残响
首先PT文件是pytorch封装后的文件,是一个训练的模型,这道题里面看到他的文件头是zip开头,而且有code/,所以这是torchScript的归档(当然,在readme里面也有提过)
Readme里面写了:
import torch
model = torch.jit.load("uuid-sim-v1.pt")
model.eval()
x = torch.tensor([[ids_of_36_chars]], dtype=torch.long) # [B, 36]
score, logits = model(x) # [B], [B, 36]
接口
| 项目 | 说明 |
|---|---|
| 输入 | int64 张量,形状 [B, 36],元素是下面词表里的下标 |
| 输出 1 | [B] float,这段窗口与登记标识的相似度(0~1) |
| 输出 2 | [B, 36] float,模型内部聚合相似度时用到的逐位打分 |
| 窗口 | 36 字符;文本更长时按步长 1 滑窗,逐窗打分后取最高分 |
| 不足 36 | 右侧补下标 0(<pad>) |
| 大小写 | 词表只有小写,请先 text.lower() |
| 长度 | 与 UUID 规范形式一致:8-4-4-4-12 |
| 下标 | 字符 | 下标 | 字符 | 下标 | 字符 |
|---|---|---|---|---|---|
| 0 | <pad> | 13 | c | 26 | o |
| 1 | 0 | 14 | d | 27 | p |
| 2 | 1 | 15 | e | 28 | q |
| 3 | 2 | 16 | f | 29 | r |
| 4 | 3 | 17 | - | 30 | s |
| 5 | 4 | 18 | g | 31 | t |
| 6 | 5 | 19 | h | 32 | u |
| 7 | 6 | 20 | i | 33 | v |
| 8 | 7 | 21 | j | 34 | w |
| 9 | 8 | 22 | k | 35 | x |
| 10 | 9 | 23 | l | 36 | y |
| 11 | a | 24 | m | 37 | z |
| 12 | b | 25 | n | 38 | <unk> |
先基本测试下:
# -*- coding: utf-8 -*-
import torch
model = torch.jit.load("uuid-sim-v1.pt")
model.eval()
# 词表:把字符翻译成编号(对应 README 里那张表)
CHARS = "0123456789abcdef-ghijklmnopqrstuvwxyz"
STOI = {c: i + 1 for i, c in enumerate(CHARS)}
def to_ids(s):
# 每个字符查表换成编号;表里没有的字符用 38(<unk>)
return [STOI.get(c, 38) for c in s.lower()]
# 必须是 36 位(8-4-4-4-12,4 个横杠)
text = "01234567-89ab-cdef-0123-456789abcdef"
ids = to_ids(text)
print("36 个编号:", ids)
# [ids] = 把 36 个数字包成"1 行" -> 形状 [1, 36]
x = torch.tensor([ids], dtype=torch.long)
with torch.no_grad():
score, logits = model(x)
print("总分 score:", float(score[0]))
print("逐位 logits:", logits[0].numpy().round(1))
输出:
>python 1.py
36 个编号: [1, 2, 3, 4, 5, 6, 7, 8, 17, 9, 10, 11, 12, 17, 13, 14, 15, 16, 17, 1, 2, 3, 4, 17, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16]
总分 score: 0.1944531798362732
逐位 logits: [-11.2 -11.2 -11.2 -11.2 -11.2 -11.2 -11.2 -11.2 11.5 11.5 -11.2 -11.2
-11.2 11.5 -11.2 -11.2 -11.2 -11.2 11.5 -11.2 -11.2 11.5 -11.2 11.5
-11.2 -11.2 -11.2 -11.2 -11.2 -11.2 -11.2 -11.2 11.5 -11.2 -11.2 -11.2]
输出已经证明:
- 模型会逐位判断 —— 每位都有一个明确的正/负结论
- 对的字符给 +11,错的给 −11 —— 差距 22.7,非常干净
- 位置是独立的 —— 第 9 位对错不受其他位影响(其他 35 位几乎不动)
于是方法就顺理成章:
对每一个位置:
把 16 个候选字符分别填进去,问模型
哪个候选拿到 +11,哪个就是答案
import random
import torch
CHARS = "0123456789abcdef-ghijklmnopqrstuvwxyz"
STOI = {c: i + 1 for i, c in enumerate(CHARS)}
