💻 computer science

The Collateral Damage Trap: Understanding UPGen and Proteus for Censorship Evasion

Este artículo evalúa los sistemas de elusión de la censura UPGen y Proteus, revelando que, si bien la "trampa de daño colateral" de UPGen teóricamente evita el bloqueo sin un daño colateral masivo, la reproducción experimental muestra que los artefactos disponibles públicamente no logran alcanzar esta resistencia, ya que los clasificadores estándar pueden distinguir de manera fiable su tráfico de los protocolos benignos.

Autores originales: Lakshit Singh Bisht

Publicado 2026-09-29✓ Author reviewed ⓘ

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Lakshit Singh Bisht

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En la era digital, el internet es tratado a menudo como una plaza pública donde la información fluye libremente, pero para muchas personas, ese flujo está estrictamente controlado. Los gobiernos en diversas naciones actúan como porteros, utilizando herramientas sofisticadas para inspeccionar los paquetes de datos que viajan a través de sus redes. Estas herramientas, conocidas como inspección profunda de paquetes (deep packet inspection), pueden mirar dentro de los sobres digitales del tráfico de internet para identificar y bloquear servicios específicos, tales como aplicaciones de mensajería cifrada o redes de navegación anónima. Para contraatacar, los investigadores han desarrollado "transportes conectables" (pluggable transports), que son como un camuflaje digital. Estas herramientas intentan disfrazar el tráfico bloqueado para que parezca actividad de internet inofensiva y cotidiana, deslizándose a través de los filtros de los censores. El objetivo es mantener abiertas las líneas de comunicación sin que los censores se den cuenta de que están siendo eludidos.

Un estudio reciente de Lakshit Singh Bisht examina un nuevo par de herramientas diseñadas para ser más astutas que estos censores: UPGen y Proteus. A diferencia del camuflaje tradicional que intenta imitar un tipo de tráfico único y específico, este sistema intenta una estrategia diferente. UPGen es un generador que crea protocolos completamente nuevos y únicos para la transmisión de datos. Proteus es el motor que ejecuta estos protocolos. La idea central es lo que los investigadores llaman una "trampa de daños colaterales". La teoría es que, debido a que UPGen puede crear una vasta cantidad de protocolos distintos y diferentes, un censor no puede simplemente bloquear un tipo específico de tráfico para detenerlo. Si el censor intenta bloquear el nuevo tráfico, corre el riesgo de bloquear accidentalmente una enorme cantidad de tráfico de internet normal e inofensivo que resulta ser similar. Esto hace que el acto de la censura sea tan caótico y disruptivo que el censor podría verse obligado a rendirse.

Los investigadores se propusieron probar si esta teoría se sostiene en el mundo real. Analizaron el código público de UPGen y Proteus, generando miles de estas especificaciones de protocolo únicas para ver cómo se comportaban. Encontraron que el sistema es, de hecho, capaz de crear una enorme variedad de protocolos. Sus cálculos sugieren que existen aproximadamente 41 septillones de configuraciones posibles, un número tan grande que es difícil de comprender. En sus experimentos, cada uno de los protocolos que generaron fue único, confirmando que el sistema puede producir una diversidad masiva de "firmas" digitales. Esta diversidad es la base de la trampa; si hay tantas formas diferentes de enviar un mensaje, se vuelve increíblemente difícil para un censor saber exactamente qué bloquear sin causar el caos.

Sin embargo, el estudio también descubrió grietas significativas en la armadura. Aunque el sistema genera un gran número de posibilidades, los investigadores encontraron que el software realmente lanzado al público contiene varios errores de programación. Estos errores significaban que algunos de los ajustes destinados a crear variedad no estaban funcionando según lo diseñado, reduciendo efectivamente el número de protocolos únicos que el sistema podía producir en realidad. Más importante aún, cuando los investigadores intentaron probar qué tan bien podían estos nuevos protocolos ocultarse de los sistemas de detección automatizados, los resultados fueron sorprendentes. En la investigación original que introdujo UPGen, el autor afirmaba que los clasificadores de aprendizaje automático no podían distinguir este nuevo tráfico del tráfico normal de internet. Pero en este nuevo estudio, utilizando los datos disponibles públicamente, los clasificadores de aprendizaje automático pudieron identificar el tráfico de UPGen con una precisión casi perfecta.

