关于 cryptography
cryptography 是面向 CTF 和渗透测试任务的实用密码分析技能。它侧重发现可用于加速恢复的代数或线性结构,并尽可能用 Python 实现求解器。
主要功能
- 01自定义密码与哈希分析
- 02RSA 分解与格恢复
- 03平滑阶离散对数攻击
- 04差分故障分析
- 05非素数模数下的秘密恢复
适用场景
- 01分析自定义密码挑战
- 02利用结构化素数恢复 RSA 秘密
- 03通过选择输入预言机验证攻击路径
- 04从故障 AES 密文恢复密钥
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ transilienceai/ communitytools --skill cryptography安装后在 Claude Code 中输入/cryptography确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
reference/cryptography-principles.mdINDEX.mdlattice-attacks.mdlinear-secret-recovery.mdreference/scenarios/classical/repeating-key-xor.mdreference/scenarios/lattice/agcd-attack.mdboneh-durfee-low-d.mdcoppersmith-known-bits.mdlll-basis-reduction.mdreference/scenarios/padding-oracle/cbc-padding-oracle.mdecb-prefix-oracle.mdpkcs1-v1.5-bleichenbacher.mdreference/scenarios/rsa-quirks/common-modulus.mdfermat-close-primes.mdlow-public-exponent.mdsmall-prime-factorization.mdwiener-attack.mdreference/scenarios/secret-sharing/shamir-non-prime-modulus.mdreference/scenarios/signature-forgery/ecdsa-nonce-reuse.mdgcd-transcript-operand-recovery.mdjwt-alg-confusion.mdrsa-pkcs1-v1.5-bleichenbacher.mdreference/scenarios/weak-rng/dual-ec-backdoor.mdlcg-state-recovery.mdmt19937-state-recovery.md详细介绍
密码学
范围
面向 CTF 和渗透测试任务的实用密码分析:识别密码原语的结构(自定义哈希、部分泄露、相关素数、糟糕的随机数生成器、弱模式)何时能让求解器比穷举更快,然后尽可能使用纯 Python 实现该求解器。涵盖 RSA 类代数分解、格/AGCD 恢复、GF(2) 线性化看似“复杂”的自定义密码、光滑阶离散对数问题(DLP)、差分故障攻击,以及在非素数模数上恢复 Shamir 类秘密共享。使用 SageMath 或符号求解器之前,务必先阅读源代码,检测线性或代数结构。
适用场景
- 挑战或目标使用了自定义密码(自定义哈希、自定义分组密码、手工实现的密钥派生),你需要寻找仿射 / GF(2) 线性化的可能性。
- RSA 类原语具有结构化素数(
p = a·r + b、phi(n)是完全平方数、多素数提示文件、公共因子)。 - 服务提供了选择密文 / 选择输入预言机,你怀疑存在填充预言机、光滑阶 DLP 或 Bleichenbacher 类恢复攻击。
- AES 存在故障注入(同一密钥对应的正确和故障密文 — Piret-Quisquater DFA)。
- Shamir 秘密共享或阈值方案使用非素数模数(通过跟踪赋值,用 Lagrange 插值进行 2-adic 恢复)。
参考资料
- reference/lattice-attacks.md — AGCD 格攻击、判别式平方分解、光滑阶 DLP、Piret-Quisquater DFA。
- reference/linear-secret-recovery.md — 通过逐列线性恢复,对自定义哈希 / 密码进行 GF(2) 仿射线性化。
评论
支持 Markdown