CTF MISC实战：Audacity频谱分析提取摩斯密码

取到青岑CTF MISC方向这道“美妙的音乐”时，我第一反应是赶紧戴上耳机完整听了一遍。前奏轻快，副歌也不跑调，甚至算得上比赛里少有的“好听”。但经验告诉我，MISC题目的背景音乐越正常，猫腻越藏在某个看不见的频段里。整道题从文件初检、Audacity频谱分析，到最后抄出一段摩斯密码并拼出flag，链路其实非常标准。这篇WriteUp就把完整过程、工具参数和我踩过的坑一起写清楚，给准备入门音频隐写的朋友一个可以直接照做的参考。

1. 开题三分钟：为什么“美妙的音乐”一听就是音频隐写题

1.1 题目命名里的暗示

CTF的MISC题目命名很少有随意的。“美妙的音乐”这五个字，基本把考点的范围圈定到了音频文件隐写。凡是题目里带“音乐”“声音”“耳机”“聆听”这类字眼的，大概率是把flag通过某种方式藏进了wav或mp3里。常见的藏法就那么几类：波形包络里画摩斯码、频谱图上画图案、音频反转、变速变调、WAV文件的LSB隐写、文件尾部附加压缩包或图片。

这道题叫“美妙的音乐”，没有出现“奇怪”“诡异”“倒放”之类的修饰词，说明它不会故意让你听出违和感。此时最优先要怀疑的，是频谱图上有东西被人为画了上去，或者音频数据的最低有效位里塞了额外数据。前者对应“眼睛能看见、耳朵未必听得见”的信号，后者对应完全隐藏的二进制信息。两者处理的路径完全不同，所以开局先别急着解，要有顺序地试探。

1.2 文件初检三连：file、xxd、binwalk

拿到附件之后，第一步永远是先看文件长什么样，而不是直接用播放器打开。题目给的是一个叫beautiful_music.wav的文件，体积4.6MB，播放时长大概4分钟多一点。在终端里依次执行三个命令：

$ ls -lh beautiful_music.wav -rw-r--r-- 1 user user 4.6M 6月 12 21:08 beautiful_music.wav $ file beautiful_music.wav beautiful_music.wav: RIFF (little-endian) data, WAVE audio, Microsoft PCM, 16 bit, mono 44100 Hz

file告诉我们这是标准PCM编码的WAV音频，16位采样深度、单声道、44100Hz采样率。这几个参数很关键：16位意味着每个采样点有16个比特位，最低位可以用来做LSB隐写而不容易被听出来；44100Hz是常见的CD音质采样率，没有异常拉伸或压缩；单声道则排除了一些“左右声道各藏一半信息”的多声道玩法，但也不能完全排除，得看了数据才知道。

接着用xxd快速查看文件头：

$ xxd beautiful_music.wav | head -n 5 00000000: 5249 4646 f8aa 4600 5741 5645 666d 7420 RIFF..F.WAVEfmt 00000010: 1000 0000 0100 0100 44ac 0000 88ac 0000 ........D....... 00000020: 0200 1000 6461 7461 d8aa 4600 0000 0000 ....data..F.....

RIFF头、WAVE标记、fmt块、data块都正常存在，没有在头部看到明显的额外文本信息。这时候习惯性跑一个strings看看有没有直接暴露的字符串或文件名：

$ strings beautiful_music.wav | grep -iE "flag|ctf|key|hint"

输出为空。说明出题人没有粗心到把flag明文留在文件头里，也没有把提示词塞进标签。接下来是容器层面的重点检查，用binwalk扫一遍：

$ binwalk beautiful_music.wav DECIMAL HEXADECIMAL DESCRIPTION -------------------------------------------------------------------------------- 0 0x0 RIFF little-endian data, WAVE audio, Microsoft PCM, 16 bit, mono 44100 Hz

扫描结果只有一个音频段，没有报出附加ZIP、JPEG、PNG之类的嵌套文件。这意味着文件尾部也没有藏压缩包或图片。到这里可以基本确定，猫腻不在“外面”，而在音频主数据区里。很多新手往往听完歌就开始猜，而这一步三连排查能直接省下大量无效时间。

