Отличие “картинок с сюрпризом” от обычных изображений.

#изображения

На создание данного поста меня вдохновило это, это и это.
Если эти rarjpeg'и можно создать, значит можно и определить их среди обычных "невинных"
изображений. Под подозрение сразу попадают .jpg и .png. А как же отличить раржпег от
обычной картинки? 
Банальное сравнение размера (если, например, картинка больше 10 Мб, то она может
быть раржпегом) не поможет - могут быть разные размеры: картинка 10Кб с спрятанным
в ней однострочным текстовиком или большая фотография с довольно большим аудиофайлом
внутри. Как бы вы отличили?
Я бы сделал так: расчитываем размер изображения (высота*ширина*глубина_цвета) и сравниваем
его с настоящим размером файла. Не сошлось - значит раржпег. Но как же тогда расчитать
размер EXIF и сжатие (у jpg), они же тоже часть изображения?
UPDATE Написал рабочий (довольно шустрый) алгоритм на Java (проверял на Android'e).
Спокойно работает с png+zip/rar, jpg+zip/rar.
//Определим заголовки файлов
String HEADER_RAR = "Rar!"; //Для .rar это будет Rar!
String HEADER_ZIP = new String(new BigInteger("504B0304", 16).toByteArray()); //а
для .zip будет "PK" и ещё два нечитаемых символа, поэтому мы получим их из HEX-кода

//создаём массив строк с путями к нужным изображениям (ArrayList mImages)
ArrayList mRarjpegs = new ArrayList(); //массив с путями к раржпегам

for (String path : mImages) { //проверяем каждый файл
    try {
        BufferedReader br = new BufferedReader(new FileReader(path));
        String line;
        while ((line = br.readLine()) != null) //открываем файл построчно...
            {
                if (line.contains(HEADER_RAR) || line.contains(HEADER_ZIP)) // ...если
в строке нашёлся заголовок одного из архивов...
                    {
                        mRarjpegs.add(path); // ...то добавим его в список раржпегов
                        break; // ...и выйдем из цикла, чтобы не считывать остальную
часть файла
                    }
                }
    } catch (Exception ex) { /* что-то своё */ }
}
//На выходе получим mRarjpegs, наполненный путями
    

Ответы

Ответ 1

Я когда-то писал для себя подобное. Вроде работает.
enum RJClassification
{
    NotJpeg,
    JustJpeg,
    JpegWithUnrecognizedTail,
    JpegWithRarTail
}

static class RJClassifier
{
    public static RJClassification Classify(byte[] data, out long payloadIndex)
    {
        payloadIndex = 0;
        JpegParser jpp = new JpegParser(data, 0);
        if (!jpp.HasJpegHeader())
            return RJClassification.NotJpeg;
        var jpegEnd = jpp.SkipJpegHeader();
        if (!jpegEnd.HasValue)
            return RJClassification.NotJpeg;
        var rrp = new RarParser(data, jpegEnd.Value);
        var rarStart = rrp.FindRarHeader();
        if (!rarStart.HasValue)
            return RJClassification.JpegWithUnrecognizedTail;
        payloadIndex = rarStart.Value;
        return RJClassification.JpegWithRarTail;
    }
}

class RarParser
{
    byte[] data;
    long startIndex;
    public RarParser(byte[] data, long startIndex)
    {
        this.data = data;
        this.startIndex = startIndex;
    }

    byte[] signature = { 0x52, 0x61, 0x72, 0x21, 0x1A, 0x07, 0x00 };
    public long? FindRarHeader()
    {
        // state machine
        int state = 0;
        for (long i = startIndex; i < data.LongLength; i++)
        {
            if (data[i] == signature[state])
            {
                state++;
                if (state == signature.Length)
                    return i + 1 - state;
            }
            else
            {
                if (state > 0)
                    i--; // need to recheck the current byte
                state = 0;
            }
        }
        return null;
    }
}

JPEG parser чересчур длинный, положил сюда.
Для других форматов картинок нужен, понятно, другой картиночный парсер. Или можно
вообще без него, если скармливать RarParser'у ноль в качестве startIndex (но будет
дольше и менее надёжно).

Упс, кажется, код никогда не возвращает JustJpeg. Нужна ещё проверка после var jpegEnd
= jpp.SkipJpegHeader();.