攻防最前線：一個檔案變出六種格式，MD5值完全相同
今天你可能已被“fake news”欺騙無數次，
所以我們帶來了一條真實的愚人新聞。
文 | 光譜
你可能聽說過格式工廠，是一個給檔案轉格式的工具。
但今天，矽星人見識了一個十分厲害的東西：不但一個檔案可以有六種格式，而且變出來的新檔案 MD5 雜湊值還和原始檔一樣……
需要宣告，不是故意要發在四月一日欺騙大家的感情：下面提到的都是真的，並非愚人節玩笑。
我們來一步一步看。
黑客圈有本期刊叫做 PoC||GTFO，全名是 The International Journal of Proof of Concept or Get The Fuck Out（譯為“國際概念證明或者滾蛋期刊”？），發表在上面的都是一些檔案格式、逆向工程和黑客攻擊方面雜七雜八的東西。期刊的發表方式為線上 pdf，免費傳閱，鼓勵映象。
而最新的 PoC||GTFO 0x19 這一期也很有意思：它本身是一個 pocorgtfo19 .pdf 檔案，卻可以手動修改副檔名，變成三個“完全不同”（as in 檔案格式），卻又“完全相同”（as in MD5）的檔案。
這三個相同又不同的檔案，副檔名分別為 .pdf .zip 和 .html。 你可以在 GitHub [1]（點選“閱讀原文”） 上下載這個檔案（大約65MB），然後自己修改副檔名試試。如果你無法訪問，矽星人也把檔案傳到了百度網盤上 [2]。
如果我們對這三個檔案 .pdf .zip 和 .html 進行 MD5 校驗，會發現他們的 MD5 值完全一致——這並沒什麼的，因為不會對檔案造成任何影響，理論上它們還是同一個檔案（只是副檔名不同）：
但它的好玩之處就在於，三個不同副檔名都可以正常工作，並且具備各自的意義。
如果你開啟 .pdf 版本，就可以閱讀這本期刊：
把副檔名改成 .zip，然後進行解壓，會得到這一期 PoC||GTFO 所引用作品的原始文件：
最後我們把格式改成 .html，就可以在瀏覽器裡打開了，會得到下面這樣一個靜態頁面：
這還沒完，更有趣的還在後面呢。這個頁面上寫的是：drop me here so that I can parse myself（把我拽到這個地方，這樣我就能解析我自己了）。這又是什麼意思？
因為你現在開啟的是 .html 檔案， 所以 正確的做法是把 .html 檔案再拖回到上面那段字所在的地方：
這個 html 自己解析自己，居然又解出來了四個檔案？？？？
解出來四個新檔案的分別為：影象 .png 、微軟可執行 .ex 、視訊 .mp4， 以及和最初的 .pdf 完全相同的另一個 .pdf 檔案）。
如果你再去對這四個新檔案檢查 MD5 值，可能世界觀會崩塌： 它們的 MD5 值跟原始的 .pdf 仍然一樣。
而且你需要注意到：新出來的其中三個檔案（.png .ex 和 .mp4）並不是從原檔案直接改副檔名得到的， 而是那個 .html 檔案作為一個解析器，對自己進行解析，所得到的次生檔案。
因為在 macOS 上，矽星人就不開啟 .ex 檔案了；如果我們開啟 mp4 檔案，會得到一段很短賽車視訊：
在解析後的頁面裡，這個小玩意的作者如此解釋： 這個檔案是一個 HTML，但同時它也是一個 PDF polyglot.
