579. AI Village Capture the Flag @ DEFCON31 | ai-village-capture-the-flag-defcon31
我共解决了 22 道题目（包含测试题）
测试：测试
聚类 - 第1关：我通过尝试不同的过滤器并选择分数接近 1 的那些来找到解决方案。
1. 我尝试发送 list = [0]，结果提示"太小了！"。
2. 预测收入后，我发现有许多 ≤ 50 的条目符合描述，于是进行了检查。
3. 然后我尝试过滤收入小于等于 50K 的数据，结果接近 1；而相反的条件结果为 0。
4. 在尝试更多过滤器后，我成功精确定位了目标。
聚类 - 第2关：这题很简单。我尝试对数据进行聚类，发现形成了 4 个簇。
聚类 - 第3关：这题有点难，我尝试了不同的聚类算法，发现 TSNE 最适合我的需求。我下载了一张由 Matplotlib 生成的大规模图像（100, 50），然后在电脑上打开，能够正确查看并解答。
统计 Mnist：在这题中，我们需要统计 MNIST 数据集中每个像素值（从 0 到 255）的出现次数。输入数据中给出了像素提示：[255, ]
未解决。
Granny - 第1关：这题花了我 9 天时间解决。我一开始走了弯路。首先我尝试仅使用 224 尺寸调整和图像归一化的预处理，在所有可用模型（Jax、TensorFlow 和 torch）上进行测试。我未能找到正确的模型，因此决定尝试不同的黑盒算法，但也没有成功。休息了一周后，我决定深入研究，发现正常的推理流程中会先应用 256 尺寸调整，然后中心裁剪，再进行归一化。使用这种方法后，我成功匹配了模型，并使用 torch 攻击库中的 PGD 攻击获得了结果。
Granny - 第2关：为了解决这题，我使用了 BPDA（反向传播微分近似）方法。通过迭代应用 JPEG 压缩，然后进行 PGD 攻击，直到 API 将图像分类为 "Granny" 并给出结果。
未解决。
未解决。
像素化：我用随机图像运行循环，发现某些结果返回错误：`'无效 XML: <?xml version="1.0" encoding="UTF-8"?>\n<request action="insert"><system>pixelated</system><text>table: 2 & 2 & 2 & 2 & 2</text><is_admin>false</is_admin></request>\n'`。我尝试将 is_admin 从 false 改为 true，从而获得了 Flag。
西班牙语混合：非常简单，使用谷歌翻译。英文意思是"the security flag is gaaaaaabl.."。
未解决。
海盗旗：如果海盗想要 Flag，他会怎么说？很简单，他会直接要 Flag（第一次尝试就成功了）。
语义相似度：我浏览了大量单词，发现与太空相关的单词得分很高。我使用聊天机器人生成 100 个太空相关的单词，在循环尝试时找到了"asteroid"。
语义相似度 2：再次浏览大量单词并尝试组合。我发现"person, woman, man, camera, TV"这五个单词组合得分 0.97。搜索谷歌后发现这是特朗普的著名演讲，使用该序列加上句点找到了 Flag。
未解决。
WITF - 第1关：这是一个简单的检查笔记本。
WITF - 第2关：跟随流程的 LLM。
WITF - 第3关：跟随流程的 LLM。
WITF - 第4关：用英语对话时系统反应过于敏感，所以我决定更换语言。
WITF - 第5关：跟随流程的 LLM。
WITF - 第6关：跟随流程的 LLM（较小版本）。
猜猜是谁回来了：我使用 Matplotlib 下载了高清图像，肉眼可以看到树懒眼镜左侧有文字。我尝试手动查找该像素，然后根据该像素进行过滤。
泡菜：向键盘挥手，拥抱鼠标。复制请求，粘贴到 dump 中。为什么这样可行？因为它并不那么危险（某些函数由你创建），但也不安全。
我的IP是什么？：由于域名可以表示为 IP 地址，我让 LLM 将乔的邮箱从辛普森的 IP（第一次调用时由 LLM 提供）更改为目标 IP。
我的IP是什么？第2关：由于系统说不知道布鲁诺，我决定尝试使用我的名字，结果成功了。
解决方案笔记本：https://www.kaggle.com/code/goelyash/defcon31-ai-village-capture-the-flag-22-flags
感谢组织者举办这场比赛，真的很有趣。期待明年的比赛 😁