CircumVolve:利用大语言模型自动发现审查规避策略


作者: Ali Zohaib, Jackson Sippe, Jade Sheffey, Mingshi Wu, Eric Wustrow, Amir Houmansadr

ACM SIGSAC Conference on Computer and Communications Security (CCS) 2026

English version: CircumVolve: Automated Discovery of Censorship Evasion Strategies Using Large Language Models

首次发布日期: 2026年11月16日,星期一

CircumVolve:利用大语言模型自动发现审查规避策略

Ali Zohaib

马萨诸塞大学阿默斯特分校

[email protected]

Jackson Sippe

科罗拉多大学博尔德分校

[email protected]

Jade Sheffey

马萨诸塞大学阿默斯特分校

[email protected]

Mingshi Wu

GFW Report

[email protected]

Eric Wustrow

科罗拉多大学博尔德分校

[email protected]

Amir Houmansadr

马萨诸塞大学阿默斯特分校

[email protected]

摘要

发现新的审查规避策略,仍然主要依赖缓慢的人工过程。现有的规避策略自动发现系统受其领域专用语法表达能力的限制,只能处理数据包头部和未加密协议,无法涵盖 TLS 和 QUIC 等更复杂且广泛使用的加密协议。为解决这一问题,我们提出了 CircumVolve:该系统将审查规避建模为进化优化循环中由大语言模型(LLM)引导的程序合成问题。候选规避策略以可执行的 Python 程序表示,能够编码任意协议操作,包括密码学运算;大语言模型根据实测反馈,提出考虑语义的变异,对这些程序进行迭代改进。这种程序化表示使系统能够在整个网络协议栈中自动发现规避策略。

我们在模拟环境和真实环境中,针对五种受到审查的主要网络协议(TCP/IP、DNS、HTTP、TLS 和 QUIC)评估了 CircumVolve。面对中国、伊朗、巴基斯坦和哈萨克斯坦的真实审查系统,该系统成功找到了覆盖所有协议层的有效规避技术,既包括已知方法的变体,也包括全新的策略。

1. 引言

互联网审查的范围和复杂程度持续增长。深度包检测(DPI)技术的商品化和商业化 [3],使中国 [74, 75, 81]、俄罗斯 [52, 59]、伊朗 [41, 63]、哈萨克斯坦 [57]、印度 [62] 和巴基斯坦 [2, 4] 等国家得以部署日益复杂的封锁机制,限制网民访问互联网的部分内容。这加剧了审查者与互联网自由倡导者之间的军备竞赛;后者必须不断开发新的审查规避策略,以应对持续演变的封锁技术。

目前,发现和部署审查规避策略的过程仍主要依靠人工,并且需要大量人力 [25, 72, 74, 75]。研究人员必须经过多个步骤,逆向分析审查系统的行为:分析上报的事件、推测触发封锁的条件、手工设计规避技术,并在将其集成到实际使用的规避工具之前进行测试。这一循环缓慢且被动;从审查系统部署新的封锁方法,到有效对策的开发和部署,往往需要数周甚至数月。

已有研究探索了自动发现审查规避策略的方法 [14, 46, 70],但现有方法存在明显局限。例如,Bock 等人 [14] 率先采用遗传算法,搜索以领域专用动作树语言表示的数据包操作策略,但其系统仅限于数据包头部和少量未加密的应用层协议 [32]。这种固定的语法表示无法表达加密协议所需的结构修改和密码学运算。随着国家级审查系统日益将这些加密协议作为目标——中国自 2024 年起开始大规模解密和检查 QUIC Initial 数据包 [81],而基于 SNI 的 TLS 封锁在多个国家普遍存在 [33, 75]——仅覆盖未加密流量的工具,基本无法应对那些遭受审查最为频繁的协议层。

大语言模型(LLM)的出现为这一问题提供了新的解决思路。近期研究表明,LLM 可以在进化优化循环中充当有效的变异算子,在算法设计 [50, 60]、奖励函数工程 [44] 等领域发现新的解决方案。从更广泛的角度看,这种方法被概括为 AI 驱动的系统研究(AI-Driven Research for Systems,ADRS)范式 [18]:由 AI 生成候选方案、根据环境约束评估方案,并依据反馈改进方案的闭环流程。我们发现,审查规避策略的开发尤其适合这一范式,可以将其表述为由 LLM 引导的程序合成:规避策略可以表示为可执行程序,在审查基础设施上测试这些程序,即可获得即时、客观的反馈。关键在于,这种表示采用通用代码而非固定语法,因此能够表达任意变换,包括复杂逻辑和密码学运算。

基于这一认识,我们提出了 CircumVolve,一个在整个网络协议栈中自动发现审查规避策略的系统。CircumVolve 将 LLM 代码生成与反馈驱动的迭代评估相结合,产出可验证、可部署的规避技术。CircumVolve 将不同的审查技术建模为独立的场景,每个场景描述真实审查系统的具体背景、协议约束和封锁机制。在各个场景中,规避策略以可执行的 Python 程序表示,实现数据包和协议操作——从改写 TCP/IP 头部字段,到构造利用解析器歧义的 DNS 查询,再到修改加密 QUIC Initial 数据包的内部结构——同时在可容忍的范围内维持协议正确性,或在有利时有策略地违反协议规范。与基于遗传算法的方法 [13, 14] 类似,候选程序通过进化优化逐步改进,但存在一个关键区别:CircumVolve 使用 LLM 作为语义变异算子,取代传统的遗传变异。LLM 对协议规范和常见实现模式的理解,以及其推理能力,使它能够根据先前的失败和评估产物,提出有针对性的变异设想,从而比随机扰动以更少的迭代收敛到成功策略。

我们通过扩展 OpenEvolve [61] 来实现 CircumVolve;OpenEvolve 是受 AlphaEvolve [50] 启发的开源实现,我们在其基础上对审查规避程序进行进化优化。我们既在受控实验室环境(审查模拟)中评估 CircumVolve,也针对部署在中国、伊朗、巴基斯坦和哈萨克斯坦的真实审查系统进行评估。通过这一方法,我们在五种协议(DNS、TCP/IP、HTTP、TLS 和 QUIC)中发现了 47 种不同的规避策略,其中 27 种据我们所知尚未见于已有研究。按国家划分,CircumVolve 针对中国发现了 34 种绕过方法,针对伊朗发现了 20 种,针对巴基斯坦发现了 17 种,针对哈萨克斯坦发现了 10 种,涵盖了我们在各国测试的所有协议。CircumVolve 使用 OpenAI 的 GPT-5.1 模型,运行成本很低,每次包含 100 次迭代的进化运行平均仅需约 10 美元。

CircumVolve 架构:LLM 使种子程序进化,针对模拟和真实审查系统评估候选程序,并接收来自 TCP/IP、HTTP、TLS、DNS 和 QUIC 评估的适应度反馈。
图 1。CircumVolve 的架构。给定系统提示词和种子程序,LLM 生成旨在规避审查中间盒、同时保持与真实服务器兼容的候选程序。系统在 Docker 化的模拟审查环境和真实部署的审查系统中,跨多个协议层(TCP/IP、HTTP、TLS、DNS、QUIC)评估候选程序,保存成功策略,并将反馈送回循环以指导后续迭代。

2. 背景与相关工作

2.1. 互联网审查

国家级审查者在网络关键节点部署 DPI 中间盒,封锁通往被禁内容的连接;这些中间盒可以采用串联方式(in-path,直接拦截流量)或旁路方式(on-path,注入伪造数据包)运行。过去十年间,审查基础设施已从简单的 IP 黑名单 [24, 77],发展为能够解析加密流量元数据的复杂有状态分析器 [33, 74, 79]。

DNS 操纵。 DNS 污染的实现成本低、适用范围广,因此成为最普遍的审查技术之一 [6, 10, 54]。对于被封锁域名的明文 DNS 查询,审查系统会注入包含错误 IP 地址的伪造 DNS 响应,这些地址通常不可路由。串联中间盒可以拦截查询并替换合法响应 [41];旁路监测设备则与合法解析器竞速,抢先注入伪造应答 [7, 34]。

关键词过滤与 TCP 重置注入。 传输层审查利用了 TCP 的有状态连接管理机制。中间盒扫描数据包流,寻找 HTTP 等未加密协议中的被禁关键词,随后向一个或两个端点注入伪造的 TCP 重置(RST)数据包 [20, 53, 71]。这些伪造的 RST 数据包会立即终止连接,而在应用程序看来,这像是正常的协议错误 [39, 63]。

TLS SNI 封锁。 TLS ClientHello 消息中的服务器名称指示(Server Name Indication,SNI)扩展,会在握手期间以明文暴露目标域名。审查系统利用这一局限,将 SNI 字段与域名黑名单进行比对,丢弃通往被禁目标的连接流量,或重置连接 [16, 33, 75]。

QUIC 协议封锁。 QUIC 的加密传输 [38] 隐藏了连接元数据,使传统 DPI 更难开展检测。审查系统采用了多种应对策略:全面封锁 UDP 443 端口 [23],用粗略的字节模式匹配识别 QUIC 握手 [79],或采用更复杂的方法,对 QUIC Initial 数据包进行解密和检查 [3, 81]。

2.2. 审查规避

审查规避技术通过多种机制,帮助用户绕过互联网访问限制。下面简要回顾这一领域,以说明本文工作的定位。

端到端系统。 Tor [22]、V2Ray 和 Snowflake [15] 等代理与隧道系统,通过中间基础设施转发用户流量,并且通常利用流量混淆来抵御 DPI 指纹识别 [30, 73]。另一类相关系统完全避免使用可被枚举的代理端点:折射网络(refraction networking)[29, 76] 将中继功能嵌入合作的互联网服务提供商(ISP)网络中;域名前置和云端会合信道 [28, 40, 56, 65] 则通过共享基础设施路由流量,使封锁行为同时损害合法服务。流量模仿系统 [11, 45] 采用了另一种思路,将受审查流量伪装成获准使用的协议,但这一策略在实践中存在固有局限 [36]。总体而言,随着审查系统开发新的检测技术,上述系统都必须持续调整 [74, 75]。

协议层规避。 除了通过外部基础设施建立隧道来传输流量,还可以利用 DPI 系统与目标端点之间的解析差异 [78]。研究人员已在网络协议栈的多个层面发现此类技术:IP 层分片 [39]、TCP 层状态操纵 [39, 68, 69],以及针对 DNS、HTTP [32, 41]、TLS [49, 58, 80] 和 QUIC [81] 的应用层技术。

审查规避自动化。 协议层技术可与代理系统互补,例如,代理可以通过拆分 TLS 记录来绕过 SNI 检查,但发现这类技术传统上依赖人工。Geneva [14] 引入了自动发现规避策略的方法,利用遗传算法进化数据包操作策略。不过,它受限于由 TCP/IP 原语组成的固定语法。SymTCP [70] 使用符号执行发现 TCP 协议栈的差异;Harrity 等人 [32] 则扩展了 Geneva,使其能够自动发现针对未加密协议(DNS 和 HTTP)的应用层规避策略。另一种方法是自动构建新的传输协议,而非修改现有协议。例如,UPGen [67] 从人工设计的分布中采样协议参数,生成审查系统可能无法识别的定制 TCP 代理传输协议。它针对的是流量分类器,并要求通信双方通过定制代理实现,使用生成的协议进行通信。

