[GKCTF2021]random

本题出现了MT19937伪随机数生成算法。

[GKCTF2021]random
- - - 题目
    - 分析
  - MT19937算法
    - 步骤
    - 代码实现
    - 解法1
    - 解法2
    - 总结

题目

task.py

import random

from hashlib import md5

def get_mask():

    file = open("random.txt","w")

    for i in range(104):	#各取104个

        file.write(str(random.getrandbits(32))+"\n")

        file.write(str(random.getrandbits(64))+"\n")

        file.write(str(random.getrandbits(96))+"\n")

    file.close()

get_mask()

flag = md5(str(random.getrandbits(32)).encode()).hexdigest()

print(flag)

random.txt

分析

感觉task.py没给啥，突破点在于这个random.getrandits()

去查一下得到：

random.getrandbits(k)

生成一个k比特长的随机整数

那也就意味着生成了32/64/96比特长的随机整数，32、64/96都是32的整数倍。

这会不会也是突破口呢？

看了wp，提到了一个算法：Mersenne Twister 梅森旋转算法

MT19937算法

产生随机数的速度快、周期长，可达到$2^{19937-1}$

可以产生32位整数序列，在$1\le k \le 623 $的维度之间都可以均等分布。

如上图所示，mt19937的随机数生成器结构首先需要一个uint32的种子，然后生成一个具有624个uint32数组的状态数组。生成状态数组之后，进行一次旋转，最终可以输出624个随机的uint32。然后重复执行旋转操作。

步骤

1.利用seed初始化624的状态

2.对状态进行旋转

3.根据状态提取伪随机数

代码实现

32位的MT19937的python代码如下：

def _int32(x):

    return int(0xFFFFFFFF & x)

class MT19937:

    # 根据seed初始化624的state

    def __init__(self, seed):

        self.mt = [0] * 624

        self.mt[0] = seed

        self.mti = 0

        for i in range(1, 624):

            self.mt[i] = _int32(1812433253 * (self.mt[i - 1] ^ self.mt[i - 1] >> 30) + i)

    # 提取伪随机数

    def extract_number(self):

        if self.mti == 0:

            self.twist()

        y = self.mt[self.mti]

        y = y ^ y >> 11

        y = y ^ y << 7 & 2636928640

        y = y ^ y << 15 & 4022730752

        y = y ^ y >> 18

        self.mti = (self.mti + 1) % 624

        return _int32(y)

    # 对状态进行旋转

    def twist(self):

        for i in range(0, 624):

            y = _int32((self.mt[i] & 0x80000000) + (self.mt[(i + 1) % 624] & 0x7fffffff))

            self.mt[i] = (y >> 1) ^ self.mt[(i + 397) % 624]

            if y % 2 != 0:

                self.mt[i] = self.mt[i] ^ 0x9908b0df

python中内置的Random类就是采用了MT19937算法，getrandbits(32)方法可以获得一个32位随机数

整个获取伪随机数的过程的重点就是这个self.mt[]也就是state块的状态。

在本题中，在random.txt中总共获取了312个随机数。其中有104个32位的，104个64位的，104个96位的。

解法1

因为本题随机数都是由32位整数序列产生，所以我们可以得知：

104个32位的需要产生104个随机数

104个64位的需要产生208个随机数

104个96位的需要产生312个随机数

所以总共需要产生624个随机数。

而这个数字刚刚好对应了624个state块的个数，理论上来讲，我们可以将624个state块的状态推出来，然后就可以推出下面产生的随机数，也就是flag了。

from random import Random

def invert_right(m,l,val=''):

    length = 32

    mx = 0xffffffff

    if val == '':

        val = mx

    i,res = 0,0

    while i*l<length:

        mask = (mx<<(length-l)&mx)>>i*l

        tmp = m & mask

        m = m^tmp>>l&val

        res += tmp

        i += 1

    return res

def invert_left(m,l,val):

    length = 32

    mx = 0xffffffff

    i,res = 0,0

    while i*l < length:

        mask = (mx>>(length-l)&mx)<<i*l

        tmp = m & mask

        m ^= tmp<<l&val

        res |= tmp

        i += 1

    return res

def invert_temper(m):

    m = invert_right(m,18)

    m = invert_left(m,15,4022730752)

    m = invert_left(m,7,2636928640)

    m = invert_right(m,11)

    return m

def clone_mt(record):

    state = [invert_temper(i) for i in record]

    gen = Random()

    gen.setstate((3,tuple(state+[0]),None))

    return gen

f = open("random.txt",'r').readlines()

prng = []

j=0

for i in f:

    i = i.strip('\n')

    print(int(i).bit_length())

    if(j%3==0):

        prng.append(int(i))

    elif(j%3==1):#将生成两次随机数的两个随机数分离出来

        prng.append(int(i)& (2 ** 32 - 1))

        prng.append(int(i)>> 32)

    else:#将生成三次随机数的三个随机数分离出来

        prng.append(int(i)& (2 ** 32 - 1))

        prng.append(int(i)& (2 ** 64 - 1) >> 32)

        prng.append(int(i)>>64)

    j+=1

g = clone_mt(prng[:624])

for i in range(624):

    g.getrandbits(32)#产生前624个随机数，让state状态到生成flag前

key = g.getrandbits(32)

print(key)

from hashlib import md5

flag = md5(str(key).encode()).hexdigest()

print(flag)

#14c71fec812b754b2061a35a4f6d8421

解法2

使用基于梅森算法的randcrack库。

randcrack一把梭：

from hashlib import md5

from randcrack import RandCrack

with open(r'random.txt', 'r') as f:

    l = f.readlines()

l = [int(i.strip()) for i in l]

t = []

for i in range(len(l)):

    if i % 3 == 0:

        t.append(l[i])

    elif i % 3 == 1:

        t.append(l[i] & (2 ** 32 - 1))

        t.append(l[i] >> 32)

    else:

        t.append(l[i] & (2 ** 32 - 1))

        t.append(l[i] & (2 ** 64 - 1) >> 32)

        t.append(l[i] >> 64)

rc = RandCrack()

for i in t:

    rc.submit(i)

flag = rc.predict_getrandbits(32)#在给出的随机数数量多时，predict_getrandbits()可以预测下一个随机数

print('GKCTF{'+md5(str(flag).encode()).hexdigest()+'}')

GKCTF{14c71fec812b754b2061a35a4f6d8421}

总结

有师傅的文章提到：近年来MT19937在各大CTF赛事中出现的频率越来越高。

那下次再做几道加深印象。

参考：https://www.anquanke.com/post/id/205861#h3-4

https://blog.csdn.net/m0_62506844/article/details/124278580?spm=1001.2101.3001.6650.5&utm_medium=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromBaidu~default-5-124278580-blog-124983179.pc_relevant_multi_platform_whitelistv1&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~BlogCommendFromBaidu~default-5-124278580-blog-124983179.pc_relevant_multi_platform_whitelistv1&utm_relevant_index=9

巴特西

[GKCTF2021]random