对原理那一层窗户纸。我自己复现了两三道同类题目之后才意识到数字水印和RC4不是孤立的知识点它们分别代表了隐写术和流密码这两个CTF出题的高频方向。Python在这两类题里几乎是万能工具图片处理靠PIL和numpyRC4加解密用pycryptodome或者干脆手写几十行代码都能完美覆盖。更关键的是用Python复现一遍你不仅能拿到flag还能把整个过程沉淀成一个可复用的脚本模板下次比赛遇到同类题直接套用省下大量现场调试时间。这篇文章适合两类人看。一类是刚接触CTF想系统理解隐写和流密码的新手另一类是已经看过一些题解但总觉得自己“好像懂了、实际又写不出来”的参赛者。我不打算从零普及进制、位运算这些最基础的东西但会把每一步的原理、代码和验证方法都拆开讲清楚保证你能照着跑通并且能举一反三。很多人有个误区觉得数字水印听起来像复杂的图像算法RC4又是密码学里的老牌算法肯定是难题。实际上蓝桥杯这类比赛考的是“能不能在有限时间内完成题目”而不是“能不能发明新算法”。所以它们的实现难度被出题人刻意控制在“了解原理就能写出来”的范围。下面我就按自己的实操顺序一条条给你拆解。2. 数字水印题从“图片里藏东西”到完整提取链路2.1 先给题目定个调LSB隐写还是频域水印数字水印这个说法听起来很学术但比赛里的实现方式通常就两种空域隐写和频域隐写。空域隐写最常见的是LSBLeast Significant Bit最低有效位替换。原理一点都不复杂图片的每个像素由RGB三个通道组成每个通道取值是0到255也就是8位二进制。你修改最末尾的1位人眼基本分辨不出颜色变化但却能在每3个像素里藏下整整1个字节的信息。如果图片是800乘600分辨率一共48万个像素可以存约16万字节足够塞下一张二维码或者一段短文本了。频域水印则是另一条路线常见的是DCT离散余弦变换或者DWT离散小波变换。做法是把图像变换到频域在特定频率系数里嵌入信息再反变换回空间域。这种方式的抗压缩能力强一些但肉眼不可见性更好提取时也需要做同样的变换再取值步骤比LSB多了好几个所以比赛里反而不如LSB出现频率高。判断一道题到底是哪类我有个很实用的套路拿到图片先跑一下binwalk或者strings看看有没有明显的附加数据。如果图片本身没发现额外文件那大概率就是藏在像素里了。这时候再用numpy把图片读成数组检查最低位是否有规律如果最低位的数据看起来像乱码但又不是自然图像的高频噪声那十有八九就是LSB水印。相反如果你发现图片的像素分布整体正常但经过DCT后某些系数异常偏大或者成对出现再考虑频域方案。我复现的那道题就是经典的LSB隐写。图片是一张看起来平平无奇的风景图题目描述只写了“水印”两个字没有任何多余提示。这种题目最考验基础功因为你只有先排除掉表面的字符串隐藏才会想到去看像素低位。2.2 LSB水印提取的完整代码模板我直接给你看我能跑通的代码。环境是Python 3.10依赖只有Pillow和numpy比赛现场用这两样就够了。from PIL import Image import numpy as np def extract_lsb(img_path, channel_orderrgb, bit_plane0): 提取LSB隐写信息 channel_order: rgb 或 bgr根据图像库的通道顺序调整 bit_plane: 提取第几个最低位默认0表示最低位 img Image.open(img_path) # 统一转成RGB避免PNG带透明通道造成干扰 img img.convert(RGB) arr np.array(img) # 如果题目给的图是BGR顺序需要交换通道再处理 if channel_order.lower() bgr: arr arr[:, :, ::-1] # 提取所有像素指定bit的值 plane (arr bit_plane) 1 # 把按位取值拼接成字节 bits plane.flatten() # 每8个bit组成1个字节 byte_chunks bits[:len(bits) - len(bits) % 8].reshape(-1, 8) bytes_data