掀开 GIF 面具：解密表情包动感背后的秘密

前端

2023-10-31 00:11:46

GIF，一种风靡互联网的图像格式，以其支持动画而闻名，成为表情包的必备载体。然而，在风控领域，GIF 却成了黑灰产的工具，他们利用 GIF 多帧特性，将非法图片隐藏其中，通过修改扩展名的方式伪装成普通图片，给风险防控带来难题。

本文将深入解析 GIF 格式，揭示表情包背后的运作原理，并介绍一种排查一闪而过的非法主图的方法。让我们一起揭开 GIF 的神秘面纱，让表情包重归安全领域。

GIF 的动画原理

GIF 格式采用 LZW 算法对图像进行压缩，同时支持存储多个连续帧，通过快速播放这些帧，便实现了动画效果。由于其小巧、支持动画等特点，GIF 在表情包领域广泛应用。

黑灰产的伪装术

黑灰产利用 GIF 多帧特性，将非法图片注入其中，并在最后一帧显示正常图片，通过修改扩展名为 JPG 或 PNG，使其伪装成普通图片，绕过风控系统的检查。

排查非法主图

要识别一闪而过的非法主图，需要采用动态解析技术。具体步骤如下：

获取 GIF 帧： 通过图像处理库提取 GIF 的每一帧。
颜色特征提取： 对每一帧进行颜色特征提取，如直方图、纹理特征等。
异常帧识别： 将提取的特征与正常图片的特征进行对比，识别与正常图片特征明显不同的帧。
非法图片提取： 将识别的异常帧还原为原始图片，即可获得隐藏的非法图片。

技术实践

利用 Python PIL 库和 OpenCV 库，可以实现上述算法。以下是示例代码：

import cv2
import numpy as np
from PIL import Image

def get_gif_frames(gif_path):
    frames = []
    img = Image.open(gif_path)
    try:
        while True:
            frames.append(img.copy())
            img.seek(img.tell() + 1)
    except EOFError:
        pass
    return frames

def extract_color_feature(frame):
    hist = cv2.calcHist([frame], [0], None, [256], [0, 256])
    return hist

def detect_abnormal_frames(frames, normal_feature):
    abnormal_frames = []
    for frame in frames:
        feature = extract_color_feature(frame)
        if np.linalg.norm(feature - normal_feature) > threshold:
            abnormal_frames.append(frame)
    return abnormal_frames

def extract_illegal_image(abnormal_frames):
    for frame in abnormal_frames:
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
        img = Image.fromarray(frame)
        img.save("illegal_image.png")