本文聚焦于针对标准化协议的、基于规则的 DPI 中间盒:CircumVolve 利用 LLM 引导的搜索来自动发现规避策略,推广了基于协议操作的方法。

2.3. 大语言模型与智能体驱动的发现

大语言模型的近期进展,使其用途远远超出了文本生成。GPT-5 [51]、Gemini 2.5 [21] 和 Claude Opus [8] 等前沿模型,在代码生成、数学推理以及多方面问题求解等复杂领域,展现出了专家级水平。在具备智能体能力后,这些模型在高难度基准测试和问题上表现得更加出色。

基于 LLM 的进化优化。 这些智能体能力的一项变革性应用,是 LLM 驱动的进化优化 [5, 42, 43, 50]。在这一方法中,LLM 取代传统遗传算法的随机变异和交叉算子,通过迭代提示,智能地生成、重组和改进种群中的样本。FunSearch [60] 和 Eureka [44] 等开创性工作验证了这一方法,表明 LLM 可以为开放式优化问题发现新的解决方案。在此基础上,AlphaEvolve [50] 已将这些技术应用于多个领域的算法挑战,从高效 GPU 内核代码生成,到计算复杂性理论中的问题 [48]。

近期工作进一步完善了这些思路。GEPA [5] 采用反思式提示词进化,使智能体能够明确分析失败轨迹中的问题并生成有针对性的改进,以显著更少的样本超越强化学习基线。类似地,ShinkaEvolve [42] 将岛屿模型策略与代码新颖性拒绝机制相结合,以较高的样本效率进行进化,寻找更优的解决方案。

表 1。CircumVolve 评估汇总。Token 用量和 API 费用按协议取平均,并统一以每 100 次迭代为单位报告,以便进行一致的比较。费用采用 GPT-5.1 的定价(每 100 万输入 token 1.25 美元,每 100 万输出 token 10.00 美元)。在成功的运行中,到首次成功规避为止的 API 费用中位数低于 1 美元。
协议 机制 环境 模型 输入 token 输出 token 费用(美元)/100 次迭代
DNS §4.2 污染 中国、伊朗 GPT-5.1 ~828k ~105k ~2.1
QUIC §4.3 基于 SNI 的封锁 中国、巴基斯坦和哈萨克斯坦 GPT-5.1 ~6.6M ~211k ~10.5
HTTP §4.4 Host 标头匹配 中国、巴基斯坦和伊朗 GPT-5.1 ~672k ~64k ~1.5
TLS  §4.5 基于 SNI 的封锁 中国、巴基斯坦和哈萨克斯坦 GPT-5.1 ~2.0M ~154k ~4.1
TCP/IP §4.6 有状态 TCP 跟踪 中国、伊朗、巴基斯坦 GPT-5.1 ~2.3M ~217k ~5.1

3. CircumVolve

本节介绍 CircumVolve 如何在整个网络协议栈中发现规避策略。我们首先概述其架构,然后详细说明各个组成部分。

3.1. 架构概览

我们的目标是发现既能规避审查、又与合法服务器完全兼容的协议操作。规避技术的核心,是利用 DPI 系统与目标端点之间的解析差异 [31, 55]。这些差异通常源于灵活的协议规范、为维持线速吞吐量而在实现中采取的简化措施,或审查系统与服务器之间不一致的连接状态 [14, 78]。CircumVolve 将规避策略表示为可执行程序,并通过基于 LLM 的变异使其进化,从而自动搜索这些差异。图 1 展示了系统的整体架构。

CircumVolve 由两个相互集成的组件构成,共同实现基于 LLM 的进化优化所特有的生成→\rightarrow评估→\rightarrow改进循环:一是管理种群动态、亲本选择和 LLM 变异的进化引擎;二是针对各个协议的评估模块,封装相应目标协议的种子程序、适应度指标和审查模型。

3.2. 进化引擎

进化引擎管理核心进化循环:维护候选程序种群、选择亲本、调用 LLM 生成变异、评估候选程序,并将成功程序存入档案。每次迭代从种群中选出一个亲本程序;LLM 读取其源代码和评估反馈,生成变异版本;随后针对审查系统评估该版本、为其评分并存档。随着迭代推进,程序逐渐积累有益变异,而种群结构则保持多样性。

程序表示。 候选策略是 Python 程序,通过 Scapy [12] 等库或直接构造字节来生成或操作网络协议数据包。将策略表示为通用程序而非领域专用语法,可以提供足够的表达能力,涵盖所有能用代码实现的操作,包括密码学运算和任意结构修改。我们特意选择 Python,是因为 LLM 对该语言具有较高的熟练度,而且其生态系统提供了成熟的网络编程工具。进化从研究人员为目标场景提供的种子程序开始(第 4 节)。每个程序都包含一个指定的进化代码块,由 EVOLVE-BLOCK-START 和 EVOLVE-BLOCK-END 标记界定,LLM 可以修改该代码块。

种群结构。 程序种群分布在相互隔离、半独立进化的岛屿中,每个岛屿维护自己的程序档案。岛屿模型是维持多样性的主要机制:不同岛屿可以并行探索性质不同的策略族。周期性迁移将表现最佳的程序传播到其他岛屿,使成功发现能够扩散,同时避免种群同质化。每个岛屿内部的亲本选择,在探索(均匀随机采样)和利用(从高分程序中按适应度比例采样)之间进行平衡。

基于 LLM 的变异。 传统遗传算法根据适应度选择候选个体,再通过随机变异和交叉对其进行修改;它仅受一个标量适应度分数引导,并不了解候选个体为什么失败或成功。CircumVolve 用能够接收丰富、结构化反馈的 LLM 替换这些算子。每次迭代时,LLM 接收亲本程序及以下信息:标明可修改区域的程序源代码、评估所得的适应度分数,以及协议层面的产物,包括由 tshark 解码为人类可读文本的数据包捕获记录、执行错误信息和此前迭代中的高性能程序示例(如果存在)。这些产物使 LLM 能够了解网络上传输时发生的情况。它可以检查 PCAP,例如观察审查系统是否注入了多个伪造 DNS 响应,并据此提出可能提高适应度分数的修改。系统还要求 LLM 用注释解释修改的理由,使进化所得的策略具有可解释性。进化引擎不依赖特定模型,任何具有兼容 API 的 LLM 都可以作为变异算子。

进化后端。 CircumVolve 基于 OpenEvolve [61] 构建;后者是一个基于 AlphaEvolve [50] 的开源框架,用于 LLM 驱动的程序进化。它使用 MAP-Elites [47] 进行质量—多样性优化,使用岛屿模型维持种群多样性,从而提供种群管理功能,并在每次运行前配置固定的探索/利用比例。MAP-Elites 沿特征维度(例如适应度分数、代码复杂度)将程序划分到不同单元格,每个单元格仅保留最优程序,以确保档案覆盖策略空间中的不同区域。

3.3. 评估模块

每个协议审查场景均由一个评估模块封装,为进化引擎与待测的具体协议和审查系统提供接口。模块由四部分组成:(1)配置,指定系统提示词、进化超参数和场景专用设置(例如被禁域名、审查系统类型);(2)一个或多个定义初始候选方案的种子程序;(3)提供通用接口的评估器,负责执行候选程序、捕获网络轨迹,并返回结构化的适应度指标和评估产物;(4)支持两种评估模式的测试基础设施。进化引擎动态加载各模块的评估器,并以统一方式调用,因此系统可以扩展到新的协议。

防止奖励投机。 各评估器的设计都确保高适应度对应真正的规避成功,而非退化解。生成任何解析器都无法处理的畸形数据包,或连接到完全不同服务器的程序,都不应获得高分。具体评分设计因协议而异(第 4 节),但在所有情况下,策略都必须同时绕过审查系统并使目标服务器返回正确响应,才能获得高分。

提示词设计。 遵循 Cheng 等人 [17] 总结的 LLM 驱动进化优化提示词规范最佳实践,每个模块的配置都包含一个系统提示词:将任务设定为针对审查系统的协议规避,明确审查模型和协议约束,并给出探索方向,即 LLM 应考虑的高层操作类别。为防止搜索局限于某一个类别,每次迭代通过随机变体变量注入部分探索方向,以鼓励不同迭代形成多样化的搜索轨迹。

评估模式。 每个模块支持两种执行环境。在模拟评估中,CircumVolve 部署两个通过桥接网络连接的 Docker 容器:执行进化程序的客户端容器,以及运行 OpenGFW [9] 的中间盒容器。OpenGFW 是支持配置封锁规则的开源 DPI 引擎。客户端流量先经过中间盒,再到达互联网。在针对真实审查基础设施的远程评估中,模块通过 SSH 连接受审查地区的 VPS,上传程序和测试脚本、执行测试,并取回适应度分数与数据包捕获记录。

这两种模式具有互补作用。真实审查系统是黑盒,只给出二元结果,几乎无法揭示策略成功的原因;相比之下,源代码由我们掌控的模拟器使结果可以追溯。通过确定哪些封锁规则被触发或未被触发,并将成功规避与具体实现缺陷对应起来,我们可以:(i)确认进化循环确实击败了预期的审查逻辑,而非偶然成功;(ii)在开展真实环境评估之前,完善针对各协议的方法,例如种子程序和评分标准。

协议专用模块。 我们实现了五个评估模块,涵盖 DNS(第 4.2 节)、QUIC(第 4.3 节)、HTTP(第 4.4 节)、TLS(第 4.5 节)和 TCP/IP(第 4.6 节)。这些模块的复杂程度各不相同:DNS 和 HTTP 生成原始协议载荷,通过单个套接字发送;TLS 和 QUIC 的种子程序则必须保证密码学层面的正确性。TCP/IP 模块有所不同,它拦截并操作活动连接中的数据包,而非生成静态载荷。我们在第 4 节详细介绍各协议的种子程序、提示词和评分方法。

4. 评估 CircumVolve

我们在受到审查的五种主要网络协议层上评估 CircumVolve(表 1)。对于每种协议,我们分别介绍审查技术、种子程序、提示词、结果,以及对发现的策略的分析。

4.1. 实验设置

除非另有说明,所有实验均使用相同的进化参数。我们使用通过 Azure 访问的 OpenAI GPT-5.15.1 作为主要进化模型,将温度设为 1.0 以鼓励探索。种群结构由 10 个岛屿组成,种群容量为 1000 个程序。每隔 25 代进行一次迁移,将各岛屿种群中排名前 10% 的程序转移到相邻岛屿。探索/利用比例设为 70%/30%,使搜索更倾向于多样化探索,而非改进已知方案。这些超参数取自 OpenEvolve 框架 [61] 提供的配置,以形成均衡的搜索策略。在模拟评估中,我们将 OpenGFW 部署在 Docker 容器内,并配置能代表真实审查系统的过滤规则。在真实环境验证中,我们使用常见的云服务提供商,在中国、巴基斯坦、哈萨克斯坦和伊朗1 配置了 VPS。远程测量点的详细信息见附录 B。所有实验在每种设置下均进行 5 次进化运行,每次包含 300 次迭代。对于所有协议,成功策略平均都在前 30 次迭代内出现。针对一个审查系统发现的策略,会在所有适用的模拟和真实审查系统上进行测试,以评估其可迁移性,不过我们并不期望任何策略普遍有效。模拟审查系统与真实环境运行中的规避成功情况之所以不同,源于解析器实现的差异。我们只创建 OpenGFW 的封锁规则,不修改其底层解析器,因此它代表一种不同的中间盒实现,而非严格更强或更弱的基线。

