一套239MB的装修模型、几张只剩轮廓的照片。这次抢救绕开了破解密钥，转而从未损坏的数据里找线索。
2019年的一天，Vitalijus Weax 眼看着文件夹里的文件名一个接一个变成随机字符。他来不及弄清发生了什么，先拔掉了电源。后来才知道，硬盘上相当一部分文件已经被勒索软件加密。电脑里的照片、报价表、文档和视频都还能看见，却再也打不开。
他最舍不得那套亲手做的房屋三维模型。2017年装修公寓时，他用 SketchUp 把房间、家具、厨房和浴室一点点建了出来。模型有239MB，里面是他当年对家的设想。他保留了两个副本，但两个都没能躲过攻击。案发后，他没有向勒索者付款，也没有把那些打不开的文件删除，而是从桌面、图片和文档目录里挑出约700个加密文件，转存起来。接下来七年，这批文件一直打不开。
2026年11月，他把保存下来的文件交给 Claude Code，折腾了大约一周。按作者的统计，26%的文件完整恢复，27%能够打开但带有一定损坏，另有12%的内容被提取到新文件中，合计约65%重新获得了不同程度的使用价值。剩下的35%依旧无法恢复。他在 Reddit 的 ClaudeAI 社区分享了过程。Claude 没有拿到勒索软件的加密密钥，也没有在密码学意义上“解密”文件；它走的是数据恢复这条路。
一、没有密钥，先看看文件里还剩下什么
Claude最初判断：这批文件遭到的攻击属于 Scarab 勒索软件的一个变种，采用了AES与RSA组合的加密机制。按照作者给出的分析，每个文件由独立的随机AES密钥加密，再由攻击者持有的RSA公钥加密该密钥，相关密钥数据留存在文件末尾。没有对应私钥，直接还原密钥几乎没有现实可行性。Claude也没能绕开这套加密机制。把这件事说成“Claude破解勒索病毒”，会说错它做成的事。
后来，Claude拿到几份完好副本，把它们与受损文件逐字节比较。它发现：在这一批文件中，勒索软件主要加密了开头的16KB，后面的大部分内容仍与原文件一致；作者还记录到一小段数据被移动到文件末尾。这样能加快攻击：不必处理几百兆、几千兆的全部数据，只要破坏文件头、索引或压缩流的关键位置，普通软件就会报错。对受害者来说，文件还是打不开。
要抢救里面的数据，区别就大了。以那套239MB的SketchUp模型为例，16KB只占全部体积的大约万分之零点六七。决定软件如何读取内容的开头受损了，后面海量的几何、材质和纹理记录却可能仍在那里。Claude转而尝试读懂这些幸存数据，重建应用程序需要的文件结构。这需要解析文件格式、比对样本，再写程序反复试。
还有一件事：作者约八分之一的文件在其他目录里留有完好副本。Claude利用未被改动的内容匹配这些文件，找回原始文件及名称，这部分属于严格意义上的精确恢复。找现成的完好副本、缓存和历史版本，比重建数据省事，也更可靠。作者后来还在Lightroom目录中发现了一千多张没有被加密的照片预览图。这些预览图代替不了原始RAW文件，至少还能让人看到照片里的场景。
二、同样损失16KB，文件的命运却不同
Claude没有用一段通用脚本反复试这700个文件，而是把恢复程序拆成多个面向文件格式的模块：JPEG由JPEG的方法处理，PNG使用另外的解压思路，Excel、PDF、Photoshop、视频和SketchUp分别分析。每改进一次算法，就把它重新运行到整批文件上，查看新出现的可读文件、错误类型和边界情况。作者说，最后一轮改进又额外救回了大约100份文件。它边写程序边对整批文件复测，遇到新错误再改。
开头同样损失16KB，不同格式能救回的内容差很多。相机拍摄的JPEG照片通常带着比较稳定的量化表、霍夫曼表和图像尺寸信息；如果还有来自同一台相机、相近设置的完好照片，修复程序就有机会借用相应编码参数，再从幸存的压缩数据中重新定位图像。部分照片只需要处理顶部受损的一小条区域。某些相机文件前面还有元数据和预览图，主图像甚至可能基本幸免。作者称，有些Photoshop的PSD文件只需重建头部信息，连图层都能重新出现。