Esta discrepancia sugiere que la "trama de daños colaterales" podría no funcionar tan bien como se esperaba originalmente, al menos con la versión actual del software. Los clasificadores utilizados en el estudio pudieron detectar los patrones en el tráfico de UPGen que los autores originales creían que estaban ocultos. Los investigadores señalaron que la versión pública del software podría no incluir todos los parámetros utilizados en los experimentos originales, más exitosos, y que los errores que encontraron probablemente hicieron que el tráfico fuera más fácil de identificar. A pesar de estos contratiempos, el estudio confirma que el enfoque es técnicamente factible y que el sistema puede ser desplegado. El autor estableció con éxito un puente de funcionamiento, permitiendo que un usuario se conecte a la red Tor a través de un servidor que ejecuta Proteus, demostrando que la tecnología puede funcionar en un entorno del mundo real.

El artículo concluye que, si bien UPGen y Proteus representan una idea audaz y novedosa para evadir la censura, las herramientas disponibles públicamente aún no cumplen plenamente con la promesa de ser imposibles de bloquear. El sistema crea un vasto espacio de posibilidades, pero los errores de implementación y las vulnerabilidades de detección significan que aún no es un problema resuelto. Los investigadores enfatizan que este trabajo debe verse como una base para el desarrollo futuro en lugar de un producto terminado. Sugieren que corregir los errores del software y refinar la generación de protocolos podría ayudar al sistema a alcanzar su potencial. Por ahora, el estudio sirve como un crucial baño de realidad, mostrando que, si bien la idea de abrumar a un censor con opciones infinitas es poderosa, la ejecución práctica requiere mucho más trabajo antes de que pueda proteger de manera confiable a los usuarios contra censores sofisticados de nivel estatal.

Resumen Técnico: La Trampa del Daño Colateral: Comprendiendo UPGen y Proteus para la Evasión de la Censura

Planteamiento del Problema
Los censores de nivel estatal emplean cada vez más la Inspección Profunda de Paquetes (DPI) y listas de bloqueo para restringir el acceso a los servicios en línea, socavando la libertad de internet. Las herramientas tradicionales de elusión de la censura, como TLS con ESNI o protocolos de ofuscación fijos como obfs4, son vulnerables a ser identificadas y bloqueadas por clasificadores sofisticados. Una vez que se reconoce la firma de un protocolo específico, el censor puede bloquearlo sin un "daño colateral" significativo (es decir, bloqueando el tráfico benigno). El problema central abordado en este artículo es la falta de adaptabilidad de las herramientas existentes: dependen de un conjunto estático de protocolos, lo que las hace susceptibles al bloqueo dirigido. El autor investiga si la generación de un vasto espacio de protocolos únicos, plausibles pero no vinculables, puede forzar a los censores a una "trampa de daño colateral", donde bloquear la herramienta de elusión requiera bloquear una parte prohibitivamente grande del tráfico general de internet.

Metodología
El estudio analiza dos sistemas complementarios: UPGen (Generación de Protocolos No Identificados), un generador de protocolos, y Proteus, un motor de protocolos programable.

UPGen: Diseñado para generar Archivos de Especificación de Protocolo (PSF) que definen nuevos protocolos cifrados estructurados. Utiliza una red neuronal para generar cadenas de saludo que asemejan nombres de repositorios y un espacio de configuración que involucra parámetros criptográficos (cifrados, codificaciones de claves), campos estructurales (longitud, versión, relleno) y patrones de intercambio de manos (handshake).
Proteus: Un motor de ejecución basado en Rust que interpreta los PSF para establecer túneles de comunicación. Cuenta con un entorno de ejecución restringido para garantizar la seguridad y soporta protocolos programables que pueden adaptarse a entornos de censura cambiantes.
Enfoque Experimental: El autor realizó experimentos locales a pequeña escala para evaluar las implementaciones públicas de UPGen y Proteus (v0.2.0).
1. Análisis del Espacio de Configuración: Derivó una estimación independiente del espacio de configuración de protocolos basada en el código fuente público y los archivos de configuración.
2. Generación y Validación de PSF: Generó 3,111 PSF y los validó utilizando el compilador de Proteus para verificar la integridad estructural y los errores de ejecución.
3. Análisis de Cadenas de Saludo: Evaluó el impacto del tamaño del corpus de entrenamiento en la "plausibilidad" de las cadenas de saludo generadas.
4. Reproducción de Clasificadores: Utilizando el conjunto de datos de artefactos públicos (16,500 muestras PCAP), entrenó clasificadores de Bosque Aleatorio (Random Forest), 1D-CNN y Aprendizaje Profundo de Huellas (Deep Fingerprinting) para distinguir el tráfico de UPGen del tráfico benigno (TLS, SSH, obfs4, etc.).
5. Despliegue: Se realizó un despliegue funcional de un puente (bridge) de Proteus en un VPS para verificar la conectividad de extremo a extremo con Tor.