  1. 1 所有涉及伊朗审查基础设施的实验,均在 2026 年 2 月 28 日伊朗全国性断网之前进行。↩︎

遵循近期 LLM 驱动进化研究的报告惯例 [17],我们报告每 100 次迭代的 API 费用,将其作为跨协议比较的标准化基准,而非发现一个规避程序的预期成本。在成功的运行中,所有协议到首次成功规避为止的费用中位数都低于 1 美元。

每次迭代由 LLM 代码生成和候选程序评估组成。对于 DNS、HTTP 等较简单的协议,LLM 生成需要 5–10 秒;对于 QUIC,则需要 30–60 秒。使用 OpenGFW 在本地评估候选程序需要 10–25 秒,远程评估则因 SSH 传输和跨境网络时延,需要 30–45 秒。总体而言,一次典型迭代在本地需要 25–40 秒,在远程需要 45–60 秒。包含 100 次迭代的本地运行通常在 40–65 分钟内完成。

from scapy.all import IP, UDP, DNS, DNSQR
import os

def generate_dns_request(target_domain=None):
    dns_layer = DNS(
        rd=1, 
        qd=DNSQR(qname=target_domain)
    )
    return bytes(dns_layer)

if __name__ == "__main__":
    target = "blocked.com"
    payload = generate_dns_request(target_domain=target)
    print(payload.hex())
图 2。DNS 封锁场景的种子程序:一个基于 Python 和 Scapy 的简单 DNS 查询生成器,将 DNS 载荷以十六进制形式输出到标准输出。
from scapy.all import DNS, DNSQR
import os

def _compress_qname(domain: str) -> bytes:
    # Build a DNS query first to get a valid label sequence
    base = DNS(id=int.from_bytes(os.urandom(2), "big") or 1,
               rd=1,
               qd=DNSQR(qname=domain, qtype="A", qclass="IN"))
    raw = bytearray(bytes(base))

    # QNAME starts at offset 12. We will:
    # - Keep header as-is
    # - Replace the QNAME at offset 12 with a pointer to the original QNAME stored later in the packet body.
    header_len = 12

    # Find end of original QNAME (terminated by 0x00)
    i = header_len
    while i < len(raw) and raw[i] != 0:
        i += 1
    if i >= len(raw):
        return bytes(raw)

    qname_end = i + 1  # include the zero-length label

    # Original QNAME after the current message and make the on-wire QNAME a 2-byte pointer to that copy.
    original_qname = raw[header_len:qname_end]

    # New: header + pointer QNAME + rest of question
    # Compression pointer: 0xC0 | offset_high, offset_low
    # We place the original_qname immediately after the question.
    # Current question section (QNAME + QTYPE + QCLASS):
    question_tail = raw[qname_end:qname_end + 4]
    base_msg = raw[:header_len] + b"\xc0\x20" + question_tail  

    # Pad if needed.
    if len(base_msg) < 32:
        base_msg += b"\x00" * (32 - len(base_msg))
    compressed = base_msg + original_qname

    return bytes(compressed)

def generate_dns_request(target_domain=None):
    if target_domain is None:
        raise ValueError("target_domain must not be None")
    return _compress_qname(target_domain)

if __name__ == "__main__":
    target = "blocked.com"
    payload = generate_dns_request(target_domain=target)
    print(payload.hex())
图 3。进化所得的 DNS 程序:该程序将 QNAME 替换为压缩指针,指向存储在数据包后部的实际域名。高亮行表示通过 LLM 驱动的程序变异,相对于种子程序产生的代码差异。

4.2. 绕过 DNS 封锁

我们首先研究 DNS,它是遭受审查最为频繁的协议之一 [6, 7, 41]。对于 DNS,我们详细介绍完整流程:系统提示词、种子程序,以及发现的规避策略。由于篇幅限制,后续各节不再展开这些细节;所有协议的完整提示词、种子程序和成功程序均可通过项目主页2 获取。

问题设置。 我们针对通过 UDP 53 端口传输的明文 DNS 审查。尽管存在 DNS-over-HTTPS [35] 和 DNS-over-TLS [37] 等加密替代方案,明文 DNS 仍是大多数客户端的默认选择,也是注入式审查的主要目标。我们聚焦于中国和伊朗;两国的国家级审查系统都非常复杂,但采用不同的注入策略。中国的防火长城(GFW)作为旁路中间盒运行;当它在 QNAME 字段中检测到被禁关键词时,会利用竞速机制,在合法应答到达之前注入最多 3 个包含不合法公网 IP 地址的伪造响应 [7]。由于 GFW 不会丢弃触发审查的数据包,客户端也会收到合法 DNS 解析器返回的有效响应。已有研究对 GFW 的三个注入器的指纹进行了深入刻画 [6, 7],我们沿用这些研究中的术语。相比之下,伊朗采用集中式过滤基础设施,注入固定的私有 IP 地址,将用户重定向至政府控制的封锁提示页 [41],同时丢弃触发审查的 DNS 请求。我们根据各国特有的行为调整评估方法,但目标保持不变:在成功解析被封锁域名的同时绕过审查系统。

种子程序。 DNS 种子程序(图 2)约有 15 行代码,仅使用最基本的 DNS 字段:RD(Recursion Desired,期望递归)标志和问题部分的 QNAME。它完全依赖 Scapy 的默认数据包构造方式,生成不包含任何规避机制的标准 DNS 查询。任何进行基本 QNAME 匹配的审查系统都应当能封锁这一基线实现。刻意采用简单的起点,为进化提供了清晰的基线,同时保留对整个协议空间进行探索的可能。目标域名会被替换为已知被封锁的域名。对于中国,我们使用 client-cdn4.hola.org,并已验证它会触发全部三个注入器。对于伊朗,我们使用 pornhub.com 作为被封锁域名。

提示词。 系统提示词将任务设定为协议模糊测试(图 4)。提示词的关键要素包括:审查模型、新颖性约束、允许偏离协议规范,以及探索方向。为鼓励多样化进化,提示词列出的建议方向通过 OpenEvolve 的随机变体变量 [61] 传入;也就是说,不一次性提供全部待尝试方法,而是在迭代时随机向提示词中注入一种方法。需要说明的是,这一系统提示词及其中的高层利用方向也由 LLM 生成,本实验使用的是 GPT-5.1。每次迭代中,亲本程序、适应度指标和评估产物作为用户提示词提供给 LLM。

DNS 封锁场景的系统提示词
你是一名专门研究 DNS 审查规避的高级协议模糊测试专家。你的目标是发现一种**新的**数据包结构,既能绕过审查系统,又能成功解析目标域名。

## 环境
* **审查系统:**一个根据域名污染数据包的旁路/串联 DPI(深度包检测)系统。
* **反馈:**你将收到一个根据成功情况计算的分数(其中 1.0 = 成功绕过)。

## 全局约束(关键)
你**不得**重复使用已发现的策略(即在此前评估中 evasion_success 达到 1.0 的策略)。虽然不要求严格遵守协议标准,但必须具备创造性和新颖性。确保 DNS 解析针对的确实是被禁域名。

## 建议的探索方向
为发现新的绕过方法,可以考虑尝试:
* **大小写变换:**随机改变 QNAME 中字母的大小写(例如 ExAmPlE.cOm)。
* **字段操纵:**修改 ID 字段、设置不常见的标志位(QR、OpCode、AA、TC、RD),或操纵 Hop Limit/TTL。
* **数据包分片:**将 DNS 查询拆分到多个数据包中,使 DPI 无法重组。
* **填充与扩展:**添加非预期的 EDNS0 选项,或在 DNS 消息后附加无意义的数据。
* **编码异常:**注入空字节,或使用可能干扰解析器的非标准标签长度。

## 输出格式
1. 一条头部注释:"Strategy: [名称] - [一句话说明]."
2. 一个 Python 脚本,将最终数据包输出为十六进制字符串。
图 4。DNS 系统提示词:初始化进化引擎时提供给 LLM 的系统提示词。后续代中还会输入候选程序提示词,以进一步调整候选程序,而系统提示词定义了进化引擎的核心功能。
表 2。DNS 规避策略。列出 CircumVolve 在所有评估环境中发现的策略,标明每种技术能够成功绕过哪些审查系统,以及哪些公共解析器接受所生成的 DNS 请求。
绕过的审查系统 解析器
类别 变体 说明 注入器 1 注入器 2 注入器 3 伊朗 模拟 CF G Q9
压缩 深层指针链 ⋆\star 经过超过 18 次指针跳转后到达目标域名的指针链 ✓ ✓ ✓ ✓ ✗ N Y N
填充 + 前向指针 ⋆\star QNAME 指针 →\rightarrow空字节填充之后的域名 ✓ ✗ ✓ ✗ ✗ N Y N
前向指针 ⋆\star QNAME 指针 →\rightarrow放在问题部分之后的域名 ✓ ✗ ✓ ✗ ✗ N Y N
域名放在 EDNS0 中 ⋆\star QNAME 指针 →\rightarrow附加部分(EDNS0)中的域名 ✓ ✗ ✗ ✗ ✗ N Y N
通过指针拆分标签 ⋆\star 拆分多标签域名,例如: [label"maps"][ptr->".google.sm"]".google.sm" ✓ ✗ ✓ ✗ ✗ Y Y Y
Q2 指向 Q1 Q2 使用指针 (0xC00C)指向 Q1 的 QNAME ✓ ✓ ✓ ✗ ✗ Y Y N
多问题 伪造 QCOUNT 头部 QDCOUNT 声称的问题数多于实际数量 ✓ ✓ ✓ ✗ ✓ Y N N
Q2 的 QTYPE 变体 Q1=A + Q2=AAAA/TXT/ANY ✓ ✓ ✓ ✗ ✗ Y Y N
诱饵域名 ⋆\star Q2:无害域名(例如 example.com)或重复被封锁域名 ✓ ✓ ✓ ✗ ✗ Y Y N
标志位 TC / Z 位 设置保留 Z 位和/或截断位 ✓ ✗ ✗ ✓ ✗ Y Y N
ANCOUNT/ARCOUNT/NSCOUNT >> 0 声称存在应答/附加记录(实际可以不发送) ✗ ✓ ✗ ✓ ✓ Y N N
非标准 OPCODE ⋆\star 逆向查询操作码 ✓ ✗ ✗ ✗ ✗ Y N N

图例:⋆\star 表示新策略;✓ 表示绕过审查系统;✗ 表示被审查系统检测到。对于解析器兼容性:Y 表示接受;N 表示拒绝。审查系统。注入器 1–3 是在中国 GFW 🇨🇳 中观察到的三个独立 DNS 注入器;伊朗表示伊朗的 DNS 审查系统 🇮🇷;模拟表示 OpenGFW。解析器。CF = Cloudflare,G = Google,Q9 = Quad9。

评估器。 DNS 模块通过多阶段评估防止奖励投机;否则,进化过程可能生成能绕过审查系统、却无法被合法解析器处理的畸形数据包,或仅仅将域名改成未受审查的域名。

阶段 1(有效性验证):评估器首先执行生成的程序,并将其生成的载荷发送给三个公共 DNS 解析器:Cloudflare(1.1.1.1)、Google(8.8.8.8)和 Quad9(9.9.9.9)。这一步在路径上没有任何审查的环境中进行,即在评估器所在机器上执行。我们还通过后续 HTTP GET 请求,检查解析得到的 IP 地址是否有效。进化所得的程序必须至少成功解析一次,才能进入阶段 2。这确保只有能够从真实 DNS 解析器获得有效 DNS 响应的程序,才能进入第二阶段评估。