np.packbits(byte_chunks.astype(np.uint8), axis1) data bytes_data.flatten().tobytes() return data if __name__ __main__: data extract_lsb(watermarked.png, rgb, 0) # 直接打印前256字节看看内容 print(data[:256]) # 保存成文件备用如果提取出来是图片或压缩包这里就能发现 with open(extracted.bin, wb) as f: f.write(data)这段代码的逻辑分四步先把图片像素读成numpy数组然后取出每个字节的最低位接着把这些位按8个一组拼回字节最后把字节流存成文件。注意我在代码里留了一个channel_order参数是因为PIL的RGB顺序和OpenCV的BGR顺序不同如果题目图片是用OpenCV生成的你用PIL直接提就会遇到“内容对不上”的问题。拿到提取结果后不要急着分析先判断文件头。如果开头是PK那是个ZIP如果是89 50 4E 47那是PNG图如果是文本内容直接打印就能看到。我当时提取出来的是一个PNG二维码扫出来就是flag。这是最常见的出题链路LSB藏二维码二维码扫出flag或者LSB藏一个ZIP压缩包压缩包里再藏flag。2.3 频域水印的识别与还原思路虽然我复现的题目是LSB但比赛里频域水印这几年也有出现我把思路也一并说下免得你真遇上了无从下手。频域水印的提取思路对图片分块做DCT变换然后从特定位置的系数里读出嵌入的信息。嵌入时通常是把某两个频率系数的大小关系作为“0”和“1”的编码。比如约定第(i,j)个系数大于第(j,i)个系数表示1否则表示0。所以你提取时要做同样的事分块、DCT、比较系数、拼比特。import numpy as np from scipy.fftpack import dct, idct # 比赛环境如果没有scipy可以自己写DCT def extract_dct_watermark(img_path, block_size8, positions((4, 5), (5, 4))): from PIL import Image img Image.open(img_path).convert(L) # 转灰度 arr np.array(img, dtypenp.float64) h, w arr.shape bits [] for y in range(0, h - block_size, block_size): for x in range(0, w - block_size, block_size): block arr[y:yblock_size, x:xblock_size] dct_block dct(dct(block.T, normortho).T, normortho) # 比较两个中频系数的相对大小 if dct_block[positions[0]] dct_block[positions[1]]: bits.append(1) else: bits.append(0) bytes_data [] for i in range(0, len(bits) - 7, 8): byte 0 for bit in bits[i:i8]: byte (byte 1) | bit bytes_data.append(byte) return bytes(bytes_data)这段代码里我用了scipy的DCT函数比赛一般允许你装第三方库。如果环境受限你也可以用numpy的矩阵乘法自己实现8×8 DCT代码量多几十行而已。频域水印的坑在于它提取出来的信息往往是经过纠错编码或者重复嵌入的不会像LSB那样直接给你一个完整文件。比如出题人可能把一段文本重复嵌入了好几遍提取时你需要按多数表决的方式还原。遇到这种情况我建议提取完先看前几个字节是不是有规律的重复如果是就做逐位多数表决如果要提取的内容是图片可能还要补上缺失的同步信息那就得逆推嵌入时的块排列顺序了。说实话这类题的计算量大现场写脚本容易出错我一般优先做LSB频域题留到后面有时间再啃。