本文转载自硅星人（微信公众号：guixingren123） 你可能听说过格式工厂，是一个给文件转格式

本文转载自硅星人（微信公众号：guixingren123）

你可能听说过格式工厂，是一个给文件转格式的工具。

但今天，硅星人见识了一个十分厉害的东西：不但一个文件可以有六种格式，而且变出来的新文件 MD5 哈希值还和源文件一样……

需要声明，不是故意要发在四月一日欺骗大家的感情：下面提到的都是真的，并非愚人节玩笑。

我们来一步一步看。

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（译为“国际概念证明或者滚蛋期刊”？），发表在上面的都是一些文件格式、逆向工程和黑客攻击方面杂七杂八的东西。期刊的发表方式为在线 pdf，免费传阅，鼓励镜像。

而最新的 PoC||GTFO 0x19 这一期也很有意思：它本身是一个 pocorgtfo19.pdf 文件，却可以手动修改扩展名，变成三个“完全不同”（as in 文件格式），却又“完全相同”（as in MD5）的文件。

这三个相同又不同的文件，扩展名分别为 .pdf.zip 和 .html。你可以在 GitHub [1]（点击“阅读原文”） 上下载这个文件（大约65MB），然后自己修改扩展名试试。如果你无法访问，硅星人也把文件传到了百度网盘上 [2]。

如果我们对这三个文件 .pdf.zip 和 .html 进行 MD5 校验，会发现他们的 MD5 值完全一致——这并没什么的，因为不会对文件造成任何影响，理论上它们还是同一个文件（只是扩展名不同）：

但它的好玩之处就在于，在三个不同扩展名下都可以正常打开，并且具备各自的意义。

如果你打开 .pdf 版本，就可以阅读这本期刊：

把扩展名改成 .zip，然后进行解压，会得到这一期 PoC||GTFO 所引用作品的原始文档：

最后我们把格式改成 .html，就可以在浏览器里打开了，会得到下面这样一个静态页面：

这还没完，更有趣的还在后面呢。这个页面上写的是：drop me here so that I can parse myself（把我拽到这个地方，这样我就能解析我自己了）。这又是什么意思？

因为你现在打开的是 .html 文件，所以正确的做法是把 .html 文件再拖回到上面那段字所在的地方：

这个 html 自己解析自己，居然又解出来了四个文件？？？？

解出来四个新文件的分别为：图像 .png、微软可执行 .ex、视频 .mp4，以及和最初的 .pdf 完全相同的另一个 .pdf 文件）。

如果你再去对这四个新文件检查 MD5 值，可能世界观会崩塌：它们的 MD5 值跟原始的 .pdf 仍然一样。

而且你需要注意到：新出来的其中三个文件（.png .ex 和 .mp4）并不是从原文件直接改扩展名得到的，而是那个 .html 文件作为一个解析器，对自己进行解析，所得到的次生文件。

因为在 macOS 上，硅星人就不打开 .ex 文件了；如果我们打开 mp4 文件，会得到一段很短赛车视频：

在解析后的页面里，这个小玩意的作者如此解释：这个文件是一个 HTML，但同时它也是一个 PDF polyglot.

Polyglot 的字面意义是通晓多种语言。在计算机科学上，它描述的是多种计算机语言写在一个文件里得到的“杂交体”，可以被这些语言对应的编译器编译。

用普通程序员的话来讲，Polyglot 就是一个程序可以同时用 PDF 和 HTML 编译器通过。用人话翻译一遍，就是一个文件，它可以被当做图片、视频和文档打开，也可以当做可执行程序运行……

作者继续解释道：它不仅仅是一个 HTML 和 PDF 的 polyglot，还同时和另外四个文件（也就是刚才解析出的 .png .ex .mp4 和 .pdf）实现了 MD5 碰撞。

这究竟是什么魔法？？？

刚才我们还有一个文件没打开，也就是 .png。如果你用 Chrome 浏览器打开它，能看到下面这张图：

它其实描述的就是这个文件的结构。简单来说：对一个文件的编码“排版”进行刻意的修改，在里面同时加入 html、png、mp4、pe 的文件头 (header) 和内容。

