简介：面向CTF（Capture The Flag）竞赛中的杂项题目，专为音频隐写与脚本分析方向设计，适合刚接触音频取证、希望提升综合解题能力的参赛者使用。资源包共3个文件，其中包括2个WAV音频样本和1个Python脚本，压缩包大小仅约140KB，小巧易得，可直接用常见音频工具和Python环境运行分析。该资源已有1914人学习与浏览，在同类音频杂项练习包中积累了一定参考口碑。音频样本可用于频谱分析、时域观察、倒相位检查等常见隐写手段练习；而脚本文件则模拟了flag生成逻辑，读者可结合音轨反向理解数据嵌入方式，掌握使用wave、numpy等库进行音频处理的流程。整体资源麻雀虽小，包含从样本到脚本的完整出题链，既能当作比赛速刷案例，也能作为设计自定义杂项题目的模板，适合赛后复盘或赛前查漏补缺。
1. 音频杂项出题这回事，先摸清套路再动手
CTF比赛里的杂项（Misc）一直是个“低门槛、高脑洞”的赛道。相比Web要堆漏洞、逆向要啃汇编，Misc入门成本低，但真出题反而更讲究灵感。尤其是音频题——选手拿到一个wav，要么听、要么看频谱、要么扒数据，解法五花八门。出题方最怕的不是题目难，而是“出的题压根没有唯一解”或者“选手用工具一把梭”。
我这次写的就是一个专门用来批量生成CTF音频杂项题目的脚本。它解决的不只是“省时间”的问题，更核心的是把常见的音频隐写套路封装成可复现、可调参、可批量部署的流程。适合三类人看：一是正在给校内CTF训练赛出题的学长学姐，二是想自己练手但找不着合适音频题的新人，三是做常态化CTF平台运营、需要定期更新题库的团队。
先泼一盆冷水：音频杂项题目翻车概率很高。翻车不在“技术不够”，而在“工具链不一致”。选手手里的解码脚本、你出题时的生成脚本，如果音频编码格式差一个细节，题目就成废题。所以出题脚本的核心价值，不是“写个脚本出一个题”，而是“写一个稳定可控、参数化、附带标准答案的生成器”。
2. 出题脚本的整体设计：从单题到题库的升级
2.1 脚本要解决的三个核心痛点
很多人第一次出音频题都是手搓。用Audacity录一段音，找张图片塞进去，导出wav，发给选手。听起来没什么问题，但重复出题就会遇到几个绕不开的麻烦：
第一个是人工流程不可复现。同一套玩法，每道题都要手动操作一遍，录音频、加噪音、调参数，耗时不说，还容易把题目难度搞得忽高忽低。第二个是答案校验没有自动化。选手交了flag，你还要手动核对，出了五十个人的选拔赛直接累到怀疑人生。第三个是题目之间难度波动大。同一场赛事里，第一题十秒钟解出来，第二题卡两个小时，就是因为难度完全靠手感，没有量化标准。
我的脚本恰恰是针对这三点做的：参数化控制难度、批量生成、自动打包答案。难度参数可以直接映射到“信号信噪比”“隐写比特位深度”“摩斯码点划时长比”这些可控变量上，想出一道简单题就把噪声压低，想出一道硬核题就把隐写深度从最低位挪到高几位，再叠加一层栅栏加密。
2.2 难度分级与参数控制的思路
这里有一个我在实际使用中反复调整过的设计逻辑：不要按“出题方式”去分类难度，要按“解题路径长度”去分类难度。
举个例子，同样是频谱图隐写，选手拿到音频后第一步是打开Audacity看频谱图。如果flag直接画在频谱图上，这是青铜题；如果flag先用摩斯码转成短长音，再画到频谱图上分段呈现，选手需要“看频谱—转摩斯—解明文”三步才能拿到flag，这就是黄金题。脚本设计参数时，我会把这种“解题步骤数”映射成不同的生成策略，而不是单纯调噪声强度。这个思路对选手比较友好，难度曲线也自然。
脚本的核心数据结构大概长这样：每一道题对应一个JSON配置，里面记录题型、难度、flag原文、是否加密、噪声强度、采样率、输出路径等信息。生成器读配置、产文件，同时把正确答案和求解提示写进一个单独的solution.json，只有出题人能看到。这样五十场比赛打下来，每道题都能从配置文件里追溯，哪道题被选手被非预期解秒了，回头看配置就能定位原因。
3. 核心实现拆解：四类高频题型的自动化生成
3.1 频谱图隐写：把文字画进声谱里
频谱图隐写是Misc音频题里最经典的题型。原理特别简单：wav音频的各个频率成分能量高低，会反映在频谱图的热力值上。你把某一段频率区间的能量调高或调低，肉眼就能在频谱图上看到文字或图案。
生成代码的核心逻辑是给底噪音频的特定频率加能量。我用的是numpy生成一段均匀分布的粉红噪声，然后在目标频率位置叠加对应频率的正弦波，幅度设置成比噪声高一个数量级，人耳听不出太大区别，但频谱图一眼就能看到。