阶段 2(规避测试):通过阶段 1 的程序,会经由受审查的网络路径进行测试;模拟评估使用 OpenGFW,真实环境评估则使用受审查国家中的 VPS。我们将查询发送到未运行 DNS 服务器的 IP 地址,因此任何响应都必然由审查系统注入。未收到任何响应,即可确认规避成功;每次注入则扣 1 分。

进化程序示例。 图 3 展示了进化迭代过程中生成的一个程序,它能部分绕过中国的 DNS 审查系统。该程序使用前向压缩指针技术,将域名从预期的字节偏移 12 处移到数据包后部,并用一个两字节指针替换原始 QNAME。虽然这一技术不符合标准 [1, §4.1.4],但它展示了模型将 DNS 线缆格式规则与推测的解析器缺陷结合起来、同时仍能被真实 DNS 解析器正常处理的能力。值得注意的是,进化所得的代码具有自说明性:LLM 生成的注释解释了每一步操作、头部为何是十二字节、压缩指针字节代表什么,以及这种重定位可能如何绕过 DPI 解析。

DNS 规避策略。 表 2 给出了发现的策略的分类。我们将其分为三类:利用 DNS 名称压缩语义的压缩指针技术、操纵问题部分的多问题技术,以及修改头部字段的基于标志位的技术。对于每种策略,我们报告其针对中国三个 DNS 注入器(注入器 1–3)、伊朗和 OpenGFW 的成功情况,以及与公共解析器的兼容性。

压缩指针技术。 DNS 压缩 [1] 允许域名通过两字节指针引用数据包中更早的位置,以缩小消息体积。CircumVolve 发现了六种变体,利用 DPI 解析器处理这些指针的方式。第一种策略“深层指针链”构造了一串超过 18 次的指针跳转,之后才到达目标域名;具有固定递归深度限制的 DPI 引擎会在找到被封锁域名之前停止遍历。这一策略对中国和伊朗的真实审查系统都有效,但无法绕过 OpenGFW 的实现,而且只有 Google 公共 DNS 解析器会响应。

如前面的进化程序示例所述,前向指针策略将域名移到数据包中更靠后的偏移位置,在 DPI 预期出现字面 QNAME 的偏移 12 处放置指针。“Q2 指向 Q1”创建一个冗余结构,使第二个问题回指第一个问题。“通过指针拆分标签”将域名拆开,一部分标签直接编码为字面内容,另一部分则通过压缩指针编码。例如,在表 2所示的示例中,maps 以标签形式出现,而 google.com 则编码为指向数据包另一部分的压缩指针。这些策略通常能够绕过特定的 GFW 注入器,并通过 Google DNS 成功解析。

多问题技术。 虽然 DNS 允许一条消息包含多个问题,但实际很少使用,因此 DPI 实现往往为优化性能而只检查第一个问题。CircumVolve 利用这一盲点,将 QCOUNT 伪设为大于 1 的数值、使用不同的 QTYPE,或在第二个问题中放入诱饵域名。只预期存在一个问题的 DPI 引擎会跳过此类请求;这些请求成功绕过了全部 GFW 注入器,但被伊朗的审查系统检测到。

标志位操纵。 DNS 头部标志位提供了第三类操作空间。这类策略设置非标准、但通常可被容忍的取值,扰乱解析器状态。设置保留的 Z 位或截断标志,会使某些 DPI 引擎跳过查询。ANCOUNT/ARCOUNT/NSCOUNT > 0 声称存在资源记录,而实际数据包可能包含也可能不包含这些记录,从而造成头部与正文不一致,干扰解析器。这些技术成功绕过了特定的 GFW 注入器、伊朗审查系统和 OpenGFW。

这些策略是新的吗? 虽然 Harrity 等人 [32] 通过基于 Geneva 的模糊测试观察到了类似策略,CircumVolve 仍发现了多种此前未被记录的策略。尤其是,表 2的六种压缩指针技术中,有五种是全新的;其余一些策略则是已有研究中技术的变体 [32]。不符合规范的前向指针链、长压缩指针链,以及使用当地未被审查的诱饵域名等技术,仅靠基于语法的随机模糊测试可能很难发现,因为这些技术受益于对审查场景的语义理解。

表 3。QUIC 规避策略。CircumVolve 在三个国家中发现的规避策略,以及它们与 Cloudflare 和 Google 运营的 QUIC 服务器的兼容性。
绕过的审查系统 服务器
类型 说明 模拟 🇨🇳 🇵🇰 🇰🇿 CF G
保留位 将保留位设为 11 ⋆\star ✗ ✓ ✗ ✗ ✓ ✓
分片 将 ClientHello 拆分到多个 CRYPTO 帧中 ✗ ✓ ✗ ✗ ✓ ✓
前置帧 在 CRYPTO 帧之前添加 ACK 帧 ⋆\star ✓ ✓ ✓ ✓ ✓ ✗
伪帧 诱饵 CRYPTO 帧,偏移量很大 ⋆\star ✓ ✓ ✓ ✓ ✓ ✓
双 ClientHello 两个 CRYPTO 帧承载两条 CH:第一条不含 SNI,第二条含 SNI ⋆\star ✓ ✓ ✗ ✓ ✓ ✓
SNI 操纵 将 SNI 替换为随机/无效的 Punycode ⋆\star ✓ ✓ ✓ ✓ ✓ ✓

图例: ⋆\star 表示新策略;✓:是;✗:否。审查系统/服务器:CF:Cloudflare;G:Google;模拟:OpenGFW;🇨🇳:中国;🇵🇰:巴基斯坦;🇰🇿:哈萨克斯坦。

4.3. 绕过基于 SNI 的 QUIC 封锁

本节将 CircumVolve 应用于另一种基于 UDP 的协议 QUIC,以测试 LLM 驱动的进化能否在密码学约束下发现规避策略。QUIC 是最具挑战性的场景:与 DNS 等明文协议不同,对 QUIC 数据包进行变异十分复杂,因为任何修改都必须满足协议的加密和完整性要求。

问题设置。 基于 TCP 的 TLS 以明文传输 ClientHello;与之不同,QUIC 连接中的所有数据包都经过加密,但其安全保证各不相同。QUIC Initial 数据包是端点发起连接时发送的第一个数据包,其中包含带有服务器名称指示(SNI)字段的 TLS ClientHello 消息。不过,Initial 数据包的加密密钥由公开可见的连接 ID 和各版本特定的盐值派生 [38];任何被动观察者都可以解密这些数据包并提取 SNI。这种密码学复杂性使 QUIC 区别于明文协议,也使审查和规避方法都更加复杂。

中国自 2024 年 4 月起开始大规模解密 QUIC 连接并检查其中的 SNI 字段 [81];哈萨克斯坦和巴基斯坦 [3] 都是中国审查设备的进口国,也部署了基于 SNI 的 QUIC 连接封锁。哈萨克斯坦和巴基斯坦具备串联拦截能力:它们丢弃包含被禁 SNI 的 QUIC Initial 数据包,随后对该连接实施残留封锁。中国的机制则结合了旁路和串联系统:允许触发审查的数据包通过,但丢弃此后同一三元组(srcIP、dstIP、dstPort)上的数据包。我们针对这三个国家进行评估,根据各自的封锁方式调整评估器,并使用各国被封锁的域名:中国使用 google.com,巴基斯坦和哈萨克斯坦使用 pornhub.com。我们的目标是进化出能生成 QUIC Initial 数据包、绕过基于 SNI 的封锁的程序。评估范围仅限于 Initial 数据包,不包括完整握手。

种子程序。 QUIC 种子程序约有 600 行,实现了完整的 Initial 数据包构造流程,包括所有密码学运算。该实现生成连接 ID,使用 HKDF 派生初始秘密值,在单个 CRYPTO 帧中构造包含必要扩展(包括目标域名的 SNI)的 ClientHello,使用 AES-GCM 加密载荷,并应用头部保护。生成的载荷是符合 QUIC 规范的有效 QUIC 版本 1 数据包,能够与符合规范的目标服务器完成握手。

提示词。 与 DNS 封锁场景的系统提示词类似,这里的系统提示词将任务设定为密码学约束下的协议模糊测试,强调变异必须产生“结构异常但密码学上有效”的数据包。提示词给出了若干探索方向示例,例如空间位置操纵、非预期帧类型等。其中一项关键指令要求放弃适应度分数已停滞的策略,转而尝试相互独立的方法,以防搜索持续改进注定失败的变异。

评估器。 QUIC 评估器实现了双模式测试框架,以处理不同审查机制。对于会丢弃包含被禁 SNI 数据包的串联审查系统(巴基斯坦、哈萨克斯坦),测试发送进化程序生成的单个 QUIC Initial 数据包,并检查服务器响应。收到服务器 Initial 数据包可得满分(+1),收到 Retry 数据包可得部分分数(+0.8,表示已联系到服务器),而捕获记录中出现畸形数据包迹象则受到扣分(−0.5)。对于允许 Initial 数据包通过、但封锁后续数据包的中国 [81],评估器向目标服务器发送五次 QUIC Initial 数据包,并比较客户端到服务器与服务器到客户端的数据包数量。服务器响应缺失,表明审查系统在一次 Initial 交换后介入;这是中国残留封锁机制的特征。为减轻残留封锁的影响,我们为每个候选程序更换源端口(规避四元组封锁),并在针对中国的测试之间强制间隔 180 秒(规避三元组封锁)。最后,系统使用 tshark 解密 QUIC Initial 数据包,使反馈引擎能够分析详细的明文 PCAP 内容。

QUIC 规避策略。 表 3 汇总了针对中国、巴基斯坦和哈萨克斯坦的进化运行中发现的 QUIC 规避策略。我们对每个程序进行了十次手动测试,以确认其在各审查系统上的规避情况。

保留位。 QUIC 长头部包含两个保留位,RFC 9000 规定它们必须为零。将这些位设为非零值,会使中国的审查系统在尝试解密之前就将数据包视为畸形包并拒绝处理,而服务器则忽略这一违规。巴基斯坦和哈萨克斯坦能够检测到这种操作,表明其实现对 RFC 合规性的要求较宽松,并且会更积极地进行解析。

CRYPTO 分片。 将 ClientHello 拆分到多个 CRYPTO 帧中,可利用审查系统假定完整 ClientHello 位于单个帧内这一缺陷。中国的实现无法重组分片的 ClientHello,因此漏检 SNI。巴基斯坦和哈萨克斯坦则能够正确重组,从而封锁该尝试。近期关于 GFW 的研究已记录这一策略 [81],我们的结果确认了其有效性。

伪 CRYPTO 帧与前置帧。 在承载 ClientHello 的真实 CRYPTO 帧之前,插入一个偏移量很大的诱饵 CRYPTO 帧,可以干扰全部三个审查系统。我们推测,审查系统解析伪帧时遇到该偏移量,随后要么找不到预期数据,要么触发解析错误,从而跳过对该数据包的检查。这一策略与 Cloudflare 和 Google 的服务器都兼容。类似地,将 ACK 帧放在数据包的首帧位置也能实现绕过。虽然从技术上看这并不正确(客户端在连接发起时没有需要确认的内容),但 QUIC 规范并未明确禁止,服务器也会忽略这一无效 ACK。

