인코딩 감지기

감지기가 판단하는 방법

모든 인코딩에는 규칙이 있고, 문자열은 그 규칙을 따르거나 어깁니다. 감지기는 입력에 대해 각 디코더를 실행합니다. 알파벳에 없는 문자, 불가능한 길이, 잘못된 위치의 패딩을 만난 디코더는 제외되고, 나머지는 출력이 얼마나 그럴듯한지에 따라 순위가 매겨집니다.

• 문자 집합. 16진수는 0-9와 a-f만 사용합니다. Base58에는 0, O, I, l이 절대 나오지 않습니다. +나 /가 있으면 Base64, -와 _가 있으면 Base64URL일 가능성이 높습니다.
• 길이와 패딩. 16진수는 자릿수가 짝수여야 합니다. Base64는 4문자 단위, Base32는 8문자 단위로 동작하며, = 패딩은 끝에만 올 수 있습니다.
• 읽을 수 있는 출력. 인쇄 가능한 문자로 이루어진 올바른 UTF-8로 디코딩되는 후보는 무작위처럼 보이는 바이트를 내놓는 후보보다 정답일 가능성이 훨씬 높습니다.
• 파일 시그니처. 디코딩된 바이트가 PNG, JPEG, PDF, ZIP, gzip 헤더 같은 알려진 매직 넘버로 시작하면 해당 파일 유형과 함께 표시됩니다.

data: URI 접두사, Adobe의 <~ ~> 구분 기호, uuencode의 begin 줄 같은 래퍼는 해당 디코더가 알아서 처리합니다. 이 모든 과정은 브라우저에서 실행됩니다.

결과가 확정이 아니라 순위인 이유

알파벳은 서로 많이 겹칩니다. 문자열 48656c6c6f는 Hello를 16진수로 표기한 것이지만, 같은 10개 문자는 Base64, Base36, Base58, Base62로도 유효하며 각각 다른 바이트를 만들어 냅니다. 읽을 수 있는 텍스트가 나오는 것은 16진수로 해석했을 때뿐이므로 16진수가 1순위가 됩니다. cafe 같은 짧은 단어는 거의 모든 알파벳에 들어맞으며, 문자열 자체에는 어느 쪽을 의도했는지 알려 주는 정보가 없습니다.

입력이 길수록 우연히 일치할 가능성이 낮아지므로 답이 더 분명해집니다. 어떤 후보도 텍스트나 알려진 파일 유형으로 디코딩되지 않는다면 데이터가 암호화되었거나 압축되었거나 해시일 수 있습니다. 16진수로 표기한 SHA-256 해시는 완전히 올바른 16진수이지만, 그 바이트는 설계상 무작위처럼 보입니다.

자주 쓰는 인코딩을 눈으로 알아보기