CTF隐写入门：ZIP文件头修复与LSB隐写提取实战

CTF里的隐写题，看着永远是最“无害”的一类——不考漏洞利用、不考内网渗透，但做起来经常让人对着一个图片发呆半小时，最后发现线索就在眼皮底下。这道BugkuCTF“赛博朋克”就是典型代表：题目名字看起来很赛博，压缩包解出来也是一张赛博朋克风格的图片，但核心考点其实只有两个词——ZIP文件头协议和LSB隐写。

这两个知识点本身都不复杂，但组合在一道题里，刚好能串起一整条隐写题的解题链路：先判断文件真实类型，再修复文件头，解压出真正的载体，最后从图像像素的最低有效位里把flag捞出来。不管你是刚入坑CTF的萌新，还是只会对着题解“照作业”的玩家，把这条链路吃透，以后遇到七八成隐写题都能自己往下走了。这篇我就以这道题为例，把ZIP文件头的结构、伪加密的识别修复、LSB的原理和提取脚本整个过一遍，附带我实际踩过的一些坑。

1. 出题思路拆解：为什么是ZIP文件头加LSB隐写

很多人拿到隐写题的第一反应是打开看图、用StegSolve扫，扫不出来就开始焦虑。这个顺序其实错了一半。真正高效的思路是：先搞清楚手头这个文件到底是什么，再考虑“里面能藏什么”。而这道题选ZIP文件头协议和LSB隐写这两个点，本身就代表了CTF隐写题最常见的两类出题手法。

1.1 组合题的出题逻辑

CTF隐写题里，纯单点考察越来越少，出题人更喜欢“套娃”：把一个信息经过多重隐藏，做成一条解题链。ZIP加图片的组合尤其常见，原因很实际。

ZIP文件头是可修改的。文件头协议里那几个魔数字节不是不可变的，改掉之后，系统就不会再把它当成ZIP文件，但里面的压缩数据仍然完好。这天然适合做成第一层障碍：下载下来一个文件，file命令识别不出来，直接双击也打不开，你得靠对二进制结构的熟悉程度把它“救回来”。

LSB隐写则适合做第二层障碍。它不需要额外生成文件，直接把信息埋在图片像素里，视觉上和原图几乎没有任何差异。尤其是赛博朋克风格的高饱和霓虹图片，暗部、噪点、半透明光效特别多，像素值本身就比较杂，埋点东西进去肉眼完全看不出异常。这就是为什么载体偏偏选赛博朋克风格的图片——不是为了好看，是为了让LSB痕迹更难被察觉。

所以这道题整体链路一般是：拿到一个无扩展名或伪装过的文件 → 修复ZIP文件头 → 解压得到一张图片 → 图片里有LSB隐写 → 提取出flag。理解了这条链路，你就知道每一步该干什么了。

1.2 第一步该做什么：文件类型识别三板斧

拿到任何未知文件，我建议先执行三个命令，成本极低，但能避免后面走弯路：

这里要强调一下，file命令识别的依据就是文件头内容。如果出题人把文件头前几个字节篡改了，file命令会给出错误结果，但hexdump能让你看到原始字节。我个人的习惯是：file结果和十六进制开头对照着看，如果发现“file说是JPEG，但开头却是50 4B”，那说明文件头被改过或者文件被拼接了，接下来就要按真正的类型去处理。

另外，先备份原文件再动手，这是血泪教训。修复文件头、改标志位这种操作是对二进制直接写入，写错了原文件就废了，从头再来还要重新下载。

2. ZIP文件头协议：从“PK”到伪加密

ZIP文件头协议是这道题绕不开的第一个技术点。很多人对ZIP的认知只有“能解压的压缩包”和“文件头是PK”，但做题时需要看得更细一些，至少要知道文件头里哪些字节决定了解压行为。

一个标准ZIP文件会包含三种关键签名，分别出现在文件不同位置：

hexdump打开一个正常ZIP，通常能看到类似这样的结构：

00000000 50 4b 03 04 14 00 00 00 08 00 21 07 5a 7f 62 60 |PK........!.Z.bb| 00000010 b3 2f 3d 8f 4d 30 cb 0a 33 00 00 00 34 00 00 00 |./=.M0..3...4...|

开头的50 4b 03 04就是局部文件头签名，也就是网上常说的“PK”头部。紧跟着的字段里，有几个值得重点关注：

• 偏移4-5字节（14 00）：解压所需版本，做题时基本不用管。
• 偏移6-7字节（00 00）：通用标志位，这就是伪加密判断的核心，后面细说。
• 偏移8-9字节（08 00）：压缩算法。08表示Deflate，是ZIP最常见的压缩方式；00表示不压缩（Stored）。
• 偏移18-21字节（33 00 00 00）：压缩后大小。
• 偏移22-25字节（34 00 00 00）：原始大小。

