奇安信攻防社区-第五届“湾区杯”CTF Final

第五届“湾区杯”CTF Final - 耄耋 writeup

本题给出了数千张小猫的图片，数据分为两类：AI生成和人工拍摄，期望选手对数据完成区分，即完成人工智能生成图片伪造检测技术。

WriteUp
-------

关于深度伪造图片检测的其中一种方向是：把 GAN 生成 “频域不一致” 量化为检测特征。

*Zhang.* 等人发现 GAN 图像在 DCT/FFT 域的高频能量显著低于真实图像 *IEEE T-IFS 2020* ：[**Leveraging High-Frequency Components to Expose GAN-Forged Faces**](https://orbilu.uni.lu/bitstream/10993/48389/1/2021165667.pdf)

之后人们就走上了，通过频域分析模型生成模式方案中。

![2025-09-16-15-52-52.png](https://cdn-yg-zzbm.yun.qianxin.com/attack-forum/2025/12/attach-e7e8913686205179a34a993cd91da19b339e1341.png)  
上图展示了不同的两幅图片，在截取高频后统计量之间的区别。

更通常的，对于 GAN/Deepfake 图像，通常 high-freq ratio 在 0.15 以上，而真实照片的high-freq ratio低于 0.10。

涉及的两个重要超参数分别是：

1. THRESHOLD\_RADIUS\_RATIO ：多少百分比算“高频”
2. Delta ：大于（小于）多少算伪造（真实）图片

最终exp

```py
import os
import numpy as np
from PIL import Image
import torch
import torch.fft

THRESHOLD_RADIUS_RATIO = 0.85  # 外围多少百分比算“高频”
delta = 0.125 # 阈值

def load_gray_tensor(path: str) -> torch.Tensor:
    img = Image.open(path).convert("L")
    arr = np.asarray(img, dtype=np.float32) / 255.0
    arr = (arr - 0.5) * 2
    return torch.from_numpy(arr)[None, None, :, :]

def fft_magnitude(tensor: torch.Tensor):
    fft = torch.fft.fft2(tensor)
    fft_shift = torch.fft.fftshift(fft, dim=(-2, -1))
    mag = torch.abs(fft_shift)
    mag_log = torch.log1p(mag)
    mag_log -= mag_log.min()
    mag_log /= mag_log.max() + 1e-8
    return mag_log[0, 0].numpy()

def high_freq_ratio(mag: torch.Tensor, ratio: float = THRESHOLD_RADIUS_RATIO):
    h, w = mag.shape[-2:]
    cy, cx = h // 2, w // 2
    Y, X = torch.meshgrid(
        torch.arange(h, dtype=torch.float32) - cy,
        torch.arange(w, dtype=torch.float32) - cx,
        indexing="ij"
    )
    dist = torch.sqrt(X ** 2 + Y ** 2)
    radius = min(cy, cx) * ratio
    mask_high = dist >= radius
    total_energy = mag.sum()
    high_energy = mag[..., mask_high].sum()
    return (high_energy / total_energy).item()

f = open('耄耋/exp/res.csv', 'w')
f.write(f'idx,detection\n')

real_dir = '耄耋/exp/dataset'
for fname in os.listdir(real_dir):
    if fname.lower().endswith(('.png')):
        file = os.path.join(real_dir, fname)

tensor = load_gray_tensor(file)
        mag_np = fft_magnitude(tensor)
        ratio = high_freq_ratio(torch.abs(torch.fft.fftshift(torch.fft.fft2(tensor))))
        res = 'fake' if ratio > delta else 'real'
        f.write(f'{fname[:-4]},{res}\n')

f.close()
```

吐槽
--

由于我的(也许是Koali的)蠢蛋问题，每次这样的校验题目，总是会留下非预期 orz

下面是一份赛场选手的非预期WrtieUp(By*晨曦*)

```py
import requests
import copy

url = 'http://172.36.111.73:5000/upload'

headers = {"Content-Type":"multipart/form-data; boundary=----WebKitFormBoundaryFgG5yR6Y9veJTmnI"}

file_data = open('res.csv','r').read().split('\n')

cat_data = {i:"fake" for i in range(2293)}

data = """
------WebKitFormBoundaryFgG5yR6Y9veJTmnI
Content-Disposition: form-data; name="file"; filename="result.csv"
Content-Type: text/csv

[file_data]

------WebKitFormBoundaryFgG5yR6Y9veJTmnI--
""".strip()

new_data = "idx,detection\n"

for i in range(1,2293):
    fake_tmp = copy.copy(file_data)
    real_tmp = copy.copy(file_data)
    real_tmp[i] = real_tmp[i].replace('fake','real')
    fake_data = '\n'.join(fake_tmp)
    real_data = '\n'.join(real_tmp)
    fake_data = data.replace('[file_data]',fake_data)
    real_data = data.replace('[file_data]',real_data)

fake_res = requests.post(url,data=fake_data,headers=headers).text
    real_res = requests.post(url,data=real_data,headers=headers).text
    # print(json.loads(fake_res),json.loads(real_res))

fake_num = float(fake_res.split('%')[0].split(' ')[1])
    real_num = float(real_res.split('%')[0].split(' ')[1])

if fake_num >= real_num:
        tmp = str(i-1) + ',fake\n'
    else:
        tmp = str(i-1) + ',real\n'
    new_data += tmp

open('res1.csv','w').write(str(new_data))
```

发表于 2025-12-31 09:00:02
阅读 ( 295 )
分类：AI 人工智能

第五届“湾区杯”CTF Final - 耄耋 writeup

0 条评论