这是CTF杂项的一道题目，题目简介取，取证与安全杂项，番茄真的很好吃，可是，我的番茄怎么怪怪的，给我...

Flag

moectf{Tom@t0_i5_D3liciou5!}

我已经把图还原出来了，flag 就写在番茄图片中央：

查看还原后的图片

WP

这题的核心不是传统 LSB，而是**“小番茄图片混淆”**。

1. 基础取证。 原文件是 1170×1553 的 JPEG。检查 strings、RGB 通道、bit plane 后没有直接 flag。JPEG 的 FFD9 后还有 24 字节尾数据，其中最后 16 字节恰好等于 FFD9 为止整个 JPEG 的 MD5：57db824f9a4933d34607af98d66a0ebf，所以这部分不是主要突破口。

2. 观察图片特征。 图片虽然像一堆红色/绿色的卫星图块，但各块仍保留明显的局部纹理相关性，说明不像普通随机像素打乱。结合题目反复提示“番茄”，很容易联想到网上的 “小番茄图片混淆”。该工具明确使用 Gilbert 广义 Hilbert 空间填充曲线对像素进行重新映射，并使用黄金比例计算偏移。(GitHub)

3. 还原算法。 官方/衍生实现中的偏移为：

   offset = round((sqrt(5) - 1) / 2 * width * height)

   像素坐标先按 Gilbert 曲线展开，再沿曲线整体循环偏移。源码中的混淆关系是 dst[new_pos] = src[old_pos]，其中 new_pos = curve[(i + offset) % total]。(GitHub)

4. 这题的小坑。 对附件按“解混淆”方向操作一次，图反而更乱；反过来执行一次“小番茄”的混淆方向，立刻恢复成正常的番茄照片。也就是说，这张题图相当于对正常图走了一次反方向操作。恢复后的图中央直接写着：

   moectf{Tom@t0_

   i5_D3liciou5!}

5. 脚本核心。 对附件尺寸 1170×1553，总像素 1817010，计算出的偏移是 1122974。沿 Gilbert 曲线取出像素后，执行：

python
offset = round((math.sqrt(5) - 1) / 2 * width * height)

seq = img[ys, xs]

# 本题需要走“小番茄”的混淆方向一次
restored_seq = np.roll(seq, offset, axis=0)

out = np.empty_like(img)
out[ys, xs] = restored_seq

我也整理了一份可以直接跑的完整 Python 脚本：

下载 solve_tomato.py

运行方式：

bash
python solve_tomato.py mmexport1786262075808.jpg -o restored.png

最终得到的就是 moectf{Tom@t0_i5_D3liciou5!}。