做题时主要用的就是前10个字节。尤其是通用标志位，伪加密题百分之百靠它做文章。

2.1 伪加密的识别与修复

伪加密，英文叫Fake Encryption，意思是压缩数据本身并没有真正加密，只是把文件头里的加密标志位置成了1。当你尝试解压时，压缩软件看到加密标志就会要求输入密码，但实际上根本没有加密，把标志位改回去就能正常解压。

通用标志位具体怎么读？在局部文件头中，第6、7字节是十六进制值，它的bit0（最低位，0x01）代表“加密”，bit3（0x08）代表“数据描述符”。伪加密题的特征就是：bit0为1，但数据没有加密。

举一个真实常见的例子。用hexdump看到文件头是：

50 4b 03 04 14 00 09 00 08 00

这中间第6-7字节是09 00，二进制写作0000 1001。拆开看，bit0是1，bit3也是1。如果你尝试解压，会弹窗要密码，但你心里得打个问号：这密码是不是出题人故意的？此时验证方法很简单——不去爆破密码，直接改标志位。

用010 Editor或者HxD这类十六进制编辑器打开文件，定位到文件偏移6的位置（因为0-3是签名，4-5是版本，6-7是标志），把09 00改成00 00，保存后再解压。如果没有任何密码提示直接解出内容，那它就是伪加密。

这里要提醒一下：改的时候最好只动通用标志位那2个字节，后面的中央目录（中央目录里的对应标志位）如果主解压工具仍报错，可以一并改掉，大多数情况改局部文件头就够了。另外，7-Zip对伪加密的容忍度比WinRAR高，用7-Zip试一下也许直接就能打开。第二种判断方法是运行那个经典命令：

ZipCenOp.jar -r flag.zip

国外CTF圈子老工具ZipCenOp可以对ZIP的加密标志做批量重置，但它的使用环境依赖Java老版本，现在很多新机器跑不起来。所以我现在的首选方案仍是：先试7-Zip，再手动改字节，这两个方法基本覆盖90%的伪加密场景。

2.2 文件头被篡改时的修复技巧

除了伪加密，还有一种常见操作是把文件头整个换掉。比如题目文件的开头被改成50 4B 03 05或者干脆是一串和ZIP无关的字节，导致file命令识别为Data，Windows里也会直接报“文件已损坏”。

修复思路其实很简单：只要认出数据主体是ZIP结构，把开头改回50 4B 03 04即可。但前提是你要能从杂物里认出ZIP结构。我的判断顺序是：

1. 用hexdump看前16字节。
2. 如果是无扩展名文件，搜索整个文件里有没有50 4b 03 04或50 4b 01 02的重复出现。
3. 用binwalk扫描，看有没有提示Zip archive data。

如果binwalk提示有ZIP数据但头部被破坏，修复时不要只改前4字节。要注意局部文件头和中央目录是否都完整。最稳的操作是：把文件头和中央目录签名都恢复成标准值，然后保存为新文件，再试解压。

常见的文件头魔数我也顺手整理了一份，遇到类似“改文件头”的题可以用到：

修复脚本可以用Python写，几行就够。下面这个示例假设已知文件偏移0处应该修成ZIP头：

# fix_zip_header.py with open('cyberpunk', 'rb') as f: data = bytearray(f.read()) # 如果开头不是标准ZIP局部文件头，按标准字节修正 if data[:4] not in (b'PK\x03\x04',): data[:4] = b'PK\x03\x04' with open('fixed.zip', 'wb') as f: f.write(data) print('done -> fixed.zip')

更保险的做法是不覆盖原文件，始终输出到新文件。等你熟练了可以直接用十六进制编辑器改，但对新手来说，保留原始文件、另存修复结果能避免很多误操作。

3. LSB隐写：藏在像素最低位里的信息

解决完ZIP文件头，解压出来的图片才是第二层战场。如果打开图片肉眼看不到任何异常，别急着在脑门上写“扫不出来”，先想想LSB。

3.1 LSB原理：为什么肉眼看不出来

LSB全称Least Significant Bit，最低有效位。数字图像中每个像素由红、绿、蓝三个通道组成，每个通道通常用8位二进制表示，取值范围0到255。

把255写成二进制是1111 1111，把254写成1111 1110，两者只差最后一位。而这一位恰恰对颜色数值影响最小——最多让亮度变化1/255，人眼几乎无法察觉。LSB隐写干的事情，就是把要隐藏的信息的二进制位，逐个替换掉像素值的最低一位。