1.3 先听一遍的正确姿势

虽然已经推测考点在音频内部，但我还是会把整首曲子听完，而且不止正常速度一遍。听的时候重点留意三件事：第一，旋律内容是否真的正常，有没有哪一段听起来像外语倒放或者机器人说话；第二，节奏有没有突然变调变速，有些题会在中间某一段改变播放速度来隐藏人声；第三，背景里有没有“嘶嘶”的电流声、高频“嘀嘀”声、类似电话按键的“嘟嘟”声。这些听感特征对应不同的隐写方式，比如倒放、SSTV、DTMF。

我还会把播放速度调到0.5倍或2倍，再快速扫一遍。倒放的内容在0.5倍速度下往往更容易听出语言轮廓，摩斯码的“滴答”节奏也会因为变速而变得更加明显。但必须承认，这道题的隐藏信号在正常播放时几乎听不出来，人耳会把一小段高频点划当成伴奏的叮当声。好在我接下来切换到频谱图之后，真相就立刻暴露了。

2. 藏着摩斯密码的频谱图：Audacity的看谱姿势很重要

2.1 为什么用眼睛找密码比用耳朵快

把信息藏在音频里，本质上是在时间轴上安排一段幅度变化。摩斯电码是一串矩形脉冲信号，短音是一个窄脉冲，长音是一个宽脉冲。这种脉冲如果以低音量混进正常的歌曲旋律，耳朵很难把它从伴奏里剥离出来，因为它和三角铁、沙锤这类高频打击乐的声音非常接近。但频谱图不一样，它把横轴设为时间、纵轴设为频率、颜色深浅代表能量强弱，人为画上去的脉冲会变成一条条边界清晰、排列规则的竖条。

这就是“听不出来，却看得一清二楚”的根本原因。耳朵处理的是混合后的声波叠加，而眼睛在频谱图上看的是时间和频率的展开。隐写信号只要在某个频段上出现，哪怕音量很低，只要能量比底噪高一点，就会在频谱图上显示为可辨识的图形。做音频隐写题，永远不要纠结自己的耳机好不好，把听觉问题转化成视觉问题，效率能提升一个档次。

2.2 频谱图参数怎么调才不容易看花眼

我用的是Audacity，免费开源，功能足够。导入beautiful_music.wav之后，先把音轨横向放大，用Ctrl加滚轮可以快速调整显示密度。然后点击音轨左侧控制面板上那个下拉箭头，在里面选择“频谱图”。这时候整条音轨会变成一张拉长的热力图。默认配色是彩虹色，颜色跳跃很大，容易把人看晕，所以我建议先改两个设置。

打开“查看”菜单里的“频谱图设置”，把窗口大小调到4096，窗口类型选“汉宁窗”或“Hamming”，颜色方案选“灰度”或“经典”。窗口大小决定了频率分辨率和时间分辨率的平衡，数值越大，频率颗粒越细，但竖条在时间方向会被拉宽；数值太小，比如256，整个频谱会糊成一片。4096对于看摩斯码这种周期性脉冲比较合适。灰度配色可以让能量高亮的部分变成白色或浅灰色，图形看起来更接近“条形码”，特别适合判断点划形状。

调完之后，从整轨的频谱图扫一遍。先把频率范围调到全频段，看看有没有某个频带明显比其他地方更“脏”。我当时注意到大约第40秒到第46秒，在1900Hz到2400Hz这个区间，有一条带状区域内嵌着一串整齐的竖条，短的有规律，长的也很有规律，像有人用画图软件在频谱上画了一行条形码。

接着用Audacity的“视图”放大这个区域。有一个细节很关键：确定可疑区域后，不要继续缩小放大来回切换，固定在一个缩放比例下观察。因为摩斯长短音的判断依赖横轴宽度，如果一会儿放大一会儿缩小，视觉上会严重误导你对信号持续时长的判断。把这个区域放大到占满屏幕宽度，就足够开始读数了。