2.4 实操中我踩过的最大的坑第一个坑是通道顺序。我第一次复现时用PIL直接提取出来的是一堆乱码后来仔细检查才发现原题图片是用OpenCV生成的。OpenCV的默认通道顺序是BGR我用RGB顺序提取每三个字节里就有两个字节顺序是反的自然解不出内容。这一点强烈建议在脚本里预留通道顺序参数不要写死在代码里。第二个坑是图片格式转换造成的干扰。如果原图是JPEG经过有损压缩后像素值会发生变化原本嵌入的LSB位会被破坏。我这道题原图是PNG所以能顺利提取但如果你拿到的是JPEG格式的题图先看看题目有没有额外提示“图片未被压缩”。如果确实被压缩了LSB这条路基本走不通必须换思路比如检查JPEG的EXIF信息或者DCT系数。第三个坑是提取出来的字节顺序。LSB提取有两种常见的位序选择一种是把像素最低位从左到右依次排列每8个bit组成一个字节时高位在前另一种是低位在前。具体用哪一种取决于嵌入时的代码怎么写。我的建议是写提取脚本时同时提供两种位序模式跑一次对比结果看哪种能跑出有效文件头。判断标志很简单ZIP文件头固定是“PK”PNG文件头固定是“89 50 4E 47”一比对就知道对没对。第四个坑是额外数据。有些题目的LSB隐写只填了图片的一小部分区域其余像素的最低位本来就是自然图像的随机噪声。如果直接全图提取前面可能是一段有效数据后面跟着大量无意义字节。这时候别慌把整个字节流保存下来用binwalk扫描一下看有效数据从哪里开始、到哪里结束再手动截断就行了。3. RC4解密从“算法原理”到一行行实现3.1 RC4与解密题的出题习惯RC4是一种流密码名字听起来古老但比赛的出题率一点不低。原因是它实现简单几十行代码就能写完而且加密后的数据一般以Base64编码呈现识别度很高。RC4的核心逻辑就两个部分密钥调度算法KSA和伪随机子密码生成算法PRGA。KSA的过程是把一个256字节的S盒用密钥打乱。PRGA则是用S盒不断生成伪随机字节流也就是密钥流。加密时把密钥流和明文逐字节异或得到密文解密时用同样的密钥再生成一次相同的密钥流和密文异或就能还原出明文。比赛中的RC4题几乎不会让你直接拿库调用因为那样太简单了。出题人通常会做一层包装要么密文先Base64解码再交给RC4要么密钥藏在某个文件里需要先提取要么先用RC4加密一段固定数据作为校验验证密钥是否正确。还有些变种题会改变S盒初始化的长度比如只用密钥的一部分做初始化或者打乱S盒初始值。所以我建议你不仅会调库还要能手写RC4这样遇到变种可以随时改。我复现的那道题给了一个文本文件内容是Base64字符串题目描述只提到“RC4”和一个密码本。看起来简单但我在第一次尝试时直接调pycryptodome的ARC4模块解密发现输出全是乱码后来才发现密码本里的密钥需要先经过一次MD5哈希哈希后的十六进制字符串才是真正的RC4密钥。这种“包装一下密钥”的出题套路特别常见所以反复试错是正常的。3.2 手写RC4解密脚本有些环境没有pycryptodome或者出题人把RC4改了参数这时候手写就是唯一选择。我手写的版本如下代码不长但每一步都需要理解。def rc4_ksa(key_bytes): 密钥调度算法用密钥打乱S盒 S list(range(256)) j 0 key_len len(key_bytes) for i in range(256): j (j S[i] key_bytes[i % key_len]) % 256 S[i], S[j] S[j], S[i] return S def rc4_prga(S, data_len): 生成密钥流并逐字节异或 i 0 j 0 keystream [] for _ in range(data_len): i (i 1) % 256 j (j S[i]) % 256 S[i], S[j] S[j], S[i] K S[(S[i] S[j]) % 256] keystream.append(K) return keystream def rc4_decrypt(cipher_bytes, key_bytes): S rc4_ksa(key_bytes) keystream