import numpy as np from scipy.io import wavfile def text_to_spectrogram(text, save_path, sr=22050, duration=5): t = np.linspace(0, duration, int(sr * duration), endpoint=False) # 基础底噪，模拟环境音 noise = np.random.normal(0, 0.02, len(t)) freq_map = {'A': 1000, 'B': 1200, 'C': 1400, 'D': 1600} signal = noise.copy() for i, ch in enumerate(text.upper()): if ch in freq_map: # 每个字符持续0.3秒，叠加对应频率的正弦波 start = int(i * 0.4 * sr) end = start + int(0.3 * sr) freq = freq_map[ch] signal[start:end] += 0.8 * np.sin(2 * np.pi * freq * t[start:end]) signal = np.clip(signal, -1, 1) wavfile.write(save_path, sr, (signal * 32767).astype(np.int16))这段代码生成的音频，用Audacity或Sonic Visualiser打开看频谱图，就能看到明显的字符亮带。实际出题时我不会直接用A/B/C这种映射，而是把flag转成二进制，再用每个比特位的0/1决定特定频率区域要不要加能量，这样题面会稍微绕一点。
3.2 摩斯电码音频生成：节奏就是信息
摩斯题属于“听了就想起来，没听过就抓瞎”的那种类型。生成逻辑并不复杂，关键在于点、划、字符间间隔、单词间间隔的时长比例必须严格规范。
常规摩斯标准是：点的时长为1个单位，划为3个单位，同一字符内点划间隔为1个单位，字符间间隔为3个单位，单词间间隔为7个单位。脚本里我把“1个单位”设计成可调参数，默认0.1秒。频率选800Hz比较稳妥，太低听起来闷，太高分析时会和多倍频混淆。
import wave, struct, math MORSE = { 'A': '.-', 'B': '-...', 'C': '-.-.', # 实际使用时补全字典即可 } def gen_morse_audio(text, out_file, unit=0.1, freq=800, rate=8000): def tone(units): dur = unit * units n = int(rate * dur) return [int(127 * (1 + 0.8 * math.sin(2 * math.pi * freq * i / rate))) for i in range(n)] silence = [127] * int(rate * unit) char_gap = [127] * int(rate * unit * 3) word_gap = [127] * int(rate * unit * 7) frames = [] for word in text.upper().split(' '): for i, ch in enumerate(word): code = MORSE.get(ch, '') for j, sym in enumerate(code): frames.extend(tone(3 if sym == '-' else 1)) if j != len(code) - 1: frames.extend(silence) if i != len(word) - 1: frames.extend(char_gap) frames.extend(word_gap) audio = b''.join(struct.pack('<B', f) for f in frames) with wave.open(out_file, 'wb') as wf: wf.setnchannels(1) wf.setsampwidth(1) wf.setframerate(rate) wf.writeframes(audio)注意一个坑：这个例子用的是8bit单声道PCM（sampwidth=1），数据范围0到255，静音是127。如果用16bit PCM，写法完全不同。选手那边解码工具如果只支持16bit，你出8bit的题就会出现噪声解析失败的情况。所以我脚本里默认全部统一用16bit PCM，也就是sampwidth=2，省得给自己找麻烦。
