BUUCTF刷题记录10道MISC(二)

博主分享了在BJDCTF比赛中解决多个MISC类型题目的心得,涉及图片格式解析、隐藏信息提取、压缩包伪造加密、摩斯电码解密、隐写术等技巧。通过010editor、Audacity等工具,成功解密得到flag。
[BJDCTF 2nd]最简单的misc-y1ng

上来一个加密安装包,属性找不到密码,010editor伺候
50 4b 03 04 后的加密为是 08 00 偶数,说明没有加密,是伪加密
修改50 4b 01 02后的加密位后,解压得到未知文件
010editor打开发现IHDR,说明是png格式,发现缺少文件头
补齐89 50 4E 47,顺便获得flag图片

[BJDCTF 2nd]A_Beautiful_Picture

png文件010editor打开
文件头正常,搜索 IEND 文件尾
跳到了最后,一切正常
看看属性,无果
LSB,无果
搜索BJD,无果
尝试性修改图片高度,顺便得到flag

来首歌吧

歌?拖进Audacity
发现隐藏摩斯电码,解密后顺便得到flag

神秘龙卷风

四位数爆破rar
龙卷风是brainfuck,解密得flag

九连环

jpg文件010editor打开
文件头正常,搜索FF D9文件尾
跳到了后面,最后还有个很大的压缩包
分离压缩包,压缩包内有一个压缩包和一个加密了的图片
压缩包中的压缩包有个加密了的flag
010editor仔细分析压缩包
以50 4b 03 04为开头,50 4b 01 02为中间,50 4b 05 06为结尾
压缩包格式为:开开开开中结中中中结,标号1234567890
因为压缩包中含有压缩包,456对应的 开中结 应该为一个整体
对应序号为 1-7 2-8 3-9 (通过文件名判断)
发现2和8的加密位不对应,正是那个加密了的图片
说明是个伪加密
通过图片名称“已合并”,考虑steghide隐写,得

对于BUUCTF杂项类别中的大流量分析第部分,通常涉及网络流量数据的深入解析和处理。虽然提供的材料主要集中在轨迹预测和插补上的模仿非自回归建模[^1],这与所需的信息不完全匹配,但从网络安全竞赛的角度出发,可以推测该目可能涉及到对大量网络日志或抓包文件(如PCAP)的数据挖掘。 针对此类挑战的一般方法论如下: ### 大规模流量数据分析 #### 数据预处理 大规模流量数据往往包含冗余信息,在开始任何具体的分析之前,应该先清理并提取有用的部分。此过程包括但不限于过滤无关协议、去除重复条目以及标准化时间戳等操作。 #### 特征工程 为了更好地理解通信模式,可以从原始流记录中派生出各种特征向量。这些指标能够帮助识别异常行为模式或是潜在的安全威胁。常见的做法是从会话持续时间、传输字节数等方面构建统计描述符。 #### 流量分类与聚类 利用机器学习算法来区分不同类型的网络活动是一项关键技术。通过监督式训练模型可实现特定应用层协议的自动辨识;而无监督的方法则有助于发现未知但相似的行为群体。 #### 可视化展示 最后,借助图形工具直观呈现复杂的关系结构至关重要。有效的可视化不仅便于研究人员快速定位兴趣点,而且能辅助解释结果背后的意义。 ```python import pandas as pd from sklearn.cluster import KMeans from scapy.all import * def load_pcap(file_path): packets = rdpcap(file_path) df = pd.DataFrame(columns=['timestamp', 'src_ip', 'dst_ip', 'length']) for packet in packets: try: if IP in packet: row = { "timestamp": packet.time, "src_ip": packet[IP].src, "dst_ip": packet[IP].dst, "length": len(packet) } df = df.append(row, ignore_index=True) except Exception as e: pass return df dataframe = load_pcap('example.pcap') kmeans_model = KMeans(n_clusters=5).fit(dataframe[['length']]) labels = kmeans_model.labels_ ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值