2022年中职“网络安全“—隐写术应用(misc)

简介: 2022年中职“网络安全“—隐写术应用(misc)

隐写术应用

ü 服务器场景:Sever23

ü 服务器场景操作系统:Windows(开放链接)

ü 用户名:administrator 密码:123456

1.找到桌面文件夹1中的文件,将文件中的隐藏信息作为flag值提交;

思路:使用binwalk分析文件,发现里面包含了一张图片

使用dd工具把它分离出来

使用Stegsolve工具分析刚刚分离出来的文件


flag:ISG{E4sY _StEg4n0 gR4pHy}

2.找到桌面文件夹2中的文件,将文件中的隐藏信息作为flag值提交;

思路:使用HxD工具分析图片,在末尾发现了GNP,猜想这张图片可能是倒过来了,利用脚本把它给反转就可以了


6c64c7991b11b865a9c8cff436cc50ac.png


a = open('flag.jpg','rb')
b = open('test.png','wb')
b.write(a.read()[::-1])

b1dc16adf83091aecfad325b53c6fd2d.png


3c9198b952e88c7aa885e1a40fa56d0f.png

flag:flag{Mirr0r_R3f3ct1on_H1dd3n_f14g}


3.找到桌面文件夹3中的文件,将文件中的隐藏信息作为flag值提交;

查看图片,是一张很长的gif图片,先使用kali的convert命令可以分解图片

由于新版kali的convert取消了这个共能,我是用旧版的,是这个大家注意一下!!!

6490513ec0937ed5bccbd5c66069927e.png

使用montage合并图片

命令:montage flag.png -tile x1 -geometry +0+0 flag.png*

8cd2bbe7ad006bd9b0f95e99e107a2a8.png

flag:TWCTF{Bliss by Charles O’Rear}

4.找到桌面文件夹4中的文件,将文件中的隐藏信息作为flag值提交;


发现缺少文件头,添加一个gif的文件头

iswnrify提权特殊的GIF信息

56c003c040c6ee872818c8987083a884.png

awk实现截取第二段字符

去除文件开头两个66 发现其余皆为10,20 sed将10替换1,20替换0,得到二进制字符串

sed删除回车


python脚本将二进制转换为ascii

import re 
inputdata = "0101100001001101010000010100111001111011001110010011011000110101001101110011010101100010011001010110010101100100001101000110010001100101011000010011000100111000011001000110010101100100001101000011011100110011001101010011011000110100001100110110000101100101011000110110011001100001001100110011010101111101"
bindata = re.findall(r'.{8}',inputdata)
for i in bindata:
    ascii = int(i,2)
    print (chr(ascii),end = '')


782f21f70df762dc5644d5c99dc8b413.png

flag:XMAN{96575beed4dea18ded4735643aecfa35}

5.找到桌面文件夹5中的文件,将文件中的隐藏信息作为flag值提交;

思路:HxD分析文件,发现png的文件头,修改后缀为png

b770e95feb396ea2d0cf2b522658860c.png


98fae3a65ed49c89ca0d6c528636cc9d.png

使用工具QR扫描二维码

flag:pyseclab{wizc_5438sdh8_k}


目录
打赏
0
1
1
0
7
分享
相关文章
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
51 3
RT-DETR改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
基于DeepSeek的生成对抗网络(GAN)在图像生成中的应用
生成对抗网络(GAN)通过生成器和判别器的对抗训练,生成高质量的合成数据,在图像生成等领域展现巨大潜力。DeepSeek作为高效深度学习框架,提供便捷API支持GAN快速实现和优化。本文详细介绍基于DeepSeek的GAN技术,涵盖基本原理、实现步骤及代码示例,展示其在图像生成中的应用,并探讨优化与改进方法,如WGAN、CGAN等,解决模式崩溃、训练不稳定等问题。最后,总结GAN在艺术创作、数据增强、图像修复等场景的应用前景。
187 16
YOLOv11改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
YOLOv11改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
114 16
YOLOv11改进策略【模型轻量化】| 替换骨干网络为MoblieNetV1,用于移动视觉应用的高效卷积神经网络
云原生应用网关进阶:阿里云网络ALB Ingress 全面增强
云原生应用网关进阶:阿里云网络ALB Ingress 全面增强
机器学习在网络流量预测中的应用:运维人员的智慧水晶球?
机器学习在网络流量预测中的应用:运维人员的智慧水晶球?
102 19
DeepSeek生成对抗网络(GAN)的训练与应用
生成对抗网络(GANs)是深度学习的重要技术,能生成逼真的图像、音频和文本数据。通过生成器和判别器的对抗训练,GANs实现高质量数据生成。DeepSeek提供强大工具和API,简化GAN的训练与应用。本文介绍如何使用DeepSeek构建、训练GAN,并通过代码示例帮助掌握相关技巧,涵盖模型定义、训练过程及图像生成等环节。
应用程序中的网络协议:原理、应用与挑战
网络协议是应用程序实现流畅运行和安全通信的基石。了解不同协议的特点和应用场景,以及它们面临的挑战和应对策略,对于开发者和用户都具有重要意义。在未来,随着技术的不断发展,网络协议也将不断优化和创新,为数字世界的发展提供更强大的支持。
云原生应用网关进阶:阿里云网络ALB Ingress 全能增强
在过去半年,ALB Ingress Controller推出了多项高级特性,包括支持AScript自定义脚本、慢启动、连接优雅中断等功能,增强了产品的灵活性和用户体验。此外,还推出了ingress2Albconfig工具,方便用户从Nginx Ingress迁移到ALB Ingress,以及通过Webhook服务实现更智能的配置校验,减少错误配置带来的影响。在容灾部署方面,支持了多集群网关,提高了系统的高可用性和容灾能力。这些改进旨在为用户提供更强大、更安全的云原生网关解决方案。
810 25
有效抵御网络应用及API威胁,聊聊F5 BIG-IP Next Web应用防火墙
有效抵御网络应用及API威胁,聊聊F5 BIG-IP Next Web应用防火墙
121 10
有效抵御网络应用及API威胁,聊聊F5 BIG-IP Next Web应用防火墙

热门文章

最新文章