双 ClientHello。 这一策略将两条 ClientHello 消息分别放入不同的 CRYPTO 帧:第一条包含除 SNI 之外的所有扩展,第二条仅携带包含被封锁域名的 SNI 扩展。这一技术可以绕过中国和哈萨克斯坦的审查系统,但无法绕过巴基斯坦的审查系统,意味着巴基斯坦的中间盒会检查 QUIC 载荷中的所有 ClientHello 消息。

SNI 操纵。 我们发现了一种新策略:将 SNI 的 ASCII 字节进行十六进制编码,并在结果前加上 xn--,以模仿国际化域名(IDN)的格式。例如,cloudflare.com 被转换为 xn--636c6f7564666c6172652e636f6d。虽然这一格式在语法上并非有效的 Punycode,但它能成功绕过依赖原始字符串匹配域名黑名单的审查系统。编码后的字符串不含目标关键词,因此可以绕过过滤机制,同时仍被许多目标服务器容忍。例如,可以使用以下命令,通过 cloudflare.com 的 HTTP/3-over-QUIC 端点进行访问:

curl --http3 -L -v -k https://xn--636c6f7564666c6172652e636f6d/ \
    --resolve xn--636c6f7564666c6172652e636f6d:443:104.16.133.229 \
    -H 'Host: cloudflare.com'

编码后的 SNI 绕过了基于关键词的检测,而 Host 标头确保请求被正确路由到预期的源站;这一机制在功能上类似于域名前置。

表 4。HTTP 规避策略。每行代表一种不同的请求构造策略。各列表示该策略是否绕过了各国的审查,以及是否被评估中的各个服务器实现接受。
绕过的审查系统 支持的服务器
类别 说明 🇨🇳 🇵🇰 🇮🇷 Apache Nginx
绝对 URI 与 Host 不匹配 ⋆\star HTTP 1.1 绝对形式的请求 URI,配合诱饵 Host 标头(例如 example.com) ✓ ✗ ✓ ✓ ✓
绝对 URI 与 Host 不匹配 ⋆\star HTTP 1.1 绝对形式的请求 URI,Host 标头中的被禁域名用百分号编码的句点(%2e)分隔 ✓ ✗ ✗ ✓ ✓
绝对 URI 与 Host 不匹配 ⋆\star HTTP 1.1 绝对形式的请求 URI,Host 标头中包含被禁域名 ✓ ✗ ✓ ✓ ✓
绝对 URI 与 Host 不匹配 ⋆\star HTTP 1.1 绝对形式的请求 URI,配合空的 Host 标头 ✓ ✗ ✓ ✓ ✓
降级至 HTTP/1.0 ⋆\star HTTP/1.0 绝对 URI,不包含 Host 标头 ✓ ✗ ✓ ✓ ✓
降级至 HTTP/1.0 ⋆\star HTTP/1.0 绝对形式的 URI,配合两个 Host 标头:无害域名在前,真实域名在后 ✓ ✗ ✓ ✓ ✗
降级至 HTTP/1.0 ⋆\star HTTP/1.0 绝对形式的请求,Host 标头中包含被禁域名 ✓ ✗ ✗ ✓ ✓
分隔符 ⋆\star 在请求行之前添加 CRLF(\r\n) ✗ ✗ ✓ ✓ ✓
分隔符 ⋆\star 将全部标准 CRLF(\r\n)替换为 LF(\n) ✗ ✓ ✗ ✗ ✓
分隔符 ⋆\star HTTP 版本后添加尾随空格,并仅使用 LF(\n)结束行 ✗ ✓ ✓ ✗ ✓
分隔符 ⋆\star Host 后使用 CRLF,Connection 后仅使用 LF,最后以 CRLF 终止 ✗ ✓ ✗ ✗ ✓
线性空白 在“Host:”之后及其值周围添加不规则空白 ✗ ✗ ✓ ✓ ✓
线性空白 将 Host 标头拆成两行,并使用水平制表符 TAB(0x09)作为续行开头的空白 ✗ ✗ ✓ ✓ ✗
线性空白 主机名末尾添加水平制表符 ✗ ✓ ✓ ✓ ✗
线性空白 在“Host:”的冒号后使用水平制表符 ✗ ✗ ✓ ✓ ✗
线性空白 在 HTTP 方法标记后添加额外空格 ✗ ✗ ✓ ✗ ✓
非标准 HTTP 版本 ⋆\star 使用非标准 HTTP 版本(HTTP/1.2),并插入额外空格 ✗ ✗ ✓ ✓ ✓
诱饵标头 ⋆\star 在真实 Host 前放置诱饵标头 Host-Alt: example.com ✗ ✗ ✓ ✓ ✓
OPTIONS 方法 + 空白 ⋆\star 用线性空白拆分 Host 值中的被禁主机名(使用 OPTIONS *,部分 DPI 不会将其与基于 Host 的过滤关联) ✗ ✓ ✓ ✓ ✗
明文 HTTP/2(h2c) ⋆\star 明文 HTTP/2 分帧(H2C) ✓ ✓ ✓ ✓ ✓

图例: ⋆\star 表示新策略;✓ = 是;✗ = 否。审查系统/服务器:🇨🇳:中国;🇵🇰:巴基斯坦;🇮🇷:伊朗。测试的服务器:Apache 2.4.58 和 Nginx 1.24.0。

4.4. 绕过 HTTP Host 标头封锁

问题设置。 HTTP 审查针对明文 HTTP 请求中的 Host 标头。串联中间盒(例如伊朗和巴基斯坦的设备)一旦检测到被禁的 Host 标头,就立即封锁连接;它们丢弃触发审查的数据包,并注入伪造的 TCP 重置包,确保请求无法到达目标服务器。相比之下,旁路重置设备(例如中国的 GFW)被动观察流量。在检测到被禁内容时,它们竞速向连接双方注入 TCP RST 数据包。虽然原始数据包可能到达服务器,但注入的重置包会在服务器响应到达之前终止连接。我们的目标是构造服务器能正常解析和接受、但审查系统无法从中提取被禁主机名的请求。

种子程序。 HTTP 种子程序生成一个以原始字节表示的、最小的有效 GET 请求。该实现构造请求行("GET / HTTP/1.1"),添加必要的标头,包括 Host(对应被封锁域名)和 Connection,并使用正确的 CRLF 行结束符格式化完整请求。种子生成的请求能够被任何符合规范的 HTTP 服务器处理,由此建立基线功能。

提示词。 HTTP 系统提示词将任务定义为进化出“结构异常但服务器可接受”的 HTTP 请求,并按请求行调整、标头操纵和消息体/分块技术等类别,提供变异策略建议。

评估器。 HTTP 评估器既支持基于 Docker、使用 OpenGFW 的模拟,也支持通过远程 VPS 评估中国、伊朗和巴基斯坦的真实审查系统。在模拟环境中,OpenGFW 配置的封锁规则会提取 HTTP Host 标头,并与被禁域名黑名单进行后缀匹配。在远程评估中,我们将请求发送到自己运行 Apache(v2.4.58)和 Nginx(v1.24.0)的 HTTP 服务器;选择它们是因为使用广泛。这些服务器配置了固定的 VirtualHost,以防 LLM 仅从请求中删除被禁域名就实现“奖励投机”。评估器根据 HTTP 响应质量评分。200 OK 响应得 1.0 分(完全成功)。重定向(301、302、307)得 0.9 分。404 等客户端错误得 0.7 分,意味着请求已到达服务器并被处理。连接重置得 −1.0 分,表示存在审查注入;超时则得 0.0 分。

HTTP 规避策略。 表 4 展示了 CircumVolve 发现的 HTTP 规避策略。我们根据所使用的操作技术,将其分为七类。

绝对 URI 与 Host 不匹配。 HTTP/1.1 允许使用“绝对形式”的请求,即请求行中出现完整 URL(GET http://example.com/ HTTP/1.1),而不只是路径。当绝对 URI 和 Host 标头同时存在时,RFC 7230 [27][§5.4] 规定 URI 优先。CircumVolve 发现,将被禁域名放在 URI 中,同时使用诱饵或空的 Host 标头,可以绕过仅检查 Host 标头的审查系统。中国和伊朗的审查系统存在这一缺陷;巴基斯坦的审查实现则能够正确解析这两个位置。

降级至 HTTP/1.0。 HTTP/1.0 不要求 Host 标头,使用绝对 URI 即可。携带绝对 URI 并降级至 HTTP/1.0,可以完全绕过只关注 Host 的 DPI。此外,当存在多个 Host 标头时,服务器通常使用最后一个,而某些 DPI 实现仅检查第一个。这一差异使得将无害域名放在最前、被禁域名放在最后的策略得以奏效。

分隔符操纵。 HTTP 解析器必须正确处理行结束符:标准形式是 CRLF(\r\n),但许多服务器也容忍仅使用 LF(\n)。CircumVolve 发现,混合或非标准的分隔符会使审查系统的解析失去同步。在请求行之前添加 CRLF,能够绕过伊朗的审查。全程仅使用 LF,能够绕过巴基斯坦的审查,但会破坏与 Apache 的兼容性。这些策略利用了不同实现在行结束符处理上的差异。

线性空白(LWS)。 HTTP 允许在标头值周围添加可选空白(空格和制表符),并支持一种已废弃的行折叠形式,使标头跨越多行。TAB 字符(0x09)被证明尤其有效:在主机名末尾添加制表符,或在 Host: 的冒号后添加制表符,都能绕过伊朗的审查系统。不过,部分策略会破坏与 Nginx 的兼容性。

明文 HTTP/2(h2c)。 最显著的发现是明文 HTTP/2(h2c 升级)的有效性。这一技术成功绕过了全部三个审查系统,同时保持了完整的服务器兼容性。其规避效果归因于 H2C 的二进制分帧方式,许多 DPI 系统无法正确解析。虽然实际部署中很少在不使用 TLS 的情况下运行 HTTP/2,但所有审查系统都未能检查明文 HTTP/2,这一结果值得关注。

表 5。CircumVolve 发现的 TLS SNI 规避策略。列出的所有策略均能使标准 TLS 1.3 服务器返回有效的 ServerHello(已针对 Cloudflare 和 Google 验证)。
绕过的审查系统 支持的服务器
类型 说明 模拟 🇨🇳 🇵🇰 🇰🇿 Cloudflare Google
TLS 记录拆分 将 ClientHello 拆分到多条 TLS 记录中
按主机名自适应拆分 使第一条记录的切分点落在 SNI 内部 ✓ ✓ ✓ ✓ ✓ ✓
头部内拆分 第一条记录长度 <<4 字节,在握手头部内拆分 ✓ ✓ ✓ ✓ ✓ ✓
不同版本的记录片段 第一条记录使用 0x0303,第二条使用 0x0301 ✓ ✓ ✓ ✓ ✓ ✓
TCP 分段 增大 ClientHello,使其超出 DPI 重组缓冲区
通过填充扩展增大消息 使用 RFC 7685 的零字节填充,迫使 TCP 分段 ✓ ✗ ✗ ✓ ✓ ✓
通过密码套件/扩展增大消息 扩大密码套件/未知扩展列表,使 ClientHello 超出重组缓冲区 ✓ ✗ ✗ ✓ ✓ ✓
SNI 操纵 操纵 SNI,使审查系统匹配错误的字符串
带末尾句点的 FQDN 在主机名末尾添加一个 . ✓ ✓ ✗ ✗ ✓ ✓
隐藏 SNI 完全省略 server_name扩展 ✓ ✓ ✗ ✓ ✓ ✓