#生成一个字符转编码的字典,编号 0 已经被 <pad>(补位符)占用了所以i+1
def to_ids(s):
return [STOI.get(c, 38) for c in s]
model = torch.jit.load("uuid-sim-v1.pt")
model.eval()
def run(strings):
"""一次把很多串送进模型,返回 (总分数组, 逐位信号数组)"""
rows = [to_ids(s) for s in strings]
with torch.no_grad():
return model(torch.tensor(rows, dtype=torch.long))
ALPHA = list("0123456789abcdef") # 每一位只可能是 16 个十六进制字符
FIXED = {8: "-", 13: "-", 18: "-", 23: "-"} # UUID 格式里固定的 4 个横杠
def recover(start):
cur = list(start)
for i, c in FIXED.items():
cur[i] = c
for rnd in range(10):
strings, where = [], []
for i in range(36):
if i in FIXED:
continue
for c in ALPHA:
candidate = "".join(cur[:i] + [c] + cur[i + 1:])
strings.append(candidate)
where.append((i, c))
_, logits = run(strings)
best = {}
for k, (i, c) in enumerate(where):
v = float(logits[k, i]) # 只看"第 i 位"自己的信号
if i not in best or v > best[i][0]:
best[i] = (v, c)
changed = 0
for i, (v, c) in best.items():
if cur[i] != c:
cur[i] = c
changed += 1
total = float(run(["".join(cur)])[0][0])
print(f" 第 {rnd + 1} 轮:改了 {changed:2d} 位,当前总分 {total:.8f}")
# 收敛 = 一轮下来没任何变化,说明每个转盘都拨到最优了
if changed == 0:
break
return "".join(cur)
print("开始搜索(初始串每一位都填 0,只有 4 个横杠是全对的)")
answer = recover("0" * 36)
print("\n还原出的标识:", answer)
print("\n" + "=" * 64)
print("验证")
print("=" * 64)
score, logits = run([answer])
print("1) 最终总分 =", float(score[0]), "(越接近 1 越好)")
print("2) 36 位里最低的信号 =", float(logits[0].min()), "(全为正 = 36 位全部命中)")
print(f"3) 长度 {len(answer)},第 15 位(版本) {answer[14]},第 20 位(变体) {answer[19]}")
print("4) 换两个随机初始串重搜,看结果是否一致:")
for seed in (1, 2):
random.seed(seed)
start = "".join(random.choice(ALPHA) for _ in range(36))
got = recover(start)
print(" 一致:", got == answer)
输出:
>python 03_solve.py
开始搜索(初始串每一位都填 0,只有 4 个横杠是全对的)
第 1 轮:改了 30 位,当前总分 0.99998993
第 2 轮:改了 0 位,当前总分 0.99998993
还原出的标识: 39c11281-8e07-4e87-b226-0dc54855cfb7
================================================================
验证
================================================================
1) 最终总分 = 0.999989926815033 (越接近 1 越好)
2) 36 位里最低的信号 = 11.468128204345703 (全为正 = 36 位全部命中)
3) 长度 36,第 15 位(版本) 4,第 20 位(变体) b
4) 换两个随机初始串重搜,看结果是否一致:
第 1 轮:改了 28 位,当前总分 0.99998993
第 2 轮:改了 0 位,当前总分 0.99998993
一致: True
第 1 轮:改了 30 位,当前总分 0.99998993
第 2 轮:改了 0 位,当前总分 0.99998993
一致: True
得到UUID:39c11281-8e07-4e87-b226-0dc54855cfb7,输入给平台即可拿到flag
