██╗ ██╗ ██████╗
██║ ██╔╝ ╚════██╗
█████╔╝ █████╔╝
██╔═██╗ ██╔═══╝
██║ ██╗ ███████╗
╚═╝ ╚═╝ ╚══════╝
每一个比特。
易用、信息丰富且全面的隐写分析套件。
这是为我的 SaaS 副业项目 (khao2.com) 开发的 CLI 工具，专注于隐写分析。
K2 是一个多功能的隐写检测平台，专为图像隐写分析设计。
K2 的不同之处在于它使用广泛的统计和数学测试，检查高度复杂的算法（例如 J-UNIWARD、JMiPOD）留下的微小异常，而不是寻找直接特征，它寻找的是异常/信号。
K2 的 ML 部分用于聚合所有异常，并输出一个二进制判定，表明该图像包含隐写的可能性。
pip install -e .
获取令牌：
配置 API 令牌：
k2 token set k2_yourtokenhere32characterslower
配置 API 端点：
k2 endpoint set https://api.khao2.com
分析图像：
k2 dig image.png
实时查看扫描进度：
k2 dig image.png --watch
通过 ID 获取扫描结果：
k2 get <scan-id>
处理多个图像：
k2 batch image1.png image2.jpg image3.gif
递归扫描目录：
k2 batch /path/to/images --recursive
自定义文件模式：
k2 batch /path/to/files --pattern "*.png" --recursive
列出可用插件：
k2 plugins list
加载插件：
k2 plugins load batch_processor
生成 HTML 仪表板报告：
k2 report dashboard.html
生成执行摘要（最近 7 天）：
k2 report executive_summary.html --executive --days 7
导出为 PDF：
k2 report analysis.pdf --format pdf
列出最近的扫描：
k2 list --limit 10
检查配额：
k2 quota
查看使用分析：
k2 usage
Khao2 拥有强大的插件系统，支持扩展和高级功能：
通过实现相应的协议并将插件放置在 plugins 目录中来创建插件。有关示例，请参阅内置插件。
这是一个个人项目转变为 SaaS 副业，我最初是为自己的 CTF 挑战构建的，并没有打算将其变成产品。
可能有人会觉得每月免费 5 次扫描太少，但请理解，这些统计扫描本质上是顺序执行的，在 Modal.com HPC 上运行需要数分钟以上。
██╗ ██╗ ██████╗
██║ ██╔╝ ╚════██╗
█████╔╝ █████╔╝
██╔═██╗ ██╔═══╝
██║ ██╗ ███████╗
╚═╝ ╚═╝ ╚══════╝
KHAO2 IMAGE FORENSICS | 每一个比特。
✅ 分析完成
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
判决：良性
可能性：8%
置信度：85.0%
文件：test.png
大小：88 bytes | 1x1 | PNG
SSDEEP：3:yionv//thPlE+tnMysyxdk/Slc+0kxQcnd6vtjp:6v/lhPfZMys+k/WT0krnd6vdp
SHA512：cd96b0688ad40f6b8ea0f2dd5529ae14d0037fbf8b30e1a1d0fd1a81a16e4c4305c95f1673aee7808a618c70ce4d0d4706c31dc7fb8cf4deab39c8ce584d7535
SHA256：39768f51d067905ee91c1422fe26ea2cc978ff0ac12bb61b3878f094c2cd1db3
MD5：b34c91ec15a592d974131f02c1f05cb6
引擎：329/339 完成 | 10 失败
运行时间：373489ms | 29.84K FLOPs
文件完整性
├─ 格式：PNG image, 1 x 1, 8-bit/color RGBA, non-interlaced
├─ 模式：RGBA
统计分析
├─ 熵：-0.0
├─ 尺寸评分：0.09
└─ 发现字符串：0
检测到的异常：1 (85.0% 置信度)
! #082_CLA 完美滞后相关性在 1x1 图像中，可能微不足道，不表示隐藏数据
置信度：50.0% | 异常值：10.0
识别到的介质：无
识别的载体：未检测到隐藏数据；图像尺寸和熵太低，无法嵌入
技术基数：LSB Replacement, PNG ancillary chunks, Palette LSB
建议下一步：
运行 pngcheck 和 exiftool 列出所有 PNG 块，对该文件使用 StegDetect 或 zsteg，并重新运行 binwalk 进行更深的递归扫描以确认没有隐藏载荷。
潜在误报原因：
• 载体极小（30% 可能性）
• 未解析元数据中的隐写（25% 可能性）
• 自定义专有嵌入（20% 可能性）
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
运行测试：
pytest
以开发模式安装：
pip install -e .