In IA, i modelli di diffusione aggiungono rumore all'immagine e poi lo eliminano. Io ho aggiunto il rumore, tu rimuovilo!
Author: Aleandro Prudenzano <@drw0if>
L'immagine viene elaborata aggiungendo un numero casuale nell'intervallo [0,255] a ogni pixel.
Il seed del generatore di numeri casuali è anche generato casualmente nell'intervallo [0,255], quindi possiamo eseguire un attacco brute-force su tutti i seed eseguendo l'algoritmo al contrario. Per velocizzare il processo, possiamo utilizzare multiprocessing per "decrittare" più immagini contemporaneamente; alla fine, solo un'immagine avrà senso e conterrà la flag.
from PIL import Image
import random
from multiprocessing import Pool as ThreadPool
import sys
def denoise(x):
image, seed = x
random.seed(seed)
for x in range(image.width):
for y in range(image.height):
p = image.getpixel((x,y))
p = tuple([(c - random.randint(0, 255))%256 for c in p])
image.putpixel((x,y), p)
print(f"Done with {seed}")
image.save(f"output/flag-{seed}.png")
def main(filepath):
img = Image.open(filepath)
p = ThreadPool(16)
p.map_async(denoise, [(img.copy(), s) for s in range(256)]).get(0xffff)
if __name__ == '__main__':
if len(sys.argv) != 2:
print(f"Usage: {sys.argv[0]} <image>")
sys.exit(1)
main(sys.argv[1])