基因学有个词叫做嵌合体，描述的是一个生物体同时拥有多套 DNA，体现出不同的特征。比如杂交，如果成功，得到的就是一种最典型的生物嵌合体。

而这个 html/pdf 文件，就像是计算机上的嵌合体。它看起来是一种文件，实际上还包含了其他多种文件的“特征”……

网友对这个小玩意给出了很高的评价：

无限接近魔法了

哈哈非常酷！向着 SHA-2 进发！

笑翻了。MD5 别着急，你到不是完全没用，只是变成梗了 :-)

小心这些碰撞的碎片（双关梗，碎片-弹片-弹壳-壳-shell）

工作原理

这个小玩意的主要作者是 Ange Albertini 和 Marc Stevens。

Albertini 是 PoC||GTFO 的编辑之一，以及期刊 GitHub“官方页面”的所有者。他在 Google 的瑞典苏黎世办公室担任安全工程师，在这个小玩意里主要负责逆向工程的工作。

Marc Stevens 为该项目提供了哈希碰撞方面的重要帮助。他在荷兰国家研究机构 CWI 从事加密科学研究，于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 在多年前就被证明可以碰撞破解，但是碰撞起来很费时费力。而Albertini 和 Stevens 共同开发出了一个“一键脚本”，能够轻松实现两个（甚至更多）文件的 MD5 碰撞。

“碰撞任何两个文件多年前就实现了，问题是每次都需要几个小时，没有捷径。 我们在此提供一种技巧，面向特定文件格式和预先计算好的碰撞前缀，让碰撞即可完成。

这一技术的工作原理大致是这样的：通过预先计算，了解JPG, PNG, PDF, MP4 这样的常用文件格式的 prefix（可以被理解为文件内容的“目录”）可以怎样兼容，然后在一个单独的文件 A 上做文章，使得 A 文件可以包含 b.jpg、c.png、d.pdf 和 e.mp4 四个不同文件的数据。

现在，这些研究者可以在 JPG, PNG, PDF, MP4, GIF 这些常用格式的文件之间快速实现碰撞——不仅他们可以，你也行。他们已经在 GitHub - corkami/Collision [3]上开源了这些技术，“git clone，运行，搞定。”Albertini 写道。

说实话这个技术没太多创造价值的用途……无非是 1）证明了 MD5 真的太不安全了，建议弃用；2）可以被用于黑客攻击。

安全研究员晨月举了一个哈希碰撞攻击的简单例子：“比方杀毒软件对可执行文件很严格，但有个 exe 文件伪装成了 jpg 文件，图片看起来也没什么问题，就被通过了，然后进入系统展开攻击。”（当然，现在的杀软也没那么傻，安全行业也一直对哈希碰撞保持高度关注。）

这种攻击造成的伤害，可能更多是社会意义上的。

比如，某政客的网站上有一段视频总结了他的政治理念和纲领，而黑客制作了一段哈希值和原视频完全相同，但意义完全相反的视频，再注入到网站上，让政客丢脸，使其失去选民的信任。

这样看的话，基于这一技术的黑客攻击就大有潜力了……

这个小玩意的其他贡献者者还有 Rafał Hirsz，他跟 Albertini 是同事，负责 JavaScript；Kurt Pfeifle，一位 PDF 文件/PostScript语言方面的专家，PDF Association 成员；Philippe Teuwen，比利时安全公司 QuarksLab 研究员，为项目提供文件格式帮助；以及 .mp4 视频的作者是 Gustavo Torres，一位独立视觉艺术家。

因为文件格式和哈希算法确实不是硅星人的专业，我们就不深入探讨了……

如果你感兴趣的话，可以下载 PoC||GTFO 的0x19期，然后自己动手该扩展名玩一玩，然后到 GitHub - corkami/Collision 上了解技术详情。

Have fun.

[1] https://github.com/angea/pocorgtfo/blob/master/releases/pocorgtfo19.pdf

[2] https://pan.baidu.com/s/1D4elZHUzg5vvzvfqLrgf4A 提取码: jx77

[3] https://github.com/corkami/collisions

[4] 视频1 https://github.com/corkami/collisions/blob/master/examples/collision1.mp4；视频2 https://github.com/corkami/collisions/blob/master/examples/collision2.mp4