[SUCTF2019]MT(MT19937:逆向 extract_number)

本文详细介绍了MT19937伪随机数生成算法,并提供了加密和解密函数的实现。通过逆向工程,给出了如何解密已加密的flag。同时,还探讨了如何利用该算法实现加密后的明文能够通过不断加密最终回到原始明文的解题方法。
摘要由CSDN通过智能技术生成

考点是 MT199937 ,可以去学习 badmonkey 大佬的博客:
浅析MT19937伪随机数生成算法
关于MT19937的wiki
题目:

from Crypto.Random import random
from Crypto.Util import number
from flag import flag

def convert(m):
    m = m ^ m >> 13
    m = m ^ m << 9 & 2029229568
    m = m ^ m << 17 & 2245263360
    m = m ^ m >> 19
    return m

def transform(message):
    assert len(message) % 4 == 0
    new_message = ''
    for i in range(len(message) / 4):
        block = message[i * 4 : i * 4 +4]
        block = number.bytes_to_long(block)
        block = convert(block)
        block = number.long_to_bytes(block, 4)
        new_message += block
    return new_message

transformed_flag = transform(flag[5:-1].decode('hex')).encode('hex')
print 'transformed_flag:', transformed_flag
# transformed_flag: 641460a9e3953b1aaa21f3a2

加密原理很简单,就是通过 convert() 函数获取随机数将 flag 加密。考的题型是 逆向 extract_number函数

解题EXP:

#python2
from Crypto.Util import number

# right shift inverse
def inverse_right(res, shift, bits=32):
    tmp = res
    for i in range(bits // shift):
        tmp = res ^ tmp >> shift
    return tmp


# right shift with mask inverse
def inverse_right_mask(res, shift, mask, bits=32):
    tmp = res
    for i in range(bits // shift):
        tmp = res ^ tmp >> shift & mask
    return tmp

# left shift inverse
def inverse_left(res, shift, bits=32):
    tmp = res
    for i in range(bits // shift):
        tmp = res ^ tmp << shift
    return tmp


# left shift with mask inverse
def inverse_left_mask(res, shift, mask, bits=32):
    tmp = res
    for i in range(bits // shift):
        tmp = res ^ tmp << shift & mask
    return tmp


def extract_number(y):
    y = y ^ y >> 11
    y = y ^ y << 7 & 2636928640
    y = y ^ y << 15 & 4022730752
    y = y ^ y >> 18
    return y&0xffffffff

def convert(y):
    y = inverse_right(y,19)
    y = inverse_left_mask(y,17,2245263360)
    y = inverse_left_mask(y,9,2029229568)
    y = inverse_right(y,13)
    return y&0xffffffff

def transform(message):
    assert len(message) % 4 == 0
    new_message = ''
    for i in range(len(message) / 4):
        block = message[i * 4 : i * 4 +4]
        block = number.bytes_to_long(block)
        block = convert(block)
        block = number.long_to_bytes(block, 4)
        new_message += block
    return new_message

transformed_flag = '641460a9e3953b1aaa21f3a2'
c = transformed_flag.decode('hex')
flag = transform(c)
print flag.encode('hex')

第二种解法是基于出题人的算法,使得明文通过不断的加密最后还是明文。

#python2
from Crypto.Random import random
from Crypto.Util import number

def convert(m):
    m = m ^ m >> 13
    m = m ^ m << 9 & 2029229568
    m = m ^ m << 17 & 2245263360
    m = m ^ m >> 19
    return m

def transform(message):
    assert len(message) % 4 == 0
    new_message = ''
    for i in range(len(message) / 4):
        block = message[i * 4 : i * 4 +4]
        block = number.bytes_to_long(block)
        block = convert(block)
        block = number.long_to_bytes(block, 4)
        new_message += block
    return new_message
def circle(m):
    t=m
    while True:
        x=t
        t=transform(t)
        if t==m:
            return x
transformed_flag='641460a9e3953b1aaa21f3a2'
flag = circle(transformed_flag.decode('hex')).encode('hex')
print('transformed_flag:', flag)
`std::mt19937_64` 和 `std::random_device` 都是 C++ 标准库中用于生成随机数的类/函数,但它们在实现机制和使用方式上有一些区别。 `std::mt19937_64` 是一个伪随机数生成器类,它使用 Mersenne Twister 算法生成高质量的伪随机数。它可以通过设置种子来初始化,并且可以进行状态保存和恢复,因此在需要多次生成随机数时,可以保持一致的随机序列。`std::mt19937_64` 适用于大多数情况下的随机数需求。 示例代码: ```cpp #include <iostream> #include <random> int main() { std::mt19937_64 rng(std::random_device{}()); std::uniform_int_distribution<int> dist(1, 10); int random_number = dist(rng); std::cout << "随机数为:" << random_number << std::endl; return 0; } ``` `std::random_device` 是一个非确定性随机数生成器类,它使用操作系统提供的真正的随机源来生成随机数。它通常用于需要高度随机性的情况,例如密码生成等。但是,由于真正的随机源可能不一定在所有平台上都可用,因此 `std::random_device` 的实现可能是基于伪随机数生成器。 示例代码: ```cpp #include <iostream> #include <random> int main() { std::random_device rd; std::mt19937_64 rng(rd()); std::uniform_int_distribution<int> dist(1, 10); int random_number = dist(rng); std::cout << "随机数为:" << random_number << std::endl; return 0; } ``` 需要注意的是,`std::random_device` 可能会比较慢,因为它依赖于操作系统提供的随机源,而且在某些平台上可能是伪随机数生成器。因此,在大多数情况下,使用 `std::mt19937_64` 配合适当的种子设置,可以满足大部分随机数需求。
评论
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