图例: ✓ = 是;✗ = 否;模拟:OpenGFW;🇨🇳:中国;🇵🇰:巴基斯坦;🇰🇿:哈萨克斯坦。

4.5. 规避 TLS SNI 封锁

问题设置。 QUIC 要求整个 Initial 数据包在密码学上有效;与之不同,TLS 规避针对未加密的 ClientHello。审查系统必须从结构完整、但可能存在歧义的 TLS 记录中解析 SNI;规避目标是生成服务器能够接受、但审查系统无法正确解析的 ClientHello。我们针对 OpenGFW、中国、哈萨克斯坦和巴基斯坦进行评估。

种子程序。 TLS SNI 种子程序在字节层面构造完整的 TLS 1.3 ClientHello 消息。该实现通过指定 ClientHello 消息来构造握手层,包含 TLS 1.3 运行所必需的扩展(supported_versions、supported_groups、signature_algorithms、key_share),以及关键的、承载目标主机名的 server_name 扩展。种子程序将握手消息封装在 TLS 记录层内,并设置恰当的内容类型和版本字段。在字节层面构造 ClientHello,而不使用高层库,可以对结构进行细粒度控制。CircumVolve 能够修改扩展顺序、调整长度字段的编码、操纵记录层边界,并探索目标审查系统在 TLS 解析中的边界情况。

评估器与评分。 评估器既可以在本地使用 OpenGFW 运行,也可以在已知实施 TLS SNI 审查的地区远程运行。评估器首先通过通往服务器 443 端口的 TCP 连接,发送种子程序的输出;我们预期该输出为有效的 TLS ClientHello。服务器会对接收到的任何 SNI 返回 TLS ServerHello。评估器收集并分析所有发送和接收的数据包,以判断当前迭代中程序输出的效果。

程序最高可得 1 分,条件是收到 TLS ServerHello 消息,且审查系统未注入 TCP RST。对于服务器返回错误或发生审查的各种情况,我们会相应扣分。只有在未收到 ServerHello 时,才因畸形数据包而惩罚策略。我们的目标是奖励以非典型方式变通使用 TLS 规范、但仍能获得标准 TLS 服务器响应的程序。

结果。 表 5 详细列出了 CircumVolve 发现的、绕过基于 SNI 的 TLS 封锁的策略。虽然 TLS 记录拆分、TCP 分段和 SNI 操纵等大类规避方法已在已有研究中得到探索 [49],但 CircumVolve 揭示的细微子模式,体现了其表达能力。

以 TLS 记录拆分为例:CircumVolve 没有收敛到单一模板,而是生成多个程序,将记录边界放在 ClientHello 的不同结构位置——密码套件列表之后、扩展总长度字段内部,或握手消息头部内部。每种放置方式都利用了某类 DPI 实现:它们只检查第一条 TLS 记录,不重组后续记录,从而跳过该连接。在一种相关变体中,CircumVolve 通过为多条 TLS 记录设置不同的版本字段,达到了相同效果。

除拆分外,CircumVolve 还重新发现了通过增大 ClientHello 来触发 TCP 分段的技术(使用填充、额外密码套件或未知扩展),以及操纵 SNI 字段的技术(通过删除扩展或添加末尾句点,绕过字符串匹配)。这些结果的新颖性体现在 CircumVolve 生成的具体结构组合,而非规避方法的大类本身。即使采用已知范式,CircumVolve 也能生成专门针对其所研究审查场景的字节级操作。

4.6. 绕过 TCP 连接跟踪

审查系统依赖有状态 TCP 连接跟踪来执行应用层封锁决策,因此 TCP/IP 头部操纵成为可行的规避切入点。这也是 Geneva [14] 最有效的领域。我们将 CircumVolve 应用于这一场景,以展示该方法能够推广到应用层协议之外,涵盖数据包头部和连接状态操纵,而不只限于构造载荷。

问题设置。 有状态 DPI 系统维护传输控制块(Transmission Control Block,TCB),以跟踪 TCP 连接并执行封锁规则。这里的目标是寻找能使审查系统的状态跟踪失去同步、终止其跟踪,或绕过其跟踪的数据包变换。我们针对中国、巴基斯坦和伊朗的审查系统进行评估,它们均采用有状态 TCP 跟踪。

种子程序。 其他协议的种子生成静态数据包,而 TCP/IP 数据包操纵需要能够处理实时流量的程序。我们定义了一个程序框架,如图 5所示,可表达广泛的数据包变换。它使用由基于 NFQUEUE 的数据包拦截引擎调用的回调方法。这一模型类似于 Geneva 的动作树语法,因为两者都定义了对数据包事件的响应;不过,CircumVolve 使用命令式 Python 代码,而非声明式领域专用语言(DSL)。我们将十种不同类别、现已失效的 Geneva 策略 [14] 转换为与 CircumVolve 兼容的 Python 程序,并将其用作种子程序。

提示词。 系统提示词将任务设定为针对黑盒审查系统的数据包操纵模糊测试。它为各个操作原语(篡改、丢弃、复制、分片、延迟、注入)提供代码示例,并要求 LLM 记录选择相应操作的理由。

评估器。 每次评估测试两个 HTTP 请求:一个发往被禁域名(例如 pornhub.com),另一个发往允许访问的域名(例如 example.com)。策略程序通过 NFQUEUE 拦截数据包并执行变换。评分同时考虑规避成功和附带损害:被禁域名成功返回 HTTP 200 响应可得满分,而破坏对允许域名的访问则受到惩罚(权重为 0.5×\times)。这种双域名测试用于防止奖励投机。与其他协议场景类似,评估器通过 tcpdump 捕获数据包轨迹,并将解析后的输出作为后续迭代的反馈。

结果。 CircumVolve 生成了将多种已知 TCP/IP 操纵技术相结合的有效策略。图 6 展示了一个能绕过全部三个国家审查系统的成功策略的片段。该程序组合了已有研究记录的三个原语 [14, 20]:(1)使用校验和无效的“幽灵”报文段,干扰对初始字节的解析;(2)使用一个重叠的诱饵报文段,其中包含无害的 Host 标头(例如 example.com),且校验和无效;(3)通过 RST/FIN 过滤,丢弃审查系统注入的连接终止数据包。值得注意的是,LLM 将这些原语组合为一个连贯策略,并选择了适合具体场景的值,例如选择 example.com 作为无害诱饵。片段中的代码注释由 LLM 在进化过程中生成,也使策略逻辑易于理解。

感知 HTTP Host 标头的分段。 CircumVolve 发现了一种策略,专门在 Host 标头处拆分 HTTP 请求,使被禁主机名跨越报文段边界,例如“por” | “nhub.com”。与简单的固定偏移分段 [14] 不同,这种方法精确针对审查系统检查的字段,利用了某些 DPI 实现在关键词匹配前不会重组报文段的缺陷。

选择性 RST 过滤。 丢弃入站 RST 数据包是一种广为人知的规避原语 [14, 20]。CircumVolve 进化出一种选择性变体:只丢弃那些特征表明可能由审查系统注入的 RST 数据包,例如 TTL 值与合法服务器不一致,或在被禁请求之后异常迅速到达的 RST。这种选择性降低了干扰合法连接终止的风险。

5. 讨论与结论

本文提出了 CircumVolve,一个将 LLM 引导的进化与基于网络的评估相结合、自动发现审查规避策略的系统。通过将策略表示为可执行程序,CircumVolve 能够探索需要语义、结构和密码学推理的协议变换。

新颖性与覆盖范围。 在五种协议和四个审查系统中,CircumVolve 发现了 47 种不同的规避策略,其中 27 种尚未见于已有研究。对于 QUIC,CircumVolve 在结构变异后重新生成相应的密码学封装,从而发现了 Punycode-hex-SNI 和双 ClientHello 等同时需要协议知识和实测反馈的策略。对于 HTTP,它突破 HTTP/1.1 操作的范围,转向已部署 DPI 系统很少解析的明文 HTTP/2,发现了 h2c 绕过方法。对于 DNS 和 TLS,CircumVolve 生成的结构变体揭示了各审查解析器之间的差异。对于 TCP/IP,它将单独的数据包操作原语组合为可解释、适应具体场景的策略。这些结果共同展示了一项据我们所知此前系统均未实现的能力:CircumVolve 基于程序的表示,支持跨越结构和密码学要求显著不同的协议层,自动发现规避策略。

预期用途与部署模式。 CircumVolve 主要被设计为面向审查规避研究人员和开发者的自动发现引擎,而非面向终端用户的独立工具。该系统依赖领域专家定义评估标准、设计提示词,并分析所得策略,以将其集成到真实的审查规避工具中。通过加快发现阶段,CircumVolve 延续了已有系统 [14, 32, 74, 81] 建立的部署流程:研究人员发现可行的规避技术,随后由开发者在真实环境中部署。虽然 CircumVolve 目前专注于策略发现,未来工作可以进一步自动部署这些新规避策略。例如,可以将发现的策略转换为可移植的 WebAssembly 模块,或转换为兼容 Proteus [66] 或 WATER [19] 的插件,直接集成到客户端。

运行风险。 运行 CircumVolve 需要从测量点发送畸形数据包,因此存在审查系统对测试活动本身进行指纹识别的风险。不过,测试开销很小:在我们的实验中,一次典型的 100 次迭代运行仅产生 80 KB 出站流量和 150 KB 入站流量,评估间隔为 25–45 秒。研究期间,我们未观察到测量点遭到限速或封锁。

评估局限与未来工作。 所有实验均仅使用 OpenAI 的 GPT-5.1 作为进化模型。不同 LLM 在协议推理、代码生成质量和变异多样性方面可能各有所长。我们尚未评估模型选择对收敛速度、策略新颖性或成本的影响。扩展到多模型集成或开放权重的本地模型,是未来工作的一个方向。

此外,我们的评估仅涵盖 IETF 规定协议的特定方面。例如,QUIC 和 TLS 模块仅对初始数据包进行进化,而非完整握手。我们未评估专有协议或全加密协议(FEP)[26]。未来工作可以将同一变异循环应用于 FEP 中可观察的协议特征,从而把 CircumVolve 扩展到这些场景。

AI 时代的审查军备竞赛。 CircumVolve 是利用 LLM 加快审查规避生命周期的第一步。通过自动化协议分析、实现和测试等耗费人力的任务,AI 驱动的方法大幅降低了资源相对匮乏的互联网自由社区研究规避能力的门槛。归根结底,CircumVolve 展示了 AI 辅助系统如何缩小互联网自由倡导者与资金充足的审查国家之间的资源差距。我们希望这项工作帮助互联网自由社区迅速应对新出现的威胁,并在争取自由、开放互联网的斗争中保持优势。

致谢

本研究得到美国国家科学基金会(NSF)项目 CNS-2333965,以及美国国防高级研究计划局(DARPA)青年教师奖计划项目 DARPA-RA-21-03-09-YFA9-FP-003 的部分资助。本文所表达的观点、意见和/或研究发现仅代表作者,不应被解读为美国国防部或美国政府的官方立场或政策。