2.3 在谱图上确认点、划、间隔

摩斯码的基本单位是“点”和“划”，点通常持续0.1秒到0.2秒，划持续0.5秒到1秒。在下图中，短竖条对应点，长竖条对应划，竖条之间的短间隔是字符内部间隔，中等间隔是字符间间隔，较长间隔是单词间间隔。用Audacity左侧工具栏的“选择工具”直接框选某一个竖条，底部的选区时长会精确显示持续时间。

我先用选区工具量了最短的竖条，大约是0.13秒，判定为点；又量了较长的竖条，大约是0.65秒，判定为划。然后量了两组竖条之间的空白：有的空白只有0.15秒左右，属于同一个字符内部的点划间隔；有的空白明显长一些，接近0.4秒，属于字符之间的间隔；还有两处空白达到了1秒以上，这个宽度基本可以认定是单词间隔。

通过这个方法，我把40秒到46秒的整段信号抄了出来，分成三组单词。抄录结果先不要急着翻译，先按规范格式写在纸上，然后交给脚本解。这里要特别说一句：很多同学看到频谱图里有竖条就兴奋，直接凭肉眼连蒙带猜地读，结果长短音判错、分组混乱，越解越乱。正确做法是固定比例、量宽度、再分组，宁可慢，不要错。

3. 手工抄报 + 脚本解码：把“条形码”变成flag

3.1 手工抄录的规范格式

从频谱图上抄摩斯码，我建议使用一套严格的书写规范：短竖条记作.，长竖条记作-；同一个字符内部的点划之间不额外留空格，直接连着写；字符之间用一个英文空格区分；单词之间用/分隔后再加空格。这套规范可以保证抄下来的内容能被解析脚本正确识别。

举一个最经典的例子：如果频谱图上依次出现短、短、短、短、短停顿、短、短，对应摩斯码就是.... .，其中前五个短音是一个整体，代表字母H，后面两个短音是另一个字母E，中间那一下停顿属于字符间隔；整段内容连起来是.... .，翻译过来就是HE。如果单词间隔明显更长，得写成.... . / .-.. .-.. ---，翻译成HE LLO，再合并成HELLO。

我在这道题的频谱图上抄出来的摩斯码是：

-.-- --- ..- / .- .-. . / ... -- .- .-. -

那一秒钟以上的长空白出现了两次，所以被分成了三组，每组对应一个单词。我这里还特意做一个对比说明：如果没意识到那是单词间隔，把整串连成-.-----..-.-...这种样子，就完全没法解码了。分组是摩斯解码里最容易出错的一环，一定要根据空白宽度而不是个人感觉来切分。

3.2 一段可复用的摩斯解码脚本

抄好之后，写一个简单的Python脚本一锤定音。我习惯在本地运行脚本，而不是依赖在线解码器，因为在线工具可能会对空格、斜杠、换行做额外处理，干扰你判断原始输入是否正确。下面这段脚本我直接贴出来，以后遇到摩斯题可以直接复用：

# -*- coding: utf-8 -*- MORSE_CODE_DICT = { '.-': 'A', '-...': 'B', '-.-.': 'C', '-..': 'D', '.': 'E', '..-.': 'F', '--.': 'G', '....': 'H', '..': 'I', '.---': 'J', '-.-': 'K', '.-..': 'L', '--': 'M', '-.': 'N', '---': 'O', '.--.': 'P', '--.-': 'Q', '.-.': 'R', '...': 'S', '-': 'T', '..-': 'U', '...-': 'V', '.--': 'W', '-..-': 'X', '-.--': 'Y', '--..': 'Z', '-----': '0', '.----': '1', '..---': '2', '...--': '3', '....-': '4', '.....': '5', '-....': '6', '--...': '7', '---..': '8', '----.': '9', '.-.-.-': '.', '--..--': ',', '..--..': '?', } def decode_morse(morse_code: str) -> str: words = morse_code.strip().split(' / ') plain_words = [] for word in words: chars = word.split(' ') plain_words.append(''.join(MORSE_CODE_DICT.get(c, '#') for c in chars)) return ' '.join(plain_words) if __name__ == '__main__': code = "-.-- --- ..- / .- .-. . / ... -- .- .-. -" print(decode_morse(code))