PNG要难一些。PNG常用的DEFLATE压缩会引用此前出现过的字节，回溯窗口最大可以达到32KB。文件前面16KB缺失，意味着后面看似完好的压缩数据有时仍会指向那些不存在的内容。恢复程序必须从幸存的数据流中寻找能够重新开始解码的位置，再结合图像宽度、行过滤规则等约束进行修补。作者展示的装修渲染图虽然能够重新观看，局部却出现彩色噪声；那不是原来的颜色，只是算法在缺少完整信息时作出的估计。
Excel不一定非要把原工作簿原样修好：先提取幸存的单元格值，再写入新文件，也能用。视频要从幸存的帧数据里找回播放顺序。作者有一段约十分钟的旧影片，Claude通过分析帧数据并参考相同时期Premiere导出的其他视频，恢复了可播放的画面与原始声音；另有一段4K航拍视频，画面被重新找回，声音却没能保住。Word文档和许多体积较小的网络图片则没有这么幸运。小文件可能被16KB的加密范围整个覆盖，另一些图片的关键编码表已经永远丢失。丢掉的数据如果没有留下别的线索，就无法精确还原。
作者的统计也能看出差别：完整恢复的26%，包括匹配到完好副本的文件以及部分照片、PSD和视频；带损伤打开的27%，集中在修复过的图像、PDF和短视频；12%则是把Excel的内容、RAW预览图、三维模型等提取成其他可用形式。这里的“恢复率”统计的是使用价值，不代表65%的文件与2019年的原始数据逐位相同。“重新能用”与“恢复到原样”要分开看。
三、一张照片还剩下线条，却失去了光和颜色
两百多张从网页保存的图片，处理起来格外棘手。这些图片与相机照片不同，许多采用渐进式JPEG编码。JPEG会把画面拆成很多8×8像素的小块，再分别记录大致亮度、色彩以及不同频率的细节。渐进式JPEG还会分多轮保存这些信息，早期扫描给出较粗的画面，后面的扫描逐步补充边缘和细节。如果前16KB恰好毁掉了最基础的亮度或色彩信息，而后续细节扫描仍然存在，就会出现非常怪异的结果：图像轮廓和纹理有了，光影和颜色却像被人抽走一样。
Claude一开始尝试通过数学规则修复这些图片，例如让相邻的8×8块在边界处尽量平滑，估计各区域的亮度和颜色。但仅靠这些规则，颜色和亮度仍很难补准。假设你只拿到一张厨房的边缘图，知道橱柜门、台面和墙砖的轮廓，却不知道墙是米白色还是灰色，灯光是暖黄还是冷白。人也能猜一张“看起来合理”的照片，却很难证明它与原图完全一致。对图像恢复而言，这种信息缺失属于欠定问题：可能的答案远不止一个。
按照作者叙述，Claude后来不再只微调公式，而是提出另一种办法，并动手实施：在用户本机的RTX 4070上训练一个U-Net图像恢复模型。它先收集完好照片，再人为模拟类似的文件损坏，让模型学习从幸存的线条与局部信息中估计丢失的亮度、颜色和低频结构。作者还额外补充了约100张不同类型的网络图片作为训练材料。据其报告，相比此前的数学修补方法，颜色误差下降超过一半，补充的训练照片还带来约10%的进一步改善。
这里的误差下降是作者自己的实验结果，尚无公开发表、经第三方复核的标准基准；对于那些原图已经找不到的受损图片，我们也无法直接计算恢复结果与真实原图的差异。例如作者展示了一张曾从房产网页保存下来的厨房照片，原网页早已消失。他后来还让ChatGPT根据Claude修复出的图像进一步生成一张可能的原貌。后一步更接近视觉再创作，可以很好看，也可能非常像原图，但它没有把已经消失的像素从磁盘里“找回来”。对私人纪念照来说，这样的重建也许令人欣慰；对证据照片、医学影像或者工业检测记录来说，必须清楚标出哪些像素来自原始数据，哪些来自模型推断。
四、那套239MB的房屋模型怎么回来的