rc4_prga(S, len(cipher_bytes)) plain_bytes bytes([c ^ k for c, k in zip(cipher_bytes, keystream)]) return plain_bytes if __name__ __main__: import base64, hashlib cipher_b64 这里是题目给的Base64字符串 cipher_bytes base64.b64decode(cipher_b64) # 实际运行时密钥往往需要额外处理 raw_key bpassword_book_key key_bytes hashlib.md5(raw_key).hexdigest().encode() plain rc4_decrypt(cipher_bytes, key_bytes) print(plain)这段代码的逻辑顺序是先把密钥字节流交给rc4_ksa生成初始S盒再用rc4_prga逐字节生成密钥流最后和密文逐字节异或。需要注意的一点是RC4解密和加密完全对称所以同一个函数既可以解密也可以加密这就意味着你只需要实现一次。我把密钥写成MD5再转十六进制字符串是因为我复现的那道题就是这么设计的。你在实际做题时可以根据出题提示灵活调整key_bytes可以换成任意处理后的字节流。判断密钥是否正确最直接的方法是解密结果开头是否有可读字符比如明文以“flag{”开头。如果解出来是无规则乱码先别怀疑算法先怀疑密钥处理方式。常见的处理包括MD5、SHA1、Base64解码甚至直接把密钥文件原样读入。3.3 面对“变种RC4”时怎么调整变种RC4的核心在于改变了KSA或PRGA的某个环节但只要你能识别出“它还是RC4”就能针对性修改。第一种变种是密钥长度截断。标准RC4理论上密钥长度1到256字节都可以但有些题只取密钥的前8字节或前16字节参与KSA其余字节被忽略。这时候你直接把key_bytes换成截断后的版本即可。我有一个经验先用题目给的原始密钥跑一次如果解出来乱码就把密钥逐个尝试截断从前8字节开始试到全量总有一款能对上。第二种变种是S盒初始值被修改。标准S盒初始是0到255按顺序排列但有些题目把S盒初始值改成逆序或者某个伪随机序列。这种题光看代码很难发现除非你拿到出题人给的“提示”或者解密后能看到特征明文。处理方法是反推如果题目给了你一个已知明密文对你就可以从KSA的逻辑反推S盒初始值但这个方法工程量大现场一般不划算。更现实的做法是先用标准RC4跑如果失败再仔细观察题目代码片段看有没有对S盒做额外初始化操作。第三种变种是加密数据不止一次RC4。比如先用密钥A加密再用密钥B加密解密时就要用B再解一层、A再解一层。这种情况密文长度不变但你要尝试多次调用rc4_decrypt每次用不同的密钥。判断是不是多次加密有个简单方法如果第一次解密后输出仍然是Base64或看起来像密文不是明文那就可能是多层加密。这时候把第一次结果再次Base64解码再解一遍直到出现可读内容为止。我建议你在复现过程中养成一个小习惯每解出一层就把中间结果以十六进制形式打印出来并判断它是可打印文本、Base64、ZIP文件头还是纯乱码。这样一层一层剥下去就算题目包装了三层加密你也能有条理地推进而不是拿到乱码就慌。3.4 解密完怎么确认结果拿到解密结果不要只看“是不是flag”还要注意编码和格式。我复现的那道题最后得到的明文不是纯文本而是包含一段JSON加一个PNG图片的数据块。如果你直接print字符串图片部分会显示成乱码容易被误判为解密失败。所以我的习惯是先把解密结果保存成文件再用file命令或者binwalk看它的真实类型。这种“解出来是一个文件而不是纯文本”的出题方式这两年越来越多因为单纯的RC4解密已经偏简单了出题人希望多考一步文件识别。你最好在脚本里把输出同时打印成文本并写入二进制文件然后再对文件做类型判断。如果明文里有flag且是纯文本直接打印就能看到如果明文里包含图片保存成二进制后打开图片即可。另一个需要留意的点是编码。