🌐 English version: English

系列第三篇
LoRa 解調器在上一篇〈True Color Is a Lie〉打好骨架後，這篇換了新參數（隱式標頭），順便把隱寫的手法從 兩份相減 升級成 多頻道分群

系列其他篇：Channel Hop、Subsidy Claim、Two Voices、No Name on the Door、Hopscotch

題目在講什麼

題目畫面

拖拉機從黎明起就不再聽桅杆，改聽另一個陌生發射訊號源。Johnripper 終端機在經銷商的私有設定下收圖，而經銷商不公開設定，Babb 只有影印的服務手冊第 14、16 頁，中間的第 15 頁遺失了

共用 SDR 被搬到拖拉機棚，錄到了那個頻道，陌生人傳給拖拉機的是一整張圖塊（所有頻道），看起來像真的，只有北邊農田有一塊 Babb 解釋不了

課程筆記頁邊用雙底線寫著：「count what actually grows here（數數這裡實際種了什麼）」

目標：找出陌生人植入圖塊裡的東西。給的檔案有約 213 MB 的 .sigmf-data、手冊第 14/16 頁、以及遙測課程筆記

Flag 格式 GAIANSPACE{...}。

這次是隱式標頭

無線電參數（手冊第 14 頁）是 433.4 MHz、SF7、BW500k、CR4/5、網路字 0x2C、前導碼 10 符號、沒有射頻標頭（固定長度框架）

缺失的第 15 頁有框架長度表，要從資料自己推

沿用上一篇的解調器骨架，差別是這次是隱式標頭：前 8 個符號是低速率區塊（CR4/8），之後每 5 個符號一個區塊；長度由封包在空中的符號數推出

全部 779 個框架都通過手冊第 16 頁的 CRC-16 檢查後，還原出 5 張 128×128 的灰階圖：

還原出的五個頻道，北邊農田都有一塊雜訊區

每個頻道單看，那塊區域都像隨機雜訊，跟上一題不一樣
這可能正是題目說沒有任何波段洩漏的意思

先搞懂這張「圖」是什麼

衛星拍的不是一般相機的 RGB 照片，而是把不同波長的光分開記錄，每種波長存成一個頻道（波段）。

這題用到三類：

  • 可見光：肉眼看得到的紅綠藍。健康植物的葉綠素會吸收紅光，所以植物在可見光裡偏暗、裸土偏亮
  • 近紅外線（NIR）：波長比紅光再長一點，肉眼看不到。健康植物的葉肉會強烈反射近紅外線，所以「近紅外線高」幾乎等於「這裡是活的植物」
  • 短波紅外線（SWIR，Short-Wave InfraRed）：波長更長，對水分特別敏感。含水多（溼土、灌溉後、含水的葉子）會吸收 SWIR 而顯得暗，乾燥地表則 SWIR 偏亮

所以每個像素其實帶著一組指紋：可見光亮不亮、近紅外線高不高、SWIR 高不高。如果把這些指紋拿去分群，就能把指紋相像的像素歸成同一類

ISODATA / k-means：數數這裡種了什麼

課程筆記提示用 ISODATA 分成 7 類（ISODATA 是遙測常用的非監督式分群，概念上就是 k-means）

對雜訊區的 5 維像素做 k-means，誤差在 k=4 時大幅下降（再往上加類別，誤差只是緩慢下降），表示那塊區域其實只有 4 個真正的類別。而這 4 類不是隨機的，它們剛好是兩個各自只有兩種值的開關組合出來的：

類別 可見光 近紅外線 短波紅外線
植被型 + SWIR 低 暗 高 低
植被型 + SWIR 高 暗 高 高
土壤型 + SWIR 高 亮 低 高
土壤型 + SWIR 低 亮 低 低

把這張表讀成兩個開關就清楚了：

  • 開關 A：這塊地「看起來像植物」還是「看起來像土壤」（由可見光暗/亮、近紅外線高/低決定）
  • 開關 B：SWIR 是「高」還是「低」

A × B = 2 × 2 = 4 種，剛好對上 k=4。

關鍵來了。正常情況下這兩個開關會自然搭配（真正的植物，A、B 會呈現該有的組合），但這邊陌生人做的手腳是，只在「要畫字」的那些像素上，把開關 B 偷偷反過來，這樣的結果是：

  • 單看近紅外線那個頻道：字的像素和背景都是「植物」（A 相同），完全看不出差別 → 沒有洩漏。
  • 單看 SWIR 那個頻道：字的像素只是 SWIR 剛好相反，但 SWIR 本來就滿地高高低低，看起來就是雜訊 → 也看不出來。
  • 只有同時比對「A 和 B 一不一致」，字才會浮現。用數位的話說，就是把兩個開關做 XOR：一致 = 0、不一致 = 1，而文字正是畫在 XOR = 1 的像素上

這就是為什麼非得用「分群」而不是「看單一頻道」：分群會一次把所有頻道的指紋一起考慮，自然就能把「A 說是植物、B 卻反了」這種自相矛盾的像素獨立歸成小類別，那個小類別就是字。在整張圖上用 k=7 分群，那兩個「矛盾」的小類別就各自顯示一部分文字：

k=7 分群的各類別分布，兩個小類別合起來就是文字

把那兩個類別合併畫出來，三行字清楚浮現：

兩個文字類別合併後的遮罩

讀出最後一行

字型是「粗體」版，每個字元是 5×6 的基本字形加上向右偏移 1 像素的副本

我用前兩行已知的字母（GAIANSPACE{、7TH-CLASS-）當對照，逐格確認最後一行。這裡我對 W/V 有點猶豫，最後選 W 正確

Flag

1
GAIANSPACE{7TH-CLASS-XHTXWX}

心得

  1. 這題的「植入」不是畫在某個頻道，而是把文字拆成兩份雜訊（XOR）分散到不同波段。 任何單一頻道都是雜訊，只有同時看所有頻道（分群）才現形——呼應筆記那句「the computer only knows which pixels look alike in all channels at once」。
  2. k-means 的誤差曲線會告訴你「真正有幾類」。 k=4 時誤差大幅下降、之後只是緩降，這就是筆記「count what actually grows here」的實作。
  3. 缺的那頁手冊不用補。 框架長度、頻道、列號都能從資料的欄位分布直接推出來。
  4. 小字型要先搞懂繪製規則再回推字形。 這題是「向右偏移 1 像素的粗體」，弄清楚規則後逐格比對，比直接看放大圖可靠。