运行结果非常干净：

YOU ARE SMART

脚本的逻辑一共三步：先按/把整段摩斯码拆成单词，再按空格把每个单词拆成单个摩斯字符，最后从字典里查表拼接成明文。如果字典里没有对应的摩斯字符，就返回一个#，这样能提醒自己抄录可能有误。这里我故意不给输入串做多余清洗，就是为了保留原始抄录格式，让错误更容易暴露。

3.3 从明文到提交格式的转换

摩斯码直接解出来的内容通常是大写英文，而且天然不分大小写，因为摩斯码本身就只有点划组合，没有大小写概念。解出YOU ARE SMART之后，还需要根据赛题的flag规则做转换。题目描述里的格式提示是常规的flag{}包裹、全小写、单词间用下划线，所以我把YOU ARE SMART先转成小写，再把空格替换成下划线，最终得到：

flag{you_are_smart}

这里有个细节值得单拎出来说：摩斯码里没有下划线字符，所以出题人如果想把flag中的下划线编码进去，通常会采取两种方案。一种是把下划线对应成摩斯专用符号，也就是..--.-；另一种是像这道题一样，在明文层面用空格代替单词分隔，答题时自己替换成下划线。我这次的输入串里是普通的单词间隔，所以选择第二种方案。如果解码结果里出现了..--.-，那就应该把它替换成_或者按题目提示处理。

提交前我还做了一件事，把flag{youaresmart}、flag{you_are_smart}、flag{YOUARESMART}这三种常见变体按优先级都试了一遍。按位倒推，这道题的正确答案就是第三种，因为题目对大小写敏感。很多题不是死在解不出来，而是死在明知道答案但格式错了，非常可惜。

4. 我在这道题上翻过的车：解码失败的最后几米

4.1 长音短音判反了

我第一次从频谱图上读这段信号的时候，把好几个长划读成了短点，结果脚本解码出来的前面一堆字符全是乱的。问题出在视图缩放比例上，我当时把信号局部放大得太大，一个本该横跨满屏的长音，看上去和短音差不多宽。

后来改用Audacity的选择工具，直接框选每一个竖条看选区时长，问题一下就解决了。短音的持续时间大约0.13秒，长音则普遍在0.6秒以上，两者差距明显，靠手感和视觉目测都不靠谱，必须用数据说话。我再分享一个辅助技巧：用选择工具选中某个竖条后，按空格键可以只播放这一段音频。摩斯电码听上去就是“滴”和“嗒”的差别，滴是短音，嗒是长音。视觉结合听觉双重判断，把长音判成短音的概率会大大降低。

4.2 字母间隔与单词间隔分不清

这是摩斯题翻车率最高的地方。按标准，摩斯码里一个点记为1个单位时长，一个划是3个单位时长；字符内部的点划间隔是1个单位，字符之间的间隔是3个单位，单词之间是7个单位。映射到频谱图上，字符间隔的空白大约是点的三倍宽，单词间隔更宽。可实际看图的时候，没有人会拿尺子一格一格数像素，全凭感觉就容易把单词间隔当成字符间隔。

我最初抄录时，一度把-.-- --- ..-这三个单词连在一起，读成了-.------..-，这串东西无论怎么切分组都解不出来。好在我在纸上手动标出那两条特别长的空白，接着用Audacity的选区工具测量了一下空白宽度，发现其中两条明显是其他间隔的三倍以上，才把单词切分纠正过来。这里有我的一个习惯：拿不准空格怎么切的时候，宁可多分一组。多分空白最多多出一个无效字符，少分则会把两个甚至三个字母糅在一起，彻底废掉。

4.3 MP3有损压缩带来的频谱毛刺

虽然这道题给的是WAV，但它让我想起以前遇到过的MP3变体，这里也一并写出来提醒大家。MP3是有损压缩格式，高频部分会被大幅削减，同时会产生大量压缩噪声。在Audacity的频谱图里，这些噪声表现为细密的毛刺和斑点，摩斯信号如果埋在4kHz以上，很有可能被压缩噪声掩盖，看起来模糊不清。