照片缺了颜色可以估计；SketchUp模型要想重新打开，先得读懂缺了文件头的复杂二进制结构。作者最在乎的文件有239MB，装着五十多万个面、各类组件、材质、纹理、分组标签和保存的视角。模型存在两个被加密的副本，却没有一份完整的原始工程。开头的16KB正好破坏了SketchUp识别文件结构所需的重要信息，正常软件连入口都找不到。
Claude参考了OpenSKP公开的格式研究资料，但没有简单地找到一个现成转换按钮。按照作者记录，它先从幸存的记录里重新推断对象类型和结构关系，为这些字节写出专门的解析器；遇到资料未覆盖的记录类型时，又结合数据特征解出了三类此前未被文档描述的记录。它把模型中的几何与其他可解析对象提取出来，再导出为Blender能够读取的glTF/GLB文件。对于原来已经无法被SketchUp打开的工程，他终于能用另一种软件查看旧模型了。
导出之后，还有不少问题。作者此前并不会使用Blender，Claude就继续生成脚本，为不同SketchUp标签建立集合，把原来的视角变成摄像机，并在灯具与窗外布置光照。第一次渲染还有黑色窗户、墙面斑块、贴图错误，浴室的水龙头甚至多出了几个。用户指出问题，Claude逐一修改，最后又参照2019年的旧渲染图校正镜头位置，重新生成与过去相近的画面。多年以前亲手搭建的那个家，又能在电脑上旋转、查看和渲染了。
GLB能在Blender里使用，却不能据此推断原SketchUp文件的全部编辑语义、约束关系或历史信息已百分之百复原。作者的对照图、操作过程与文件统计构成了一份相当具体的个人实践记录，但目前仍是单个用户的自述，没有第三方对全套原始文件、恢复程序和结果逐项进行审计。他的旧模型重新有了可看的场景；原工程是否完整恢复，则是另一回事。
五、从写代码，到组织一项完整的工程
这次抢救用到的不止一种修复算法。传统恢复程序通常面向已经研究过的故障模型：识别特征、匹配格式、应用算法、输出结果。它们当然可以很强大，但面对一套格式混杂、损伤类型不完全清楚、还夹着私有三维文件的资料集合，仍需要工程师不断分析、开发和调试。这里的Claude做的事情横跨了多个原本分离的岗位：鉴别勒索软件、发现部分加密规律、设计模块化恢复工具、查找格式资料、写解析器、建立测试循环、决定何时切换到机器学习、调用本地GPU训练模型，再把结果送入三维软件复核。
Claude围绕“尽可能找回这些文件”持续组织工具和试验。用户没有一开始就指定必须写多少个格式模块，也没有预先设计U-Net训练流程，更不可能逐字告诉它怎样解析一个损坏的SketchUp对象流。Claude在执行中不断改变策略。与此同时，人的参与始终存在：人提供原始文件、完好样本、GPU、额外训练图片，指出渲染错误，也决定什么样的结果才算有用。它有终端、文件系统和计算资源可用，但结果还得由人检查，也离不开人提供的样本和反馈。
这件事还花了不少计算资源。作者称，这项工作在VS Code的Claude Code环境中持续约一周，文件恢复过程消耗了约5.446亿token，后续Blender修复约357万token，绝大多数属于缓存读写。他使用的是订阅计划，并没有实际支付“5亿token的普通API账单”；其估计按当时API缓存机制折算的费用大约为200美元，这只是个人估算，不能直接作为可复制的商业成本。这约一周里，反复读写文件、调用工具、跑测试和检查结果，都在消耗资源。若把这类工作搬到企业环境，执行权限、成本预算、任务检查点、失败回滚和过程日志都会变成系统设计的一部分。
六、旧工业文件也有类似的难题
工业企业也存着不少多年以前留下的文件。它们未必遭到勒索软件攻击，却同样存在读不出来、迁不出去、原厂软件已经消失的问题：十几年前的CAD模型、无法继续维护的项目数据库、旧版本工艺文件、只在某套专用软件里能打开的检验记录、伴随着设备退役而失去访问工具的控制程序和参数集。企业多年积累的知识往往保存在这些具体文件里，而不是整齐划一的知识库中。软件版本更迭、人员离职、供应商退出、格式不兼容，会让原本存在的数据一点点失去可利用性。
