CensorLab：用于审查实验的测试平台

审查与审查规避密切相关，彼此不断做出决策。当审查者部署新的互联网审查技术时，反审查社区会急于寻找并开发针对该新技术的规避策略，即通过针对和利用该审查机制的特定漏洞。我们认为，过度依赖此类反应性方法已使审查者在审查军备竞赛中占据上风，成为现有 in-the-wild 规避系统无效的关键原因。因此，我们主张一种前瞄性的审查研究方法：反审查社区应能够主动开发针对 hypothetical 或未来审查策略的规避机制。为促进前瞄性审查研究，我们设计并实现 CensorLab，一个用于模拟互联网审查情景的通用平台。CensorLab 旨在补充当前的反应性规避研究，通过在真实网络环境中高效地模拟过去、现在和 hypothetical 审查策略。具体而言，CensorLab 旨在 (1) 支持由真实世界审查者部署的各种审查机制；(2) 支持 hypothetical (尚未部署) 审查策略的模拟，包括高级数据驱动的审查机制（例如基于机器学习的流量分类器）；(3) 提供易用的平台，使研究人员和实践者能够进行大规模实验；以及 (4) 以最小开销高效运行。我们将 CensorLab 实现为一个功能完善、灵活且高性能的平台，并展示了它如何用于模拟各种审查情景，从传统的 IP 阻止和关键词过滤到 hypothetical 基于机器学习的审查机制。