Polyglot 的字面意義是通曉多種語言。在電腦科學上，它描述的是多種計算機語言寫在一個檔案裡得到的“雜交體”，可以被這些語言對應的編譯器編譯。
用普通程式設計師的話來講，Polyglot 就是一個程式可以同時用 PDF 和 HTML 編譯器通過。用人話翻譯一遍，就是一個檔案，它可以被當做圖片、視訊和文件開啟，也可以當做可執行程式執行……
作者繼續解釋道：它不僅僅是一個 HTML 和 PDF 的 polyglot，還同時和另外四個檔案（也就是剛才解析出的 .png .ex .mp4 和 .pdf）實現了 MD5 碰撞。
這究竟是什麼魔法？？？
剛才我們還有一個檔案沒開啟，也就是 .png。如果你用 Chrome 瀏覽器開啟它，能看到下面這張圖：
它其實描述的就是這個檔案的結構。簡單來說： 對一個檔案的編碼“排版”進行刻意的修改，在裡面同時加入 html、png、mp4、pe 的檔案頭 (header) 和內容。
基因學有個詞叫做嵌合體，描述的是一個生物體同時擁有多套 DNA，體現出不同的特徵。比如雜交，如果成功，得到的就是一種最典型的生物嵌合體。
而這個 html/pdf 檔案，就像是計算機上的嵌合體。它看起來是一種檔案，實際上還包含了其他多種檔案的“特徵”……
網友對這個小玩意給出了很高的評價：
無限接近魔法了Twitter @suburbsec
哈哈非常酷！向著 SHA-2 進發！Twitter @_unwriter
笑翻了。MD5 彆著急，你到不是完全沒用，只是變成梗了 :-)Twitter @037
小心這些碰撞的碎片（雙關梗，碎片-彈片-彈殼-殼-shell）Twitter @dntlookbehindu
這個小玩意的主要作者是 Ange Albertini 和 Marc Stevens。
Albertini 是 PoC||GTFO 的編輯之一，以及期刊 GitHub“官方頁面”的所有者。他在 Google 的瑞士蘇黎世辦公室擔任安全工程師，在這個小玩意裡主要負責逆向工程的工作。
Marc Stevens 為該專案提供了雜湊碰撞方面的重要幫助。他在荷蘭國家研究機構 CWI 從事加密科學研究，於2017年和 Google 合作首次完成了 SHA-1 碰撞破解，也就是著名的 SHAttered 事件。
前面提到，MD5 在多年前就被證明可以碰撞破解，但是碰撞起來很費時費力。而Albertini 和 Stevens 共同開發出了一個 “一鍵指令碼”，能夠輕鬆 實現兩個（甚至更多）檔案的 MD5 碰撞。
“碰撞任何兩個檔案多年前就實現了，問題是每次都需要幾個小時，沒有捷徑。 我們在此提供一種技巧，面向特定檔案格式和預先計算好的碰撞字首，讓碰撞即可完成。
這一技術的工作原理大致是這樣的：通過預先計算，瞭解 JPG, PNG, PDF, MP4 這樣的常用檔案格式的 prefix（可以被理解為檔案內容的“目錄”）可以怎樣相容，然後在一個單獨的檔案 A 上做文章，使得 A 檔案可以包含 b.jpg、c.png、d.pdf 和 e.mp4 四個不同檔案的資料。
現在，這些研究者可以在 JPG, PNG, PDF, MP4, GIF 這些常用格式的檔案之間快速實現碰撞——不僅他們可以，你也行。 他們已經在 GitHub - corkami/Collision [3]上開源了這些技術，“git clone，執行，搞定。”Albertini 寫道。
說實話這個技術沒太多創造價值的用途……無非是 1）證明了 MD5 真的太不安全了，建議棄用；2）可以被用於黑客攻擊。
安全研究員晨月舉了一個雜湊碰撞攻擊的簡單例子：“比方防毒軟體對可執行檔案很嚴格，但有個 exe 檔案偽裝成了 jpg 檔案，圖片看起來也沒什麼問題，就被通過了，然後進入系統展開攻擊。”（當然，現在的殺軟也沒那麼傻，安全行業也一直對雜湊碰撞保持高度關注。）
這種攻擊造成的傷害，可能更多是社會意義上的。
比如，某政客的網站上有一段視訊總結了他的政治理念和綱領，而黑客製作了一段雜湊值和原視訊完全相同，但意義完全相反的視訊，再注入到網站上，讓政客丟臉，使其失去選民的信任。
這樣看的話，基於這一技術的黑客攻擊就大有潛力了……
兩個不同的視訊，MD5 值一致[4]
這個小玩意的其他貢獻者者還有 Rafał Hirsz，他跟 Albertini 是同事，負責 JavaScript；Kurt Pfeifle，一位 PDF 檔案/PostScript語言方面的專家，PDF Association 成員；Philippe Teuwen，比利時安全公司 QuarksLab 研究員，為專案提供檔案格式幫助；以及 .mp4 視訊的作者是 Gustavo Torres，一位獨立視覺藝術家。
因為檔案格式和雜湊演算法確實不是矽星人的專業，我們就不深入探討了……
如果你感興趣的話，可以下載 PoC||GTFO 的0x19期，然後自己動手該副檔名玩一玩，然後到 GitHub - corkami/Collision 上了解技術詳情。
Have fun.
[1] https://github.com/angea/pocorgtfo/blob/master/releases/pocorgtfo19.pdf
[2] https://pan.baidu.com/s/1D4elZHUzg5vvzvfqLrgf4A 提取碼: jx77
[3] https://github.com/corkami/collisions
[4] 視訊1 https://github.com/corkami/collisions/blob/master/examples/collision1.mp4；視訊2 https://github.com/corkami/collisions/blob/master/examples/collision2.mp4
宣告：本文來自矽星人，版權歸作者所有。文章內容僅代表作者獨立觀點，不代表安全內參立場，轉載目的在於傳遞更多資訊。如有侵權，請聯絡 [email protected]。