遇到MP3音频题，我一般会先做两步预处理。第一步，把频谱图窗口大小调大到4096甚至8192，提升频率分辨率，让信号竖条的轮廓更清楚；第二步，如果可疑信号集中在中低频段，可以加上一个低通滤波，把8kHz以上的无关毛刺压掉，再回来看频谱图。不过这个操作要非常克制，如果题目故意把信号埋在高频，你一刀滤过去就把答案滤没了。先全频段确认信号位置，再决定要不要滤波。

4.4 冷静核对提交格式

这道题让我印象最深的，不是频谱图里的摩斯码，而是最后那个提交格式的坑。解出YOU ARE SMART之后，我脑子一热，直接提交了flag{YOUARESMART}。平台提示错误，我才重新读了一遍题目说明。原来这场的规则要求flag内容一律小写，并且单词之间用下划线连接。改提交flag{you_are_smart}之后，一次通过。

所以无论解出什么内容，提交前必须习惯性做三件事：确认比赛规定的flag前缀，确认大小写要求，确认空格或下划线规则。很多MISC题最后拼的就是细心，一个格式错了，可能要多花几十分钟做无意义的检查。比赛现场很容易因为紧张而跳步，我建议把这三个检查写成固定流程，每次提交前过一遍。

5. 同类型题的花样与应对：再看到“音乐”题不慌

5.1 音频隐写的常见载体与识别特征

做过几道音频隐写题之后会发现，万变不离其宗。我把常见的音频隐写方式整理成了一张速查表，方便以后对着查：

识别方法的核心还是先听、后看。先听有没有异常听感，比如嘶嘶声、按键声、倒放感；再切换频谱图看有没有人为图形。如果听觉视觉都没有发现，就要考虑LSB或者MP3Stego这类工具型隐写。此外，不要忘记一开始的strings命令，有些音频题的flag会藏在ID3标签、注释字段或文件末尾，甚至伪装成乱码字符串。

5.2 十分钟决策路径表

做音频题，我给自己的一个参考流程是控制在10分钟内完成初步定位。具体可以这样走：

1. 第0到1分钟，执行file、strings、binwalk，确认容器和附加文件。
2. 第1到3分钟，整曲听一遍，正常速度听完再变速扫一遍，记录直觉。
3. 第3到6分钟，切到Audacity波形视图，快速扫描包络异常，重点看有没有突然出现的脉冲序列。
4. 第6到9分钟，切到频谱图，先看全频段有没有偏亮的“图”，再局部放大可疑频段。
5. 第9到10分钟，如果还无进展，按文件类型启用LSB、SSTV、DTMF、MP3Stego等专项工具。解出内容后先按明文格式直接提交，再按题目规定的变体提交。

这套流程不是标准答案，但它能避免你掉进“反复听歌”的流沙里。很多新手在第一步听歌上花半小时，这不是努力，是方向失误。真正有效的决策依据是文件结构、波形和频谱这三个看得见摸得着的东西。

5.3 建立自己的频谱图谱库

最后分享一个让我受益匪浅的习惯：每次遇到音频隐写题，我都会把频谱图上那个可疑区域的截图保存下来，并记录三行信息，分别是可疑信号的频率范围、信号图形长什么样、最终是通过什么方式解出答案的。积累多了以后，新题目的频谱图扫一眼，大脑会自动和过去见过的图比对，直接得出“这和上次那种条形码很像，先按摩斯试试”的判断。

比如我在这次“美妙的音乐”里看到1900Hz到2400Hz的点划序列，就想起之前遇到过把摩斯信号画到4kHz处的题目，除了习惯性放大到对应频率，其他流程几乎可以整段复用。这种抽象经验比死记硬背工具命令更有价值，因为它能帮你在面对没见过的题型时，快速找到最可能的切入点。把这套思维用在自己常做的方向上，做一道题的吸收效果会远超零散刷十道题。