题目里的Base64字符串可能不是标准的Base64有时候是Base64 URL安全变体把“”和“/”换成了“-”和“_”Python标准库的base64.b64decode会直接报错。遇到这种情况用base64.urlsafe_b64decode替代即可。4. 常见问题与排查技巧实录把两题复现完之后我把中间踩过的坑整理成了一张排查表现场做题时可以直接对照省去很多重复尝试。现象可能原因排查方法LSB提取结果是乱码通道顺序写反切换RGB/BGR再试PNG格式题图LSB提取失败图片不是PNG而是被改名用file命令确认真实格式DCT水印提取后重复内容嵌入时做了重复冗余按多数表决还原RC4解密后全是乱码密钥预处理方式不对尝试MD5/SHA1/Base64等变换RC4解密后是Base64多层加密或包装继续解码并用RC4再解Base64解码报错URL安全变体用urlsafe_b64decode打印明文出现乱码明文含二进制文件保存为文件再识别类型提取的ZIP解压失败提取范围包含噪声用binwalk定位有效数据位置这表里的前两条就救过我一次。有次我拿到的题图文件名是.png但用file命令一看实际是JPEG我还在傻傻做LSB提取折腾半小时才知道路走错了。所以看到“图片题”第一件事是看真实文件类型而不是被扩展名带着跑。还有一个细节想单独说说关于图片的最低有效位和二值化处理。很多新手提取完LSB位后直接把这些0/1输出成文本发现是乱码就以为失败。其实正确思路是把提取出的字节流保存成文件再用文件类型工具识别。有一类题最喜欢在LSB里藏ZIP然后ZIP里放加密的图片图片里再藏一层信息这种链路如果只盯着文本输出永远发现不了真相。RC4这边我遇到过最阴间的坑是密钥文件本身的换行符没有去除。从文本文件读进来的密钥末尾可能带一个换行符或者回车换行这会导致密钥和出题人用的不一致。我现在的做法是统一对密钥做strip()处理把首尾空白去掉如果还不行再考虑其他预处理。另外有些题目会对密钥做UTF-8编码再进RC4如果你的key_bytes是直接用了字符串的UTF-8编码而题目先做了一次Unicode转字节再进RC4也会解不出来。这种通常需要看题目给的代码片段才能确定现场多试几种编码方式不会错。5. 把代码沉淀成自己的“竞赛工具箱”5.1 工具库选型哪些Python库够用且必带我在复现这两道题时实际用到的第三方库很少Pillow负责图片读取numpy负责像素数组运算pycryptodome负责标准RC4和常见哈希另外binwalk是命令行工具用来确认文件类型和扫描隐藏数据。如果比赛环境允许你预装库我建议提前在本地测试好以下组合而不是现场慢慢装pip install pillow numpy pycryptodomesystem自带工具里file、binwalk、strings这三个命令极度有用。strings能直接扫出图片里是否藏了明文字符串比如“flag{”字样binwalk能识别图片尾部是否拼接了ZIP或者RARfile一眼看出真实文件格式。比赛时先用这三个命令做“快筛”能省一大半时间。不要迷信某些“全自动隐写工具”比如那些把几十种隐写算法集成在一起一键扫描的工具。真实比赛里这类工具一般需要你自己判断算法后再选择相应模块而且很多工具对图片通道顺序、位序等细节处理得并不好。自己写脚本反而更可控因为你能清楚知道每一步在做什么。但这不代表不用工具binwalk和strings这种轻量命令行工具是帮你在前期缩小范围的好帮手。5.2 脚本模板化的两个实用建议第一把每个算法封装成独立函数并且参数化选项一次给全。比如前面LSB提取函数里有channel_order和bit_plane两个参数RC4解密函数里有key_preprocess参数用于选择密钥预处理方式。这样现场一种参数不行改一行就能换另一种不用改逻辑重写。第二脚本里统一把中间结果写到磁盘文件。我复现时习惯把LSB提取结果、RC4每层解密结果都保存成独立文件命名带序号比如step1_lsb.bin、step2_rc4_layer1.bin。这样一旦后续发现某一步判断错了可以直接从那个中间文件继续调试不用重新跑全链路。尤其在高强度比赛里重新加载一张图、重新跑解密可能只需要几秒但“手动重跑整个流程”却很容易让人疲劳出错。