BUUCTF [UTCTF2020]spectogram 1

YueXuan

发布于 2025-08-18 20:17:07

9900

代码可运行

运行总次数：0

代码可运行

题目描述：

得到的 flag 请包上 flag{} 提交。

密文：

下载附件，得到attachment.wav

解题思路：

1、用Audacity打开attachment.wav，显示频谱图，似乎有隐藏信息。

2、从题目spectogram了解到“语谱图”的存在，我们需要呈现音频的语谱图，目前总结三种方法。

方法一：

在Audacity中，“编辑”选项卡“首选项” -> “频谱图”，FFT(快速傅里叶窗口变换）窗口大小由默认的256改为1024。

点击确定，将图像拉宽，得到flag：utflag{sp3tr0gr4m0ph0n3}。

方法二：

使用Sonic Visualiser分析attachment.wav，得到它的语谱图。

Sonic Visualiser下载地址：https://www.sonicvisualiser.org/download.html

打开文件后，在Layer选项中点击Add Peak Frequency Spectrogram或者使用Shift+K，然后将右边选项调整成如下图所示，得到flag。

方法三：

网上找到的脚本，效果不错。

import matplotlib.pyplot as plt
import librosa
import numpy as np
import soundfile as sf
import python_speech_features as psf
import librosa
import librosa.display
# Spectrogram步骤，
# Step 1: 预加重
# Step 2: 分帧
# Step 3: 加窗
# Step 4: FFT
# Step 5: 幅值平方
# Step 6: 对数功率
def preemphasis(signal, coeff=0.95):
    return np.append(signal[1], signal[1:] - coeff * signal[:-1])

def pow_spec(frames, NFFT):
    complex_spec = np.fft.rfft(frames, NFFT)
    return 1 / NFFT * np.square(np.abs(complex_spec))
def frame_sig(sig, frame_len, frame_step, win_func):
    '''
    :param sig: 输入的语音信号
    :param frame_len: 帧长
    :param frame_step: 帧移
    :param win_func: 窗函数
    :return: array of frames, num_frame * frame_len
    '''
    slen = len(sig)

    if slen <= frame_len:
        num_frames = 1
    else:
        # np.ceil(), 向上取整
        num_frames = 1 + int(np.ceil((slen - frame_len) / frame_step))

    padlen = int( (num_frames - 1) * frame_step + frame_len)
    # 将信号补长，使得(slen - frame_len) /frame_step整除
    zeros = np.zeros((padlen - slen,))
    padSig = np.concatenate((sig, zeros))

    indices = np.tile(np.arange(0, frame_len), (num_frames, 1)) + np.tile(np.arange(0, num_frames*frame_step, frame_step), (frame_len, 1)).T
    indices = np.array(indices, dtype=np.int32)
    frames = padSig[indices]
    win = np.tile(win_func(frame_len), (num_frames, 1))
    return frames * win

y, sr = sf.read('attachment.wav')   # 音频文件
# 预加重
y = preemphasis(y, coeff=0.98)
# 分帧加窗
frames = frame_sig(y, frame_len=2048, frame_step=512, win_func=np.hanning)
# FFT及幅值平方
feature = pow_spec(frames, NFFT=2048)
# 对数功率及绘图.
librosa.display.specshow(librosa.power_to_db(feature.T),sr=sr, x_axis='time', y_axis='linear')
plt.title('Spectrogram')
plt.colorbar(format='%+2.0f dB')
plt.tight_layout()
plt.show()

得到的语谱图：