自定義字型混淆資訊的自動化破解

李毅發表於2019-02-16
自定義字型

注意：本示例僅供學習參考～

混淆原理

出於某種原因，明文資訊通過自定義字型進行渲染，達到混淆目的。

舉個例子：
網頁原始碼 <p>123</p> 在正常字型的渲染下，瀏覽者看到的是 123 這 3 個數字。
如果建立一種自定義字型，把 1 渲染成 5，那麼瀏覽者看到的便是 523 這 3 個數字。
這樣便達到混淆資訊的效果，常見於對付爬蟲之類的自動化工具。

破解方法

  1. 下載自定義字型檔案（通常在 css @font-face 中找到），儲存成 a.ttf 檔案。

  2. 安裝以下依賴專案

    1. tesseract 4.0 及以上版本，以及簡體中文(chi_sim)和英文(eng)資料檔案。
    2. python tesserocr 最新原始碼(github)版本。
    3. python fonttools 庫。
    4. python pillow 庫。
  3. 執行以下程式碼
# -*- coding: utf-8 -*-
本例採用 tesseract OCR 引擎，根據字型檔案自動生成密文與明文的字元對映表，實現解密功能。

@author: 李毅
```
from tesserocr import PyTessBaseAPI, PSM
from PIL import Image, ImageDraw, ImageFont
from fontTools.ttLib import TTFont
import string


class OCR(object):
    default_config = {
        # ocr engine
        `data_path`: None,
        `lang`: `chi_sim`,
        `white_list`: None,
        `black_list`: None,
        # image
        `font`: None,
        `image_size`: (60, 60),
        `font_size`: 30,
        `text_offset`: (15, 15),
    }

    def __init__(self, config={}):
        c = dict(self.default_config)
        c.update(config)
        self.api = PyTessBaseAPI(path=c[`data_path`], lang=c[`lang`], psm=PSM.SINGLE_CHAR)
        self.img = Image.new(`RGB`, c[`image_size`], color=`white`)
        self.draw = ImageDraw.Draw(self.img)
        self.font = ImageFont.truetype(c[`font`], size=c[`font_size`])
        self.text_offset = c[`text_offset`]
        if c[`white_list`]:
            self.api.SetVariable(`tessedit_char_whitelist`, c[`white_list`])
        if c[`black_list`]:
            self.api.SetVariable(`tessedit_char_blacklist`, c[`black_list`])
        self.font_tool = TTFont(c[`font`])
        self.empty_char = self._predict_empty_char()

    def _predict_empty_char(self):
        self.api.SetImage(self.img)
        return self.api.GetUTF8Text().strip()

    def is_char_in_font(self, char):
        for t in self.font_tool[`cmap`].tables:
            if t.isUnicode():
                if ord(char) in t.cmap:
                    return True
        return False

    def predict(self, char):
        ``` 返回轉換後的字元，或空串`` ```
        if not self.is_char_in_font(char):
            return char  # 若字型無法渲染該字元，則原樣返回。此處可酌情移除。
        self.img.paste(`white`, (0, 0, self.img.size[0], self.img.size[1]))
        self.draw.text(self.text_offset, char, fill=`black`, font=self.font)
        self.api.SetImage(self.img)
        c2 = self.api.GetUTF8Text().strip()
        if c2 == self.empty_char:
            return ``  # 某些字元可能渲染成空白，此時返回空串。
        return c2


class Decoder(object):
    def __init__(self, data_path, font):
        self.cache = {}  # 快取已知的對映關係。
        OCR.default_config.update(dict(data_path=data_path, font=font))
        self.ocr_digit = OCR(dict(
            lang=`eng`,
            white_list=string.digits,
            black_list=string.ascii_letters,
        ))
        self.ocr_letter = OCR(dict(
            lang=`eng`,
            black_list=string.digits,
            white_list=string.ascii_letters,
        ))
        self.ocr_other = OCR()

    def decode(self, char):
        if char not in self.cache:
            c2 = self._decode_when_cache_miss(char)
            self.cache[char] = c2 or char
        return self.cache[char]

    def _decode_when_cache_miss(self, char):
        ocr = self.ocr_other
        if char in string.digits:
            ocr = self.ocr_digit
        elif char in string.ascii_letters:
            ocr = self.ocr_letter
        return ocr.predict(char)


if __name__ == `__main__`:
    s = ```你好，青劃長務, 8175-13-79```
    d = Decoder(`tessdata/`, `a.ttf`)
    print(``.join(map(d.decode, s)))

相關文章