第三也是最重要的给脚本加一个“文件头识别”函数。因为几乎所有隐写提取或者解密题结果都要以某种文件格式呈现识别文件头能迅速确定结果有没有问题。我封装了一个简单的函数MAGIC { b\x89PNG: png, bPK: zip, bRar!: rar, bGIF8: gif, b\xff\xd8\xff: jpeg, bBM: bmp, } def sniff_filetype(data: bytes): for magic, name in MAGIC.items(): if data.startswith(magic): return name # 如果前128字节里大量可打印字符则认为可能是文本 printable sum(1 for b in data[:128] if 32 b 126) if printable / len(data[:128]) 0.85: return text return unknown这个函数短小但特别实用。比赛时我几乎每解一层就调用一次看结果到底是什么类型再决定下一步怎么做。文本、图片、压缩包三类结果各有各的后续处理方式识别清楚就等于方向正确。5.3 做题策略先把“能验证答案”的题做透我发现一个普遍现象很多人比赛时总是在难题上死磕结果简单题反而没做干净。数字水印和RC4属于典型的“答案可验证”题型——你能确认是否解出flag不像有些逆向题还需要动态调试半天才能确认结果。所以我的策略是比赛开始后先花五分钟把所有题目文件都过一遍用strings和file快速标记出哪些题可能涉及隐写或流密码然后优先做那些“有明确输出判断标准”的题比如能直接提取文件、能直接解密出可读文本的题。这类题一旦解出基本就是稳稳拿分。另外建议你在备赛阶段把今天这两个题目做成一份标准操作手册遇到图片题从文件类型识别、strings扫描、LSB提取、DCT提取这个顺序去排查遇到密文题从Base64识别、RC4标准解密、密钥预处理、多层解包这个顺序去尝试。这套流程你练熟之后比赛时的反应速度会快很多因为大部分操作已经变成肌肉记忆了。说实话蓝桥杯网络安全赛这类竞赛的题目难度并不在于“算法有多深”而在于“你对常见套路是否足够敏感”。数字水印和RC4两道题一个偏向数据处理与观察力一个偏向算法实现与调试耐心恰好覆盖了CTF入门阶段需要重点培养的两项能力。我把它们完整复现过一遍之后最大的收获不是记住了脚本而是建立了“先判断类型、再按模板处理、最后验证文件头”的做题心法。最后再分享一个小技巧如果你发现自己写的脚本和网上题解行为不一致不要急着抄题解先对比两者的某一层中间结果。比如LSB提取完的字节流前几个字节、RC4解密完第一轮的十六进制这些中间值能很快定位是哪一步出现了差异。比赛时最忌讳的就是“复制粘贴、跑通就跑、跑不通就慌”学会调试中间结果远比背下十个工具调用更重要。

CTF实战：Python实现数字水印提取与RC4解密全解析

相关推荐

电商商品属性驱动架构：从PPT设计到可运行系统落地

蒙哥马利模乘原理与C语言实现：用移位代替除法加速RSA/ECC大整数运算

MySQL查询结果加序号：窗口函数与用户变量的完整实践

更多资讯

LongCat-Flash-Lite-Sparse-8bit 4-bit/6-bit/8-bit怎么选？附Mac内存需求对照与量化选型指南

Spring Boot整合Redis：缓存、序列化与分布式锁实战

企业级智能体难在工程：OpenClaw部署与治理全解析

Windows平台XDMA驱动开发与PCIe高速传输工程实践

Kimi K2 + Claude Code 接入 3 个神级开源 MCP，相当丝滑

Keras-bert模型部署实战：用Flask封装文本分类预测服务

今日更新

NetSpot 实战：用信道分析与频宽优化解决 Wi-Fi 卡顿

C++ split() 字符串分割的五种实现与性能实测

R语言坐标轴范围设置：从xlim/ylim到coord_cartesian的完整指南

本周精选

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？