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

기술 요약: 부수적 피해의 함정: 검열 회피를 위한 UPGen 및 Proteus의 이해

문제 정의
국가 단위의 검열 기관들은 온라인 서비스에 대한 접근을 제한하기 위해 심층 패킷 검사(DPI)와 차단 목록을 점점 더 많이 활용하고 있으며, 이는 인터넷 자유를 저해한다. TLS(ESNI 포함)나 고정된 난독화 프로토콜(obfs4 등)과 같은 기존의 검열 우회 도구들은 정교한 분류기에 의해 식별되고 차단될 위험이 있다. 특정 프로토콜 시그니처가 인식되면, 검열 기관은 상당한 "부수적 피해"(즉, 정상적인 트래픽 차단) 없이도 해당 프로토콜을 차단할 수 있다. 이 논문이 다루는 핵심 문제는 기존 도구들의 적응성 결여이다. 이들은 정적인 프로토콜 세트에 의존하기 때문에 표적 차단에 취약하다. 저자는 방대하고 독특하며, 그럴듯하면서도 서로 연결 불가능한 프로토콜 공간을 생성함으로써, 검열 기관이 우회 도구를 차단하는 것이 일반적인 인터넷 트래픽의 과도한 부분을 차단해야 하는 상황으로 몰리게 하는 "부수적 피해의 함정"을 유도할 수 있는지 조사한다.

방법론
본 연구는 두 가지 상호 보완적인 시스템인 UPGen(Unidentified Protocol Generation, 미식별 프로토콜 생성기)과 Proteus(프로그래밍 가능한 프로토콜 엔진)를 분석한다.

• UPGen: 새로운 구조화된 암호화 프로토콜을 정의하는 프로토콜 사양 파일(PSF)을 생성하도록 설계되었다. 이는 저장소 이름과 유사한 인사말 문자열(greeting strings)을 생성하기 위한 신경망과, 암호화 파라미터(사이퍼, 키 인코딩), 구조적 필드(길이, 버전, 패딩), 그리고 핸드셰이크 패턴을 포함하는 구성 공간을 활용한다.
• Proteus: PSF를 해석하여 통신 터널을 구축하는 Rust 기반 실행 엔진이다. 안전성을 보장하기 위해 제한된 런타임 환경을 갖추고 있으며, 변화하는 검열 환경에 적응할 수 있는 프로그래밍 가능한 프로토콜을 지원한다.
• 실험적 접근 방식: 저자는 UPGen과 Proteus(v0.2.0)의 공개 구현체를 평가하기 위해 소규모 로컬 실험을 수행하였다.
  1. 구성 공간 분석: 공개 소스 코드와 설정 파일을 바탕으로 프로토콜 구성 공간에 대한 독립적인 추정치를 도출하였다.
  2. PSF 생성 및 검증: 3,111개의 PSF를 생성하고, 구조적 무결성과 실행 오류를 확인하기 위해 Proteus 컴파일러를 사용하여 검증하였다.
  3. 인사말 문자열 분석: 생성된 인사말 문자열의 "그럴듯함(plausibility)"에 미치는 학습 코퍼스 크기의 영향을 평가하였다.
  4. 분류기 재현: 공개 아티팩트 데이터셋(16,500개의 PCAP 샘플)을 사용하여, UPGen 트래픽을 정상적인 프로토콜(TLS, SSH, obfs4 등)과 구별하는 Random Forest, 1D-CNN, Deep Fingerprinting 분류기를 학습시켰다.
  5. 배포: 엔드 투 엔드 Tor 연결을 검증하기 위해 VPS 상에 기능적인 Proteus 브릿지 배포를 수행하였다.