Contribuciones Clave

Estimación Independiente del Espacio de Configuración: El autor derivó una estimación de aproximadamente $4.1 \times 10^{25}$ posibles configuraciones de protocolo para la implementación pública de UPGen. El artículo señala que el trabajo original reportó una estimación de diversidad de $4.2 \times 10^{22}$ , pero establece explícitamente que esta cifra debe interpretarse como el reporte de los autores originales y no como un resultado reproducido independientemente en este estudio, ya que algunos parámetros utilizados en la evaluación original fueron retenidos intencionalmente de la versión pública.
Descubrimiento de Errores de Implementación: El estudio identificó cinco errores de implementación en la versión pública de UPGen. Un problema principal involucró parámetros booleanos con valores de cadena (por ejemplo, "False" frente a False) que eran evaluados como verdaderos (truthy) en Python, causando que ciertos parámetros de configuración permanecieran constantes en lugar de aleatorizarse según lo previsto. A pesar de estos errores, todos los PSF generados permanecieron estructuralmente únicos.
Discrepancia en la Resistencia de los Clasificadores: Contrario a la afirmación del trabajo original de que el tráfico de UPGen es indistinguible del tráfico benigno, los experimentos de reproducción del autor encontraron que los clasificadores de Bosque Aleatorio, 1D-CNN y Aprendizaje Profundo de Huellas podían distinguir de manera confiable el tráfico de UPGen del tráfico benigno con una precisión casi perfecta (TPR/FPR de 1.00/0.00 en la mayoría de los casos).
Guía de Despliegue Operacional: El artículo proporciona una guía detallada, paso a paso, para desplegar Proteus como un transporte conectable (pluggable transport) de Tor tanto en el lado del proxy como en el del cliente, incluyendo la configuración de torrc, la asignación de capacidades para la vinculación de puertos y la verificación de la huella digital del puente.

Resultos

Diversidad de Protocolos: Todos los 3,111 PSF generados fueron únicos tanto a nivel de archivo como estructural. Sin embargo, la diversidad fue menor que el máximo teórico debido a los errores de implementación identificados.
Éxito de Validación: Aproximadamente el 77.7% de los PSF generados pasaron la validación de Proteus. Los fallos se atribuyeron principalmente a errores de análisis de PEM, fallos de decodificación de clave pública y desajustes de carga útil (payload).
Cadenas de Saludo: Corpora de entrenamiento más grandes (10,000 entradas) produjeron cadenas de saludo más parecidas a "repositorios" y más largas, mientras que los corpora más pequeños produjeron cadenas sin sentido.
Rendimiento de los Clasificadores: Los clasificadores identificaron con éxito el tráfico de UPGen. El autor atribuye esto a las características específicas del conjunto de datos público, señalando que los protocolos benignos en el conjunto de datos exhibían una diversidad de secuencias muy baja (por ejemplo, TLS tenía solo 3 secuencias únicas de 1000 muestras), lo que pudo permitir que los clasificadores memorizaran los patrones benignos y marcaran fácilmente el tráfico más diverso de UPGen.
Despliegue: El puente Proteus se conectó con éxito a la red Tor, permitiendo al cliente acceder a servicios onion y sitios de la red clara (clearnet) sin impedimentos observables de latencia durante el periodo de prueba.

Significancia y Reivindicaciones
El artículo posiciona a UPGen y Proteus como un enfoque novedoso y programable para la elusión de la censura que busca explotar la "trampa del daño colateral". La significancia radica en la capacidad de generar un espacio de protocolos tan grande que los censores no puedan bloquear todas las variantes sin interrumpir el tráfico legítimo.

Sin embargo, el autor mantiene una postura modesta respecto al estado actual de la tecnología. Establece explícitamente que su evaluación de los artefactos liberados públicamente no reproduce la resistencia de los clasificadores reportada en el trabajo original. Aclara que sus hallazgos indican una "brecha de reproducibilidad" en lugar de una contradicción de la investigación original, probablemente debido a diferencias en el conjunto de datos, errores de implementación y el entorno experimental específico.

El artículo concluye que, si bien UPGen y Proteus ofrecen una base sustancial para la investigación futura y proporcionan una diversidad significativa a nivel de protocolo, la implementación pública actual requiere mayor desarrollo, corrección de errores y pruebas rigurosas contra sistemas de censura del mundo real (como el Gran Cortafuegos de China) antes de que pueda considerarse una alternativa viable a herramientas establecidas como obfs4 y Snowflake. El trabajo sirve como un análisis técnico crítico y una guía de despliegue práctico, resaltando tanto la promesa teórica como las limitaciones prácticas del sistema actual.

Más como este