AI 自动化逆向（二十二）换行比峰值法：让 AI 自己发现图像的宽度
本文是「AI 自动化逆向」系列第 22 篇。上一篇：同义反复的度量：AI 最容易糊弄你的地方；下一篇预告：magic 家族图谱：让 AI 定位「读取器在哪个模块里」。
前言
审核协议那条线讲完了，回到格式战场。这一篇讲一个很漂亮的方法------当"宽度"这种元信息缺失时，不猜它，让数据自己说出来。
场景：一种瓦片图集文件，头里能读出"有几块瓦片"，但每块像素没有尺寸字段；像素数据就是一片连续字节。它是 128 宽？256 宽？还是干脆是一张竖着排的长条？
（同前几篇：文中"AI"指执行分析的模型，"我"指设定目标、审结果的人；内容均已脱敏。）
一、AI 在这里踩的坑：先定布局，再看数据
第一版解读是错的，而且错法很典型：它先把"布局"猜死了------"这些瓦片大概是竖着排的一张长条纹理"------然后让数据去将就这个布局。渲染出来自然是花屏。
这个坑的位置值得记住："猜布局"这条路的验收标准，永远只是"看起来闭合了" 。比如那条整除关系------"文件大小减去头，正好等于块数乘以某个固定块大小"------它在全部一百多个文件上零误差 。零误差！但它只是必要不充分 ：任何整齐的字节流都能找到某种整除方式。整除通过，什么都不能保证。
人应该加的检查 ：闭合类证据（整除、恒等式）只能证明"没算错"，不能证明"解释对了"。"能闭合"和"解释对了"之间，还隔着一整个假设。
二、过程：换行比峰值法
方法本体
回到那个问题：像素是一片线性字节，宽度未知。但数据自己知道答案------
如果它是宽度 W 的二维图，那么线性序列每 W 个像素，就该出现一次"换行"；而换行处的相邻像素突变，应该明显大于行内部。
于是可以定义一个换行比：边界处的像素差 ÷ 行内部的平均像素差。然后对候选宽度做精细扫描，看这个比值怎么变：
| 候选宽度 | ... | 126 | 127 | 128 | 129 | 130 |
|---|---|---|---|---|---|---|
| 换行比 | ... | 1.110 | 1.054 | 25.5 | 1.019 | 1.185 |
峰值尖锐、精确落在 128，邻居全部塌回 1.0 附近。 宽度 = 128 像素。（块大小又恰好等于 128×128×4 字节------一个正方形瓦片。）
这个方法好看在哪：它没有动用任何外部知识------没有猜、没有查表、没有翻代码；只是问了一句"哪个候选宽度会让数据最像一张图"，数据自己指了 128。
而且它自带了可信度判据：
- 峰值尖锐、邻居塌回 ≈1.0 → 可信；
- 如果扫出来是一片没有主峰的山丘 （好几处都差不多高），别选"最高的那个"------那是模型不对的信号，不是分辨率不够（第 7 篇那把尺子，在这里量的是宽度）。
四重验证：谁强谁弱，分清楚
这个方法最后和另外三条证据并排放进结论，但强度是分级的：
| 证据 | 强度 | 一句话 |
|---|---|---|
| 整除性（大小 = 块数 × 固定块大小） | 弱（辅证） | 必要不充分------它只排除"算错"，不证明"解释对" |
| 换行比峰值 | 强（决定性） | 峰值尖锐、孤独，且精确落在候选上 |
| 行平滑度 | 强 | 用对宽度：相邻行差在个位到十位；用错宽度：行被切碎，差值直接跳一个量级 |
| 块边界突变 | 强（语义） | 块与块之间的跳变远大于块内行差 → 每块是独立瓦片，不是连续条带；且每块的透明通道从 0 重新爬升------块是自包含的 |
弱证据当辅证，强证据各自独立------四条不是"凑数"，是四种不同的物理直觉。
顺带：通道顺序也用"必然性"裁决
颜色通道的顺序不靠猜。挑颜色必然性的样本反问："岩浆必须偏红、海水必须偏蓝、沙滩偏暖"------把每种候选顺序代进去，算实际字节：
- 岩浆样本：若按错误顺序读，它变成蓝色------荒谬；
- 沙滩样本：若按错误顺序读，它变成电光蓝------荒谬。
10 个样本里 9 个方向一致（那个"例外"后来还被翻案------见下），扩到 50 个样本后依然全票。判据的力量来自"荒谬" ：错误的解读不是"差一点"，是语义上当众崩坏。
事后复核：三条不同的路
后来邻近格式出过一次"判错像素布局"的事故（第 16 篇），这一批的产物被用三条与原文不同的路径 重新验了一遍------避免自证循环：
- 几何闭合：全部文件重算不等式，零例外；
- 语义颜色裁决扩样到 50 个：全部指向同一通道顺序；
- 肉眼：渲染出来是干裂土地、带发光脉络的熔岩，且瓦片间呈典型的渐变透明布局------"地形混合图集应有的样子"。
复核还抓了两件"原文没做对"的事：
- 那个曾经被记为"唯一例外"的样本不是例外 ：之前的统计把大片透明区一起平均了；只看不透明像素，它正是第 N 个支持原判的样本------统计口径的透明区，能把支持者算成例外。
- 发现头的长度是变长的 、推不出来；渲染器目前靠"文件大小减去块数乘块大小"反推 它------这个反推隐含假设了块大小一定是那个值 。于是加了一条纪律：反推出来的量要标注它依赖的前提，并用前加断言；不满足就跳过并记录，别静默出图。
三、判据与验证：四条
1. 元信息缺失时，让数据自己说。 找"本该出现的不连续性"（这里：每 W 像素一次的换行），对它做扫描------比"猜一个合理值再验证"强一个量级。
2. 峰值要"尖锐且孤独"。 有主峰、邻居塌回基准，才可信；没有主峰，先怀疑模型。
3. 多重验证要分级。 弱证据（整除、闭合）只做辅证；强证据（峰值、平滑度、块边界）各自独立成立------四条同向，才下结论。
4. 反推量标注前提、用前断言。 "反推来的"和"读出来的"是两种可信度；把隐含假设显式写出来，再加一道会拒绝的断言。
四、结论
这个方法最可迁移的一点：当元信息缺失时，好的判据不是"更聪明的猜测"，是让数据中"本该出现的不连续性"自己站出来。
换行比测的其实不是图像------测的是"你的模型和数据对齐的程度"：模型对了，不连续性自己排成一条尖锐的竖线；模型错了，它散成一片谁也说不清的丘陵。
五、边界声明
- 本文只讨论AI 自动化逆向中的判据设计与审核方法，不涉及任何具体产品、厂商或服务的分析结论。
- 文中所有地址、偏移、常量、字段名一律为占位符或示意值 ，
不代表任何真实目标中的取值；示例代码为说明判据而编写，不构成可运行的针对特定目标的工具。 - 文中提到的比例与数字均来自作者项目内的测量记录，仅用于说明方法失效的方式。
- 请勿将本文内容用于未授权的用途。
六、收尾
下一篇换一个问题，也是格式逆向里最实用的一问："这东西是被谁读的？"------不猜、不跟，扫遍所有模块的字节，让"家族图谱"自己指认读取器。
下一篇计划聊：magic 家族图谱：让 AI 定位「读取器在哪个模块里」。
转载请注明出处：