주요 기여

1. 독립적인 구성 공간 추정: 저자는 공개된 UPGen 구현에 대해 약 $4.1 \times 10^{25}$개의 가능한 프로토콜 구성이 존재한다는 추정치를 도출하였다. 논문은 원본 저자들이 보고한 다양성 추정치가 $4.2 \times 10^{22}$라고 명시하고 있으나, 본 연구에서 독립적으로 재현한 결과가 아니라 원본 저자의 보고임을 명확히 밝히고 있다. 이는 일부 파라미터가 공개 릴리스에서 의도적으로 제외되었기 때문이다.
2. 구현 버그 발견: 본 연구는 공개된 UPGen 릴리스에서 다섯 가지 구현 버그를 발견하였다. 주요 이슈 중 하나는 문자열 값 형태의 불리언 파라미터(예: "False"와 False)가 Python에서 참(truthy)으로 평가되어, 특정 구성 파라미터가 의도된 대로 무작위화되지 않고 일정하게 유지되는 문제였다. 이러한 버그에도 불구하고, 생성된 모든 PSF는 구조적으로는 고유했다.
3. 분류기 저항성 불일치: UPGen 트래픽이 정상적인 트래픽과 구별 불가능하다는 원본 연구의 주장과 달리, 저자의 재현 실험 결과 Random Forest, 1D-CNN, Deep Fingerprinting 분류기가 높은 정확도(대부분의 경우 TPR/FPR이 1.00/0.00)로 UPGen 트래픽을 정상 프로토콜과 성공적으로 구별해 냈다.
4. 운영 배포 가이드: 프록시 및 클라이언트 양측 모두에서 Proteus를 Tor 플러그형 트랜스포트(pluggable transport)로 배포하기 위한 상세한 단계별 가이드를 제공한다. 여기에는 torrc 설정, 포트 바인딩을 위한 역량 할당, 브릿지 핑거프린트 검증 등이 포함된다.

결과

• 프로토콜 다양성: 생성된 3,111개의 PSF는 파일 및 구조적 수준 모두에서 고유했다. 그러나 식별된 구현 버그로 인해 다양성은 이론적 최대치보다는 낮았다.
• 검증 성공률: 생성된 PSF의 약 77.7%가 Proteus 검증을 통과했다. 실패의 주요 원인은 PEM 파싱 오류, 공개 키 디코딩 실패, 페이로드 불일치였다.
• 인사말 문자열: 더 큰 학습 코퍼스(10,000개 항목)는 더 "저장소와 유사한(repository-like)" 형태의 긴 인사말 문자열을 생성한 반면, 작은 코퍼스는 의미 없는 문자열을 생성했다.
• 분류기 성능: 분류기들은 UPGen 트래픽을 성공적으로 식별했다. 저자는 이를 공개 데이터셋의 특성 때문으로 분석했는데, 데이터셋 내의 정상 프로토콜들이 매우 낮은 시퀀스 다양성(예: TLS는 1,000개 샘플 중 고유 시퀀스가 3개뿐임)을 보여, 분류기가 정상 패턴을 암기하여 더 다양한 UPGen 트래픽을 쉽게 식별했을 가능성을 언급했다.
• 배포: Proteus 브릿지는 Tor 네트워크에 성공적으로 연결되었으며, 테스트 기간 동안 클라이언트가 Onion 서비스 및 클린넷 웹사이트에 접속할 때 관찰 가능한 지연 현상이 없었다.

의의 및 주장
본 논문은 UPGen과 Proteus를 "부수적 피해의 함정"을 이용하기 위해 설계된 새로운 프로그래밍 가능한 접근 방식으로 위치시킨다. 그 의의는 검열 기관이 정상적인 트래픽을 방해하지 않고서는 모든 변종을 차단할 수 없을 만큼 거대한 프로토콜 공간을 생성할 수 있다는 잠재력에 있다.

그러나 저자는 현재 기술의 상태에 대해 신중한 입장을 유지한다. 저자는 공개적으로 출시된 아티팩트에 대한 평가가 원본 연구에서 보고된 분류 저항성을 재현하지 못했음을 명시적으로 밝힌다. 저자는 이러한 결과가 원본 연구와의 모순이라기보다, 데이터셋, 구현 버그, 특정 실험 환경의 차이로 인한 "재현성 격차(reproducibility gap)"임을 명확히 하며, 이는 기술의 이론적 가능성을 부정하는 것이 아님을 설명한다.

결론적으로, UPGen과 Proteus는 향로 연구를 위한 상당한 토대를 제공하고 중요한 프로토콜 수준의 다양성을 제공하지만, 현재의 공개 구현은 obbs4나 Snowflake와 같은 기존 도구의 실질적인 대안이 되기 위해 추가적인 개발, 버그 수정, 그리고 실제 검열 시스템(예: 중국의 만리방화벽)에 대한 엄격한 테스트가 필요하다. 본 연구는 기술적 분석과 실질적인 배포 가이드를 제공하며, 현재 시스템의 이론적 유망함과 실무적 한계를 동시에 조명한다.