【渗透测试】PNG图片隐藏部分恢复

1、图片原尺寸还原方法一

缺点就是有点慢,毕竟遍历的次数比较多

python 复制代码
import binascii
import struct
import sys

filename = sys.argv[1]
crcbp = open(filename, "rb").read()  # 打开图片
crc32frombp = int(crcbp[29:33].hex(), 16)  # 读取图片中的CRC校验值
print(f"图片中的CRC校验值:\t{crc32frombp}")

for i in range(4000):  # 宽度1-4000进行枚举(如果图片太大,可以适当自行增大)
    for j in range(4000):  # 高度1-4000进行枚举(如果图片太大,可以适当自行增大)
        data = crcbp[12:16] + struct.pack('>i', i) + struct.pack('>i', j) + crcbp[24:29]
        crc32 = binascii.crc32(data) & 0xffffffff
        # print(crc32)
        if crc32 == crc32frombp:  # 计算当图片大小为i:j时的CRC校验值,与图片中的CRC比较,当相同,则图片大小已经确定
            print(f"图片大小(宽×高):\t{i} × {j}")
            print(f'换算后hex:\t\t{hex(i)}, {hex(j)}')

2、图片原尺寸还原方法二

这个方法有时候结果不太准确,可以两个方法相互印证

python 复制代码
import struct
import sys
import zlib

filename = sys.argv[1]
with open(filename, 'rb') as f:
    all_b = f.read()
    crc32key = int(all_b[29:33].hex(), 16)
    data = bytearray(all_b[12:29])
    n = 4095
    for w in range(n):
        width = bytearray(struct.pack('>i', w))
        for h in range(n):
            height = bytearray(struct.pack('>i', h))
            for x in range(4):
                data[x + 4] = width[x]
                data[x + 8] = height[x]
            crc32result = zlib.crc32(data)
            if crc32result == crc32key:
                print("宽为:", end="")
                print(width)
                print("高为:", end="")
                print(height)
                exit(0)

3、PNG图片尺寸修改

修改后,PNG图片即可恢复修改前的大小,显示隐藏的部分。

相关推荐
捕鲸叉10 分钟前
C++单例模式与多例模式
开发语言·c++·单例模式
许野平12 分钟前
Rust:AtomicI8 还是 Mutex<u8>?
开发语言·后端·rust·mutex·atomic
Root_Smile13 分钟前
【C++】单例模式
开发语言·c++·单例模式
weixin_5436628621 分钟前
BERT的中文问答系统34
python·深度学习·bert
0x派大星22 分钟前
【Golang】——Gin 框架中的表单处理与数据绑定
开发语言·后端·golang·go·gin
WangYaolove131441 分钟前
请介绍一下Python的网络编程以及如何使用socket模块进行网络通信
开发语言·网络·python
小王同学的C++1 小时前
什么是 C++ 内联函数?它的作用是什么?
开发语言·c++
codists1 小时前
《Django 5 By Example》阅读笔记:p211-p236
python·django
pumpkin845141 小时前
Django
后端·python·django
噜噜噜噜鲁先森1 小时前
零基础利用实战项目学会Pytorch
人工智能·pytorch·python·深度学习·神经网络·算法·回归