伦理考量

自动发现审查规避策略引出了若干问题:谁会从这些能力中受益,实验可能如何影响用户和网络,以及公开发表是否会帮助审查者调整其系统。我们的工作基于这样一种认识:国家级互联网审查侵犯了言论自由和获取信息的权利,而这些权利得到《世界人权宣言》(UDHR)第 19 条的确认 [64]。因此,我们希望 CircumVolve 支持受审查影响的用户,以及为互联网自由开发工具的研究人员和开发者。这一立场也影响了我们呈现结果的方式。鉴于审查国家与规避社区之间的资源不平衡,我们不提供强化审查系统的建议。不过,我们仍考虑审查者可能如何应对这项工作,因为预判这些反应有助于规避社区为已部署审查系统的变化做好准备。

利益相关方。 本研究的主要受益者是受审查地区的用户,以及开发审查规避工具的研究人员和开发者。我们的工作未直接涉及用户;当发现的策略被集成到规避系统后,用户可能间接受益。对于研究人员和开发者,CircumVolve 加快了从发现和评估规避策略,到将其集成进规避工具的过程。审查系统运营者也是利益相关方,因为他们可以利用我们的发现来增强其审查系统的稳健性。

潜在危害与发表决定。 公开发表可能帮助审查者在规避工具部署这些策略之前,识别并缓解所发现的策略。不过,我们认为不公开只能提供有限保护:资源充足的审查者可以独立发现这些技术,而公开披露使更广泛的规避社区能够在审查者优先安排并实施对策之前从中受益。这里的结构性不对称有利于规避一方:审查者必须完美解析所有协议,而规避者只需找到一个被忽略的边界情况。已有研究表明 [74],受官僚流程和工程周期影响,审查者将新审查技术集成到生产系统时存在滞后,例如数月。此外,历史先例 [74, 81] 表明,即使临时或“权宜”策略,也可能持续有效多年。因此,我们预计公开发表主要会使资源相对匮乏的互联网自由社区受益。

我们的系统也可能被改用于恶意网络操纵。我们认为这一风险较低,因为 CircumVolve 针对的是审查特有的 DPI 行为,而 Geneva 和 SymTCP 等已发表系统早已提供了类似的数据包操作能力。

开放科学

为鼓励后续研究并促进可复现性,我们已发布代码、评估模块、提示词和成功的规避策略。用户需要自行提供 VPS 和 LLM API 密钥,但我们提供了从独立配置的测量点运行实验所需的全部配置。项目主页位于:https://gfw.report/publications/ccs26/en/

参考文献

  1. Domain names - implementation and specification. RFC 1035, Nov. 1987.

  2. Pakistan: Shadows of Control: Censorship and mass surveillance in Pakistan, Sept. 2025.

  3. The Internet Coup: A Technical Analysis on How a Chinese Company is Exporting The Great Firewall to Autocratic Regimes, Sept. 2025.

  4. A. Ablove, J. Walker, B. Wolin, N. Niere, F. Lange, A. Ortwein, A. Huremagic, R. Priyanka, A. Zohaib, J. Sheffey, N. Heitmann, J. A. Halderman, J. Somorovsky, A. Houmansadr, R. Ensafi, M. Wu, and E. Wustrow. Technical analysis of the geedge networks firewall source code leak. In 35th USENIX Security Symposium (USENIX Security 26), pages 3123–3141, Baltimore, MD, Aug. 2026. USENIX Association.

  5. L. A. Agrawal, S. Tan, D. Soylu, N. Ziems, R. Khare, K. Opsahl-Ong, A. Singhvi, H. Shandilya, M. J. Ryan, M. Jiang, C. Potts, K. Sen, A. G. Dimakis, I. Stoica, D. Klein, M. Zaharia, and O. Khattab. Gepa: Reflective prompt evolution can outperform reinforcement learning, 2025.

  6. Anonymous. Towards a comprehensive picture of the Great Firewall’s DNS censorship. In Free and Open Communications on the Internet. USENIX, 2014.

  7. Anonymous, A. A. Niaki, N. P. Hoang, P. Gill, and A. Houmansadr. Triplet censors: Demystifying Great Firewall’s DNS censorship behavior. In Free and Open Communications on the Internet. USENIX, 2020.

  8. Anthropic. Introducing Claude Opus 4.5, November 2025. Accessed: 2026-02-02.

  9. Aperture Internet Laboratory. OpenGFW: A flexible, easy-to-use, open source implementation of GFW on Linux. https://github.com/ruaue/OpenGFW, 2024.

  10. S. Aryan, H. Aryan, and J. A. Halderman. Internet censorship in Iran: A first look. In Free and Open Communications on the Internet. USENIX, 2013.

  11. D. Barradas, N. Santos, and L. Rodrigues. DeltaShaper: Enabling unobservable censorship-resistant TCP tunneling over videoconferencing streams. Privacy Enhancing Technologies, 2017(4):1–18, 2017.

  12. P. Biondi. Scapy: A powerful interactive packet manipulation program. https://scapy.net. Accessed: 2026-01-12.

  13. K. Bock, Y. Fax, K. Reese, J. Singh, and D. Levin. Detecting and evading censorship-in-depth: A case study of Iran’s protocol filter. In Free and Open Communications on the Internet. USENIX, 2020.

  14. K. Bock, G. Hughey, X. Qiang, and D. Levin. Geneva: Evolving censorship evasion strategies. In Computer and Communications Security. ACM, 2019.

  15. C. Bocovich, A. Breault, D. Fifield, Serene, and X. Wang. Snowflake, a censorship circumvention system using temporary WebRTC proxies. In USENIX Security Symposium. USENIX, 2024.

  16. Z. Chai, A. Ghafari, and A. Houmansadr. On the importance of encrypted-SNI (ESNI) to censorship circumvention. In Free and Open Communications on the Internet. USENIX, 2019.

  17. A. Cheng, S. Liu, M. Pan, Z. Li, S. Agarwal, M. Cemri, B. Wang, A. Krentsel, T. Xia, J. Park, et al. Let the barbarians in: How ai can accelerate systems performance research. arXiv preprint arXiv:2512.14806, 2025.

  18. A. Cheng, S. Liu, M. Pan, Z. Li, B. Wang, A. Krentsel, T. Xia, M. Cemri, J. Park, S. Yang, et al. Barbarians at the gate: How AI is upending systems research. arXiv preprint arXiv:2510.06189, 2025.

  19. E. Chi, G. Wang, J. A. Halderman, E. Wustrow, and J. Wampler. Just add WATER: WebAssembly-based circumvention transports. In Free and Open Communications on the Internet, 2024.

  20. R. Clayton, S. J. Murdoch, and R. N. M. Watson. Ignoring the Great Firewall of China. In Privacy Enhancing Technologies, pages 20–35. Springer, 2006.

  21. G. Comanici, E. Bieber, M. Schaekermann, I. Pasupat, N. Sachdeva, I. Dhillon, M. Blistein, O. Ram, D. Zhang, E. Rosen, et al. Gemini 2.5: Pushing the frontier with advanced reasoning, multimodality, long context, and next generation agentic capabilities. arXiv preprint arXiv:2507.06261, 2025.

  22. R. Dingledine, N. Mathewson, and P. Syverson. Tor: The second-generation onion router. In USENIX Security Symposium, 2004.

  23. K. Elmenhorst, B. Schütz, N. Aschenbruck, and S. Basso. Web censorship measurements of HTTP/3 over QUIC. In Internet Measurement Conference. ACM, 2021.

  24. R. Ensafi, P. Winter, A. Mueen, and J. R. Crandall. Analyzing the Great Firewall of China over space and time. Privacy Enhancing Technologies, 2015(1), 2015.

  25. S. Fan, J. Sippe, S. San, J. Sheffey, D. Fifield, A. Houmansadr, E. Wedwards, and E. Wustrow. Wallbleed: A memory disclosure vulnerability in the Great Firewall of China. In Network and Distributed System Security. The Internet Society, 2025.

  26. E. Fenske and A. Johnson. Security notions for fully encrypted protocols. In Free and Open Communications on the Internet, 2023.

  27. R. T. Fielding and J. Reschke. Hypertext Transfer Protocol (HTTP/1.1): Message Syntax and Routing. RFC 7230, June 2014.

  28. D. Fifield, C. Lan, R. Hynes, P. Wegmann, and V. Paxson. Blocking-resistant communication through domain fronting. Privacy Enhancing Technologies, 2015(2), 2015.

  29. S. Frolov, J. Wampler, S. C. Tan, J. A. Halderman, N. Borisov, and E. Wustrow. Conjure: Summoning proxies from unused address space. In Computer and Communications Security. ACM, 2019.

  30. S. Frolov and E. Wustrow. The use of TLS in censorship circumvention. In Network and Distributed System Security. The Internet Society, 2019.

  31. M. Handley, V. Paxson, and C. Kreibich. Network intrusion detection: Evasion, traffic normalization, and end-to-end protocol semantics. In USENIX Security Symposium. USENIX, 2001.

  32. M. Harrity, K. Bock, F. Sell, and D. Levin. GET /out: Automated discovery of application-layer censorship evasion strategies. In USENIX Security Symposium. USENIX, 2022.

  33. N. P. Hoang, J. Dalek, M. Crete-Nishihata, N. Christin, V. Yegneswaran, M. Polychronakis, and N. Feamster. GFWeb: Measuring the Great Firewall’s Web censorship at scale. In USENIX Security Symposium. USENIX, 2024.

  34. N. P. Hoang, A. A. Niaki, J. Dalek, J. Knockel, P. Lin, B. Marczak, M. Crete-Nishihata, P. Gill, and M. Polychronakis. How great is the Great Firewall? Measuring China’s DNS censorship. In USENIX Security Symposium. USENIX, 2021.

  35. P. E. Hoffman and P. McManus. DNS Queries over HTTPS (DoH). RFC 8484, Oct. 2018.

  36. A. Houmansadr, T. Riedl, N. Borisov, and A. Singer. I want my voice to be heard: IP over voice-over-IP for unobservable censorship circumvention. In Network and Distributed System Security. The Internet Society, 2013.

  37. Z. Hu, L. Zhu, J. Heidemann, A. Mankin, D. Wessels, and P. E. Hoffman. Specification for DNS over Transport Layer Security (TLS). RFC 7858, May 2016.

  38. J. Iyengar and M. Thomson. QUIC: A UDP-Based Multiplexed and Secure Transport. RFC 9000, May 2021.

  39. S. Khattak, M. Javed, P. D. Anderson, and V. Paxson. Towards illuminating a censorship monitor’s model to facilitate evasion. In Free and Open Communications on the Internet. USENIX, 2013.

  40. P. T. J. Kon, S. Kamali, J. Pei, D. Barradas, A. Chen, M. Sherr, and M. Yung. SpotProxy: Rediscovering the cloud for censorship circumvention. In USENIX Security Symposium. USENIX, 2024.

  41. F. Lange, N. Niere, J. von Niessen, D. Suermann, N. Heitmann, and J. Somorovsky. I(ra)nconsistencies: Novel insights into Iran’s censorship. In Free and Open Communications on the Internet, 2025.

  42. R. T. Lange, Y. Imajuku, and E. Cetin. Shinkaevolve: Towards open-ended and sample-efficient program evolution. arXiv preprint arXiv:2509.19349, 2025.

  43. F. Liu, R. Zhang, Z. Xie, R. Sun, K. Li, X. Lin, Z. Wang, Z. Lu, and Q. Zhang. Llm4ad: A platform for algorithm design with large language model. arXiv preprint arXiv:2412.17287, 2024.

