Java 通过读取前几个字节读取实际文件类型（取证）

Question

你好，我需要一种方法来使用 Java 读取任何文件的前四个字节。为什么是前四个字节？因为它是实际文件类型的取证指纹（文件扩展名不可靠，因为它可以被伪造）

http://en.wikipedia.org/wiki/File_carving

现在，以这种方式读取文件（下面，Java 代码）将读取文件 "content"，我认为它会跳过文件头信息。 ..？我无法获得幻数（前四个字节），因此无法 identify/confirm 给定样本的真实文件类型。

byte[] buffer = new byte[4];
InputStream is = new FileInputStream("somwhere.in.the.dark");
if (is.read(buffer) != buffer.length) { 
    // do something 
}
is.close();

Read First 4 Bytes of File

有什么建议吗？

Answer 1

我认为你可以使用：

IOUtils.toByteArray(InputStream is)

看这里：IOUtils.toByteArray 将您的 InputStream 转换为 byteArray，然后获取前 4 个字节。

Answer 2

为此使用 java.nio.file API；具体来说，写你自己的 FileTypeDetector.

我恰好在我的一个项目中这样做：

https://github.com/fge/java7-fs-more/tree/topic/filetypedetector

有了这个，我可以使用 Files.probeContentType() 和 return 文件的确切类型作为 MIME 字符串。

见the test file。

现在，它是如何工作的：

您自己编写一个 FileTypeDetector 的实现（here 是检测 PNG 文件的示例）；
如果检测器不能确定类型，你就returnnull；
您在 META-INF/services/java.nio.file.spi.FileTypeDetector 中注册实现（参见 here）；
测试一下...
并使用 Files.probeContentType().

Answer 3

正如 Blank 所建议的，https://tika.apache.org

这是代码 - 在此示例中，"test3_iamexe.txt" 是一个 exe 可执行文件，文件扩展名重命名为“txt" 攻击者。

import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.mime.MediaType;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.sax.BodyContentHandler;
import org.apache.tika.parser.AbstractParser;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.sax.XHTMLContentHandler;
import org.xml.sax.ContentHandler;
import org.xml.sax.SAXException;

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.util.Collections;
import java.util.Set;
import org.apache.tika.metadata.Property;

public class TestTika {

    public static void main(String[] args) {
        File file = null;
    InputStream stream = null;
        String contentType = null;

        try
        {
            file = new File("C:\tmp\test3_iamexe.txt");
            stream = new FileInputStream(file);

            AutoDetectParser parser = new AutoDetectParser();
            BodyContentHandler handler = new BodyContentHandler();
            Metadata metadata = new Metadata();

            try {
                // This step here is a little expensive
                parser.parse(stream, handler, metadata);
            } finally {
                stream.close();
            }

            // metadata is a HashMap, you can loop over it see what you need. Alternatively, I think Content-Type is what you need
            contentType = metadata.get("Content-Type");

        } catch(...)
        {
            // handle it
        }

        return;
    }
}

Java 通过读取前几个字节读取实际文件类型（取证）

Java read actual file type by reading first few bytes (Forensic)

java

computer-forensics