这次抢救有个可借鉴的做法：先不急着把所有东西迁移到统一平台，也不假设某个通用大模型天生认识全部工业格式，而是让具备工程工具能力的智能体去识别文件、查找规格、编写读取器，提取幸存或可验证的结构，再转换为下游系统能够消费的数据。对于设计模型，可以恢复几何拓扑、材质和零部件层级；对于检验文件，可以优先提取测量值、时间戳与设备标识；对于旧工艺项目，可以梳理参数表、版本差异与可追溯出处。软件能够提供公开SDK时，就按SDK做；格式不完整或资料缺失时，才进入更高成本的解析与验证。许多旧文件的问题是读不出来，先解决读取和校验，才谈得上后续使用。
工业数据的误差不能按私人照片的标准来衡量。三维模型多恢复了一个装饰件，可能只是画面上的小错误；吊装模型多出一个连接点，或关键尺寸偏离几个毫米，就有可能影响计算和施工。视觉修补可以使图片看上去更自然，却不能自动成为原始质检证据。如果用智能体处理这类文件，恢复结果需要分层记录：原始字节与哈希完整保存，解析出的确定性数据单独标识，推断补全的部分附带置信度和来源记录，几何尺寸、质量属性、装配约束与工艺规则交由专业软件或人工校核。研发、制造和质量场景需要能追溯每一步，不能只看恢复后的画面是否像原件。
安全操作也要跟上。遭勒索软件攻击后的恢复应首先隔离受影响的系统，保全证据，检查备份与可信解密工具，并在受控环境中处理工作副本。企业的敏感资料不宜因为使用AI就被直接上传到未知服务；可执行工具要隔离运行，写操作要限定到副本目录，关键操作保留日志。NIST关于勒索软件和破坏性事件后数据完整性恢复的指南，强调的也是恢复以后如何证明数据可信。AI可以帮忙抢救资料，备份、权限控制、终端防护和应急响应仍要照做。
七、七年后打开文件
这件事里我记得最牢的，是Claude起初承认自己没有密钥，然后去检查文件里还剩下什么。它比对样本、寻找能验证的线索，再按文件格式一个个试。能原样救出的就原样救出，不能完整恢复的就提取可用内容，实在缺失的信息才尝试推断，同时把失败留在统计表里。
我更在意它怎样在真实文件上反复试错：脚本写完要跑，图像修完要看，模型导出后还要找错。七年后，他没等到解密密钥。那套房屋模型却又能在Blender里查看了。
资料来源与说明
- Vitalijus Weax，《AI Unlocked My Ransomware-Encrypted Files — Without the Key》，Medium，2026年11月。案例细节、比例与训练结果主要来自作者本人记录，尚非第三方独立复现实验。
- Reddit，I gave Claude ~700 ransomware encrypted files…，作者技术摘要、问答与token用量补充。
- Microsoft Security Blog，《The Gentlemen ransomware: Dissecting a self-propagating Go encryptor》，2026年5月。用于核对部分加密作为勒索软件技术策略的行业背景；不同家族的具体加密范围并不相同。
- OpenSKP，SketchUp文件格式开源研究资料，用于理解旧SKP格式解析的技术背景；不能据此认定作者所用的是该仓库的特定版本。
- NIST，《Data Integrity: Recovering from Ransomware and Other Destructive Events》，2020年。关于恢复后数据完整性与企业安全的参考。
- No More Ransom，解密工具目录，可用于查询特定勒索软件及变种的公开解密工具。