Featured image of post FileTypeAnalyzer:双引擎文件类型识别工具

FileTypeAnalyzer:双引擎文件类型识别工具

之前一直在用一个十几年前的 文件分析工具,采用的 TrID 库,但是作者网站没了,库更新失败,作者也没有开源。 现在是AI时代,有想法就能实现,所以我用DeepSeek+豆包,制作了一个开源的双引擎文件类型识别工具。 一套是传统 TriD 特征库,另一套是 Google 的 Magika,用一个小神经网络判断,速度很快。 文件类型识别工具

分析一个 PDF,左边 TrID 直接命中 Adobe Portable Document Format,右边 Magika 给 pdf。两边一致,底部用绿色文字提示;如果不一致会用黄色文字提示。但双边的叫法有可能不一样导致不一致🤣。

为什么两个一起用

签名库和模型犯的错不一样。TrID 认的是具体格式特征,遇到截断、加密、自制的容器文件会犹豫,但一旦命中,往往能说清是哪个程序写的;Magika 靠整体统计特征,抗噪,但只给大类,说不清细节。

两边都指向 PDF,基本可以放心;一边说 zip 一边说 docx,那多半是伪装扩展名,或者文件本身有问题。

实现上的几个取舍

TrID 采用了 .NET集,可以更新特征库到 exe 同级的 defs\ 目录,两万多个 XML,约 27 MB。第一次启动会解析一遍并缓存成二进制文件,之后加载只要一百多毫秒。更新时先对官方地址发一次 HEAD,比对包的时间戳,本地已经是最新就不下载——省得每次点按钮都白拉 2.7 MB。

界面用 WinForms 手写,深色浅色两套主题,图标是打包进来的 Font Awesome 字形,不依赖系统字体。中英文语言包是两个 JSON 文件,想加别的语种照着改就行。

主要目的

  • 单个文件分析,没有批量模式;
  • 支持拖动文件到UI,或者你通过SendTo打开,或者用程序的打开按钮。
  • 一致性判断规则很简单:TrID 前几名里能找到和 Magika 标签同义的扩展名,就算一致。遇到少见的格式会误报。

下载

Windows 10 及以上,需要 .NET 8 桌面运行时。压缩包里已经带了定义库和 Magika,解压直接用。

GitHub 项目 | v1.2.0 下载

使用 Hugo 构建
主题 Stack 由 Jimmy 设计