3.3 音频LSB隐写：比特位里藏秘密
LSB（最低有效位）是隐写术里的“老演员”。图片有RGB通道的LSB，音频同样有采样值的最低比特位。修改16bit采样值的最低位，人耳完全察觉不到，但用脚本可以无损提取。
这个题型生成逻辑算是最简洁的。把flag转成ASCII二进制串，按顺序写入每个采样点最低位。区分难度的地方在于“是否做了前置加密”和“是否设置了掩码干扰”。新手题就直接写LSB，加难度就先对flag做一次栅栏或凯撒，再写进去。
def lsb_embed(wav_path, text, out_path): sr, data = wavfile.read(wav_path) if data.ndim > 1: data = data[:, 0] # 取单声道 bits = ''.join(f'{ord(c):08b}' for c in text) payload = [int(b) for b in bits] if len(payload) > len(data): raise ValueError('音频长度不足，换一个更长的载体') stego = data.copy() for i, bit in enumerate(payload): # 最低位清零后写入目标bit stego[i] = (stego[i] & 0xFFFE) | bit wavfile.write(out_path, sr, stego)有一个容易被忽略的问题：很多选手的提取脚本是从文件头开始读bit，如果你生成wav时带了额外元数据块（比如iXML、LIST chunk），比特流的位置就会整体错位。解决方法是生成完用ffmpeg再洗一遍格式，去掉无关chunk。
3.4 倒放音频与变速隐藏：换条出路
倒放题是音频Misc里的趣味担当。选手把音频反向后才能听到清晰的语音内容。这类题生成最简单，一个[::-1]就完事，但要注意倒放后的语音自然度。如果你原声录制了“flag is xxxxx”，倒放后有些音节会变得很诡异，选手有时候听三遍都反应不过来。
我的做法是：生成后用espeak-ng这类命令行语音合成器读flag内容，再把音频倒放。机器合成的语音倒放后依然很清晰，能保证赛题体验，不会被吐槽“音频太糊听不懂”。
espeak-ng -v en-us -s 140 -w raw_speech.wav "flag is ctf{audio_misc_2024}" python3 -c " import wave, array with wave.open('raw_speech.wav','rb') as f: params = f.getparams() frames = array.array('h', f.readframes(f.getnframes())) frames = array.array('h', reversed(frames)) with wave.open('reversed_flag.wav','wb') as f: f.setparams(params) f.writeframes(frames.tobytes()) "一句话提个醒：espeak-ng如果是英文语音，读“flag is”这种拼音化内容时“ctf”会读成单个字母还是单词，取决于语音引擎。保险起见先自己听一遍再打包。
4. 实战过程：批量生成一套五题的音频杂项题目
4.1 完整题目包的结构设计
一次内部训练赛需要五道音频题，我直接用脚本跑一套流程。首先建好目录结构：
audio-misc-pack/ ├── configs/ │ ├── q1_spectrogram_easy.json │ ├── q2_morse_medium.json │ ├── q3_lsb_hard.json │ ├── q4_reverse_audio_easy.json │ └── q5_spectrogram_hard.json ├── dist/ │ ├── q1.wav │ ├── q2.wav │ ├── q3.wav │ ├── q4.wav │ └── q5.wav └── solution.json每个config文件里写清题型、难度、flag、参数覆盖项，然后主脚本读config、调对应函数、输出wav到dist目录，最后把所有flag和解题步骤拼成一个solution.json。这样后面做writeup或者给裁判核对答案都很方便。
4.2 关键参数怎么调才不翻车
我把实际跑题时调过的参数整理成一个速查表，照着这个设置，基本不会出“无解题”或“秒杀题”的问题：