比如要隐藏字符“A”，它的ASCII码是65，二进制是01000001。假如某个像素的红色分量是10001010，把最后一位替换成0，它变成10001010不变；如果下一位需要1，但对应的绿色分量最后一位正好是0，就把它改成1。这样逐位替换，所有像素的RGB三个通道就能承载任意二进制数据。一行字符、一张小图片，甚至一个压缩包，只要体积允许，都可以塞进去。

用生活化的例子来理解：这就像在整面纯色墙纸上，用颜色差别只有1%的涂料写了一段文字。你站在三米外看，墙纸就是纯色的；凑到跟前对比色号，才能看出有些地方颜色微微不一样。LSB隐写就是这个思路，只不过“涂料的色号差别”体现在二进制最后一位。

之所以图片载体喜欢选PNG、BMP，是因为它们是无损格式，像素值原样保存；如果是JPEG这种有损压缩格式，压缩过程中像素值会被重新量化，LSB里嵌入的信息大概率会被破坏。所以做题时看到题目给的是PNG图片，LSB几乎是必查项。

3.2 用StegSolve和zsteg提取

提取LSB最老牌的工具是StegSolve，一个Java写的GUI小工具，适合手动查看和逐通道提取。打开图片后，操作路径是：

1. 菜单栏选Analyse。
2. 选择Data Extract。
3. 面板里有R、G、B三个通道，每个通道有0到7共8个位平面。
4. 只勾选R、G、B的0位（也就是每个通道的最低位），点Extract或Preview。

如果看到提取出来的左侧预览区出现一串ASCII字符或者明显的文件头，那基本就是flag了。把结果保存成文本或者文件即可。

命令行选手更推荐zsteg，一条命令扫完所有常见隐写组合：

zsteg -a cyberpunk.png

-a参数会遍历所有通道、所有位平面组合，输出可能的隐藏内容。如果flag是明文，屏幕上直接就能看到；如果隐藏内容是一张图片，zsteg会提示检测到了PNG/JPEG之类的东西。

我实际使用中，两个工具配合最有效：先用zsteg快速出结果，如果没出，再开StegSolve手动调整通道组合。因为有些题目会只隐藏在一个通道里，或者需要按特定顺序读取，zsteg的默认组合不一定覆盖到，StegSolve的手动勾选反而更灵活。

3.3 手写一个Python提取脚本

工具再好用，面试时、比赛断网时，手写脚本的能力就是底牌。用Python配合PIL库，提取LSB其实非常短。

下面这个脚本按“先红通道、再绿通道、再蓝通道，从上到下逐行扫描”的顺序，取出每个像素三个通道的最低有效位，拼成二进制串，再转成ASCII字符串：

# extract_lsb.py from PIL import Image def extract_text_from_lsb(image_path): img = Image.open(image_path) pixels = img.load() width, height = img.size bits = [] # 按顺序遍历像素：每个像素取R、G、B通道的最低位 for y in range(height): for x in range(width): r, g, b = pixels[x, y][:3] bits.append(r & 1) bits.append(g & 1) bits.append(b & 1) # 每8位拼成一个字节，再转字符 chars = [] for i in range(0, len(bits) - 7, 8): byte = 0 for j in range(8): byte = (byte << 1) | bits[i + j] chars.append(chr(byte)) # 提取结果是完整文本 + 大量空字节噪声，只输出可读部分 text = ''.join(chars) printable = ''.join(c for c in text if 32 <= ord(c) <= 126) return printable if __name__ == '__main__': print(extract_text_from_lsb('cyberpunk.png'))

运行后输出的可读字符串里如果能看到flag{...}，那就成了。如果输出是乱码，不要慌，大概率是位序或读取顺序不对。常见的变体包括：

• 字节内位序是反的，需要从第7位往第0位读，而不是从第0位往第7位。
• 只取某一个通道，比如先全图取R通道，再全图取G通道，而不是每个像素交替取三通道。
• 隐藏的不是文本，而是另一张图片或ZIP文件。那提取出来的二进制串转成字节后，前几个字节会显示出PNG或PK的文件头，此时需要把整个二进制流按字节保存成文件，再用file命令识别。

提取二进制转文件的核心代码，本质上就是一个“比特收集器”加一个bytes()拼接：

# 假设bits已经收集好 byte_values = [] for i in range(0, len(bits) - 7, 8): byte = 0 for j in range(8): byte = (byte << 1) | bits[i + j] byte_values.append(byte) data = bytes(byte_values) with open('hidden_out', 'wb') as f: f.write(data)