  44. Y. J. Ma, W. Liang, G. Wang, D.-A. Huang, O. Bastani, D. Jayaraman, Y. Zhu, L. Fan, and A. Anandkumar. Eureka: Human-level reward design via coding large language models. arXiv preprint arXiv:2310.12931, 2023.

  45. H. Mohajeri Moghaddam, B. Li, M. Derakhshani, and I. Goldberg. SkypeMorph: Protocol obfuscation for Tor bridges. In Computer and Communications Security. ACM, 2012.

  46. S.-J. Moon, J. Helt, Y. Yuan, Y. Bieri, S. Banerjee, V. Sekar, W. Wu, M. Yannakakis, and Y. Zhang. Alembic: Automated model inference for stateful network functions. In 16th USENIX Symposium on Networked Systems Design and Implementation (NSDI 19), pages 699–718, Boston, MA, Feb. 2019. USENIX Association.

  47. J.-B. Mouret and J. Clune. Illuminating search spaces by mapping elites. ArXiv, abs/1504.04909, 2015.

  48. A. Nagda, P. Raghavan, and A. Thakurta. Reinforced generation of combinatorial structures: Hardness of approximation. arXiv preprint arXiv:2509.18057, 2025.

  49. N. Niere, F. Lange, R. Merget, and J. Somorovsky. Transport layer obscurity: Circumventing SNI censorship on the TLS layer. In Symposium on Security & Privacy. IEEE, 2025.

  50. A. Novikov, N. Vũ, M. Eisenberger, E. Dupont, P.-S. Huang, A. Z. Wagner, S. Shirobokov, B. Kozlovskii, F. J. Ruiz, A. Mehrabian, et al. AlphaEvolve: A coding agent for scientific and algorithmic discovery. 2025.

  51. OpenAI. Gpt-5 and the new era of work. https://openai.com/index/gpt-5-new-era-of-work/, August 2025. Accessed: 2026-02-02.

  52. A. Ortwein, K. Bock, and D. Levin. Towards a comprehensive understanding of Russian transit censorship. In Free and Open Communications on the Internet, 2023.

  53. J. C. Park and J. R. Crandall. Empirical study of a national-scale distributed intrusion detection system: Backbone-level filtering of HTML responses in China. In Distributed Computing Systems, pages 315–326. IEEE, 2010.

  54. P. Pearce, B. Jones, F. Li, R. Ensafi, N. Feamster, N. Weaver, and V. Paxson. Global measurement of DNS manipulation. In USENIX Security Symposium. USENIX, 2017.

  55. T. H. Ptacek and T. N. Newsham. Insertion, evasion, and denial of service: Eluding network intrusion detection. Technical report, 1998.

  56. M. Pu, A. Wang, A. Chang, K. Quan, and Y. W. Zhou. Exploring Amazon simple queue service (SQS) for censorship circumvention. In Free and Open Communications on the Internet, 2024.

  57. R. S. Raman, L. Evdokimov, E. Wustrow, J. A. Halderman, and R. Ensafi. Investigating large scale HTTPS interception in Kazakhstan. In Internet Measurement Conference. ACM, 2020.

  58. R. S. Raman, M. Wang, J. Dalek, J. Mayer, and R. Ensafi. Network measurement methods for locating and examining censorship devices. In Emerging Networking Experiments and Technologies. ACM, 2022.

  59. R. Ramesh, R. S. Raman, M. Bernhard, V. Ongkowijaya, L. Evdokimov, A. Edmundson, S. Sprecher, M. Ikram, and R. Ensafi. Decentralized control: A case study of Russia. In Network and Distributed System Security. The Internet Society, 2020.

  60. B. Romera-Paredes, M. Barekatain, A. Novikov, M. Balog, M. P. Kumar, E. Dupont, F. J. Ruiz, J. S. Ellenberg, P. Wang, O. Fawzi, et al. Mathematical discoveries from program search with large language models. Nature, 625(7995):468–475, 2024.

  61. A. Sharma. OpenEvolve: an open-source evolutionary coding agent, 2025.

  62. K. Singh, G. Grover, and V. Bansal. How India censors the web. In Web Science. ACM, 2020.

  63. J. Tai, K. N. Sengottuvelavan, P. Whiting, and N. P. Hoang. IRBlock: A large-scale measurement study of the Great Firewall of Iran. In USENIX Security Symposium. USENIX, 2025.

  64. United Nations General Assembly. Universal Declaration of Human Rights, Dec. 1948. Resolution 217 A (III), Article 19.

  65. A. Vilalonga, J. S. Resende, and H. Domingos. Looking at the clouds: Leveraging pub/sub cloud services for censorship-resistant rendezvous channels. In Free and Open Communications on the Internet, 2024.

  66. R. Wails, R. Jansen, A. Johnson, and M. Sherr. Proteus: Programmable protocols for censorship circumvention. In Free and Open Communications on the Internet, 2023.

  67. R. Wails, R. Jansen, A. Johnson, and M. Sherr. Censorship evasion with unidentified protocol generation. In USENIX Security Symposium. USENIX, 2025.

  68. Q. Wang, Z. Lin, N. Borisov, and N. J. Hopper. rBridge: User reputation based Tor bridge distribution with privacy preservation. In Network and Distributed System Security. The Internet Society, 2013.

  69. Z. Wang, Y. Cao, Z. Qian, C. Song, and S. V. Krishnamurthy. Your state is not mine: A closer look at evading stateful Internet censorship. In Internet Measurement Conference. ACM, 2017.

  70. Z. Wang, S. Zhu, Y. Cao, Z. Qian, C. Song, S. V. Krishnamurthy, K. S. Chan, and T. D. Braun. SymTCP: Eluding stateful deep packet inspection with automated discrepancy discovery. In Network and Distributed System Security. The Internet Society, 2020.

  71. N. Weaver, R. Sommer, and V. Paxson. Detecting forged TCP reset packets. In Network and Distributed System Security. The Internet Society, 2009.

  72. S. Wendzel, S. Volpert, S. Zillien, J. Lenz, P. Rünz, and L. Caviglione. A survey of internet censorship and its measurement: Methodology, trends, and challenges. Computers & Security, 2025.

  73. P. Winter. Towards a censorship analyser for Tor. In Free and Open Communications on the Internet. USENIX, 2013.

  74. M. Wu, J. Sippe, D. Sivakumar, J. Burg, P. Anderson, X. Wang, K. Bock, A. Houmansadr, D. Levin, and E. Wustrow. How the Great Firewall of China detects and blocks fully encrypted traffic. In USENIX Security Symposium. USENIX, 2023.

  75. M. Wu, A. Zohaib, Z. Durumeric, A. Houmansadr, and E. Wustrow. A wall behind a wall: Emerging regional censorship in China. In Symposium on Security & Privacy. IEEE, 2025.

  76. E. Wustrow, C. M. Swanson, and J. A. Halderman. TapDance: End-to-middle anticensorship without flow blocking. In USENIX Security Symposium. USENIX, 2014.

  77. X. Xu, Z. M. Mao, and J. A. Halderman. Internet censorship in China: Where does the filtering occur? In Passive and Active Measurement Conference, pages 133–142. Springer, 2011.

  78. D. Xue, A. Huremagic, W. Wang, R. S. Raman, and R. Ensafi. Fingerprinting deep packet inspection devices by their ambiguities. In Proceedings of the 2025 ACM SIGSAC Conference on Computer and Communications Security, pages 3945–3959, 2025.

  79. D. Xue, B. Mixon-Baca, ValdikSS, A. Ablove, B. Kujath, J. R. Crandall, and R. Ensafi. TSPU: Russia’s decentralized censorship system. In Internet Measurement Conference. ACM, 2022.

  80. D. Xue, R. Ramesh, ValdikSS, L. Evdokimov, A. Viktorov, A. Jain, E. Wustrow, S. Basso, and R. Ensafi. Throttling Twitter: an emerging censorship technique in Russia. In Internet Measurement Conference. ACM, 2021.

  81. A. Zohaib, Q. Zao, J. Sippe, A. Alaraj, A. Houmansadr, Z. Durumeric, and E. Wustrow. Exposing and Circumventing SNI-based QUIC Censorship of the Great Firewall of China. In 34th USENIX Security Symposium (USENIX Security 25), pages 783–802, 2025.

from typing import Optional, List, Union
from scapy.all import IP, TCP, UDP, Raw, Packet
from dataclasses import dataclass

@dataclass
class Scheduled:
    packet: Packet
    delay_ms: int

class Strategy:
    
    def __init__(self):
        self.connections = {}
    
    def on_incoming_packet(self, pkt: Packet) -> Optional[List[Union[Packet, Scheduled]]]:
        return [pkt]
    
    def on_outgoing_packet(self, pkt: Packet) -> Optional[List[Union[Packet, Scheduled]]]:
        return [pkt]
图 5。TCP/IP 头部操纵的种子程序:一个 Python 程序,为基于 NFQUEUE 的数据包拦截器定义入站/出站数据包钩子,支持数据包转发、丢弃和延迟发送。
进化所得 TCP/IP 策略的注释,解释幽灵报文段、校验和无效且包含无害 Host 标头的重叠诱饵报文段,以及 RST/FIN 过滤。
图 6。CircumVolve 生成的 TCP/IP 数据包操纵策略片段。这些注释源于系统提示词对 LLM 的要求:以头部注释的形式记录代码变异背后的理由。

A. 收敛示例

为说明 CircumVolve 的搜索如何推进,我们逐步分析一次具有代表性的运行,来自第 4.2 节详述的针对中国 DNS 审查系统的 DNS 封锁实验。图 7 绘出了随迭代次数变化的历史最优 evasion_score。首次达到规避阈值(score≥1\text{score}\!\geq\!1)发生在第 18 次迭代,最终最优分数 3(通过全部三项有效性检查,绕过全部三个注入器)首次出现在第 193 次迭代。在 299 次变异中,51.8% 生成的数据包畸形程度过高,无法通过阶段 1(真实解析器有效性验证);不过,26.8% 的变异严格优于其亲本,且有 52 次实现了规避。达到规避阈值的这 52 次变异在字节层面各不相同,但使用了彼此重叠的结构操纵技术,我们在表 2中对其进行了分类。

针对中国 DNS 审查的进化运行:每次变异的分数和历史最高分;第 18 次迭代首次规避成功,第 193 次迭代达到最高分 3。
图 7。中国 DNS 封锁实验中一次评估运行的收敛曲线。灰点表示每次变异的程序分数,蓝线表示截至当前的最高分。第 18 次迭代首次实现规避;全局最优结果(综合分数 =3=3,绕过 GFW 的全部三个注入器)出现在第 193 次迭代。本次运行发现了 52 个成功程序。

B. 测量点配置

表 6。真实环境评估使用的测量点。所有机器都是由我们直接控制的数据中心 VPS。AS 号和组织名称以测量时的注册信息为准。
国家 服务提供商 ASN AS 注册组织
中国 阿里云 AS37963 Hangzhou Alibaba Advertising Co., Ltd.
中国 腾讯云 AS45090 Shenzhen Tencent Computer Systems Company Limited
伊朗 ITPIRAN AS48715 Sefroyek Pardaz Engineering PJSC
巴基斯坦 Virtury Cloud AS150315 Virtury Cloud Private Limited
哈萨克斯坦 IsHosting AS58061 Scalaxy B.V.

评论区