| 题型 | 关键参数 | 简单题设置 | 困难题设置 | 踩坑提醒 |
|---|---|---|---|---|
| 频谱图 | 信号/噪声比 | 0.8，肉眼明显 | 0.3，需要调对比度 | 噪声太低会被选手直接听出旋律 |
| 摩斯码 | 单位时长 | 0.15s，节奏慢 | 0.06s，节奏快 | 太快加上环境噪声直接解析失败 |
| LSB | 写入位深度 | 最低1位 | 最低1位+二次加密 | 用16bit，别用8bit |
| 倒放 | 语音合成速度 | 慢速140 | 快速180 | 语速过快倒放会彻底听不懂 |
| 组合题 | 套数 | 1层隐藏 | 3层嵌套 | 必须自己按选手路径走一遍 |
表里“信号/噪声比”指的是正弦波幅值相对噪声幅值的比例，不是dB值。我用代码里的0.8代表正弦波幅值0.8、噪声幅值0.02，对比非常明显。0.3的场景是幅值0.3、噪声0.02，频谱图噪点较多，选手需要把频谱图调暗才能看清。
4.3 一次真实运行的校验清单
所有题目生成完，我强烈建议跑一遍“选手视角验证”。不开任何内部信息，只拿题目文件，走一遍标准解题流程：
- 频谱图题：用Audacity打开，选频谱图视图，肉眼能看到flag字符串；如果看不到，调一下FFT大小或动态范围。
- 摩斯题：用Audacity看波形或频谱，数点划时长，套摩斯码表解出明文；重点检查首尾有没有多出一截静音。
- LSB题：写一个提取脚本，从音频中逐bit提取、转ASCII，能得到原始文本；同时加一步“可打印字符过滤”排除高位干扰。
- 倒放题：用播放器反转播放，听清朗读的flag内容，确认没有吞音或口音问题。
这套校验流程短则十分钟，长则半小时，但能救回大量低级错误。我自己一次生成五道题，其中一道摩斯题就是因为单位时长设成0.05秒，选手听感像一团乱码，最后只好重新调参再生成。
5. 常见翻车现场与排查技巧实录
5.1 选手解不出题：八成是载体信息损坏
最常见的问题，选手反馈“频谱图根本看不到东西”。排查下来大多不是脚本生成问题，而是传输环节把wav压缩成mp3或改采样率了。微信上传文件有时会自动转码，邮件附件也可能被二次处理。赛题发布时一定要用zip打包，并在说明文档里写清楚“请勿转码、勿改格式、勿压缩”。
另一个隐蔽坑是：部分平台会默认把wav转成ogg或有损格式。我的解法是在zip里附一个md5校验文件，选手下载后先核对校验值，匹配再做题。这样既保障题目完整性，也减少答疑量。
5.2 flag被非预期解秒杀
有些题你辛辛苦苦设计了三层套路，结果选手扔进binwalk，直接提取出文件尾部的隐藏zip，题目被非预期解秒掉。这种情况不算脚本bug，但能靠脚本设计来规避。通用规则：所有flag内容不要在文件尾部留下可提取的独立数据块。真需要在音频里藏文件，就把附加数据的特征头全部洗掉，或者加密后再藏。
另外，音频尾部经常被工具填充静音字节。有些选手的题解脚本会忽略尾部静音，有些不会。我统一在生成后裁掉首尾各0.5秒静音，保证解码起点和终点都是有效信号区域。
5.3 官方解法自己都跑不通
这是最尴尬的翻车，没有之一。生成脚本能出题，但解题脚本因为某种环境依赖跑不通，考试当场寄。我吃过的亏是：Audacity导出的wav带一些额外头部信息，我的解法脚本读文件时没处理，导致解析错位。后来学乖了，出题脚本和解题脚本共用一套核心代码，生成和解码都走同一个函数库，确保两边逻辑严格一致。
6. 一点关于出题脚本的经验之谈
我自己做CTF赛事支撑这几年来，最大的体会是“出题脚本不是写完就结束的，而是要跟着选手的反馈持续迭代”。第一次批量出题时我也抱着“能跑就行”的心态，被选手吐槽了两个问题：一是题目音频音量太小，戴耳机都费劲；二是题面描述信息过少，压根不知道往哪个方向思考。这两个问题后来都改成了默认配置项，音量统一峰值归一化到-3dB，题面描述里写明“音频中隐藏了某种形式的编码信息，请综合使用听感分析和频谱分析工具”。
另外一件值得做的事是：把这个脚本和常态化CTF平台对接，每次比赛前用脚本重新生成一批变体题，只改flag和噪声种子，其余参数不变。这样既保证题目稳定性，又能让每场比赛的题目不重样。也不必追求代码写得多么花哨，稳定、可控、可排查，是出题脚本的黄金标准。
最后分享一个最不起眼但最救命的小技巧：所有生成文件的文件名和路径里，不要出现flag内容本身。之前有一次我图省事，把flag写在输出文件名里，被选手从下载链接上直接看穿了题目。这种事情发生过一次，你就知道出题环节的信息隔离有多重要。
本文还有配套的精品资源，点击获取