保存之后用file hidden_out查看真实类型，再按类型做后续处理。这一步在CTF里很常见，可能一个图里藏了另一个小图，小图里还有一层。

4. 模拟解题流程：神秘文件变成flag的完整过程

前面原理讲了一堆，接下来我用一个模拟题场景，把从拿到文件到拿到flag的完整流程走一遍。为了符合“赛博朋克”这道题的背景，我假设题目下载下来一个没有扩展名的文件，文件名就叫cyberpunk。

4.1 初始分析：file、binwalk、hexdump

拿到文件后，我的习惯顺序是：

ls -la cyberpunk file cyberpunk binwalk cyberpunk hexdump -C cyberpunk | head -20

假设file输出的是data，说明系统没识别出真实类型。binwalk扫描结果可能显示ZIP archive data，只是头部信息不对。再用hexdump看前20个字节，此时看到的可能是：

00000000 50 4b 03 05 14 00 00 00 08 00 21 07 5a 7f 62 60 |PK........!.Z.bb|

50 4b 03 05和标准ZIP的50 4b 03 04就差最后一个字节，这是出题人故意“改坏”的典型手法。认出这一点，修复方向就明确了。

4.2 修复ZIP头并破解伪加密

这里有两种路径，取决于binwalk能不能直接提取。如果binwalk已经把里面的ZIP部分分离出来了，那直接处理提取出的文件；如果binwalk只提示ZIP结构存在但没分离，就手动修复。

修复步骤：

1. 复制一份：cp cyberpunk cyberpunk.bak。
2. 用010 Editor打开cyberpunk，把偏移0处的50 4b 03 05改成50 4b 03 04。
3. 保存为cyberpunk_fixed.zip。
4. 尝试: 7z x cyberpunk_fixed.zip，或者直接双击。

此时如果出现“需要密码”的提示，就怀疑伪加密。重复前面说的：hexdump查看偏移6-7字节的通用标志位，发现是09 00或01 00之类的加密标志，直接改成00 00再保存。

伪加密修复之后，解压得到cyberpunk.png。图片是赛博朋克风格的高饱和霓虹夜景图，肉眼完全看不出异常。不要光看，直接进入LSB步骤。

4.3 在解压出的图片里提取LSB内容

拿到cyberpunk.png，先跑zsteg：

zsteg -a cyberpunk.png

如果运气好，输出里直接有flag{...}。但为了演示手写脚本的用法，也可以把自己写的extract_lsb.py跑一下：

python3 extract_lsb.py

输出里能看到一串可读字符，其中有类似flag{zip_lsb_...}的字段。到这里，这道题就算解完了。

4.4 解题流程总览

把上面整个过程简单总结成一张表，方便以后遇到类似题目时对照：

这个流程不是只对“赛博朋克”这一道题有效。换成任何“ZIP+图片”的隐写组合题，只要把文件名和图片风格换掉，解题路径几乎是一致的。

5. 常见问题与避坑经验

这一章我把实际做隐写题过程中踩过的坑整理一下，按“症状→原因→解法”的方式列出来，方便大家真的卡住的时候有据可查。

5.1 排查问题速查表

5.2 实际操作中的几点心得

第一个经验：看到什么类型，不要只信file命令的输出。file是拿文件头比对魔数库，文件头被改了它就“撒谎”。比赛里最容易被骗的就是这一步。每次我都用hexdump再确认一下前4个字节，最多10秒钟，能省后面半小时。

第二个经验：解压ZIP报错时，别急着上密码爆破工具。很多新手一看到压缩包有密码就去跑字典，但伪加密题的密码根本不存在，跑几小时也是白费。判断ZIP是否为伪加密，其实只要看通用标志位这一个字段。先花30秒做静态检查，比闷头爆破高效太多了。

第三个经验：LSB提取没有固定顺序。不同的隐藏脚本可能按“每个像素RGB”“先R后G后B”，也可能按“全图R通道扫完再G通道”，甚至可能是MSB顺序。工具扫不出来的时候，我建议手写脚本多试几个排列组合，比反复开GUI点鼠标快。这也是为什么我推荐大家至少会手写一个提取脚本，不是为了炫技，而是排查问题时它是最可控的手段。

第四个经验：培养“备份原文件”的肌肉记忆。修文件头、改标志位都是直接对二进制动手，写错一个字节文件就是废的。我现在只要对原始文件做修改，一定先复制一份.bak，改坏了可以用原文件重来。这习惯让我少交了很多份“重做作业”。