互联网审查对学术研究的影响：通过设计促进学术可访问性

《Communications of the ACM》：Internet Censorship’s Implications on Academic Research: Motivating an Academic Accessibility by Design

　　

基于互联网的假新闻通常被认为是全球信息传播方面的主要问题。尽管假新闻问题确实至关重要，因为它向公共传播渠道引入了虚假信息，但也存在另一个可被视为其“姊妹”的重大问题：通过互联网审查阻止信息访问。

在过去十年中，审查制度从许多角度进行了审视。其中大多数分析了审查方法论，进行了互联网审查的测量，改进了此类测量的方法论，或专注于改进或评估审查规避技术。互联网审查研究的一个重要社会作用是，它有助于揭示政府何时何地干涉在线内容。这些洞察在选举或其他高风险政治事件周围尤为宝贵。此外，评估是否进行了互联网审查可能在审查事件发生很久之后变得重要。尽管政治层面已经受到了几项研究，但互联网审查的一个被忽视的方面是它对全球学术自由和交流的影响。我们想强调，没有哪个国家能被认为是完全免疫于学术自由限制的，至少从长远来看不是。

无法访问的学术工作

最明显的问题是学术出版的访问受限或被阻止。通常，资金充足的机构可以获得付费墙后的论文，但审查者仍可能阻止讨论“不受欢迎”话题的出版物。例如，一名研究人员（甚至是有兴趣的公民）试图检索讨论少数群体权利或其居住国当地审查行为的研究时，可能会发现页面无法访问。关键词过滤器或与出版商的协议可以简单地从视野中抹去这些文章。

然而，我们不应忽视科学产物不仅仅是期刊文章这一事实。数据集、代码、软件仓库——有时甚至是用于规避审查的工具，如 Tor——同样脆弱或变得无法访问，因为二进制文件或软件代码托管在被阻止的域名上。

例如，GFWatch 是一个监测中国防火长城（GFW）过滤系统的项目。GFW 是地球上最复杂的过滤系统之一，并且——得益于 GFWatch——可以提取 GFW 的域名过滤规则。当我们分析提取的过滤启发式规则时，可以发现 github.io 子域名和几所大学的网站（例如，伦敦政治经济学院；lse.ac.uk）。此外，几个与提供开源软件相关的重要网站被阻止，例如 redhat.com。虽然目前此类结果很少，甚至有些可能是附带损害的结果，但它们仅涵盖中国的过滤系统，且不能保证这些结果的数量会保持现状。在其他国家也能发现类似复杂的过滤系统。例如，伊朗旨在实施具有限制性过滤技术的“清真互联网”。此外，特定域名的临时封锁不容易被检测。据报道，几个国家已经执行了完全的互联网关闭，不仅影响了社交媒体网站，也影响了学术自由。然而，根据最新的《网上自由》（FOTN）报告，互联网审查不仅限于威权国家。相反，几个民主国家也受到了威胁。报告强调，最近互联网自由度在 72 个涵盖国家中的 27 个有所下降，而仅在 17 个国家有所改善，并且在过去 15 年的分析期间，“国家当局和其他强大的行为者 [...] 改变了 [他们] 施加信息控制的方式。”随着审查互联网尝试的增加，全球某些研究人员在特定时刻无法访问特定出版物、数据集或软件的可能性也越来越大。

此外，支持学术研究的由人工智能驱动的系统，如聊天机器人，正日益普及。它们的训练和推理阶段以及此类工具的利用都可能受到审查的影响。这对研究产生了几个影响：(1) 如果在数据收集和训练期间某些敏感材料被阻止，模型无法重现它从未学过的事实，从而产生带有审查调节偏见的响应。这限制了提供给学术界的洞察，并在学者需要细节的地方留下了知识空白，例如少数群体健康数据集或抗议档案。最近的工作表明，在抓取期间系统性地移除中国政治敏感网页会导致事实回忆和主题覆盖上的漏洞。(2) 语言偏见加剧了问题：如果给定语言的训练数据被审查，模型在提示使用该语言时可能会拒绝、省略或扭曲信息，而在限制较少的语言中提供完整的答案。这些语言条件性的盲点可能会鼓励孤立的“知识气泡”，限制跨学科和跨文化交流，反映了社交媒体中已经记录的共鸣室。(3) 由于大语言模型越来越集成到研究工具中，并预计将在未来的图书馆目录和学术数据库中发挥关键作用，即使是细微不正确的响应，例如在恐跨案例中，也有可能影响从而腐蚀研究结果。

人为因素：研究未被开展或发表

提到的学术工作无法访问的原因不仅仅是潜在地扭曲内容；它们 quietly 传达什么是“安全”可问的。当某些话题的搜索包含错误或沉默时，学者们可能会悄悄学会避开那些话题，这远在任何正式禁令之前。这使得人为维度无法忽视。虽然我们在之前的工作中总结了互联网审查的几个人为方面，但我们想强调提到的技术、法律、社会和道德法规如何将压力转化为行为。技术审查无缝流向自我审查：促使学术界人士（像所有其他公民一样）调整自己的行为以避免违反“规则”。例如，研究人员如果怀疑某个托管特定论文仓库的网站可能是审查者认为不可接受的网站，就会避免访问它。自我审查始于内部的成本效益计算，问自己诸如“这个关键词会触发网络监控吗？”之类的问题——并可能以主动、选择性的避免而结束。自我审查的另一个潜在结果是，学术界人士可能害怕发布结果和演讲，以免损害他们的（区域）地位、学术职位或个人安全。风险评估可能成为工作流中的常规部分，特别是关于发布什么、在哪里发布以及与谁合作的决定。未发表的演讲也影响建立科学网络的机会和“第三使命”（向公众推广）。

这种影响的核心在于，人们害怕自己的研究成果可能被政府视为有争议，或者与某些国家的同行合作可能引起审查。随着时间的推移，这些担忧可能变得内化，以至于研究人员可能完全改变或放弃他们在特定主题上的工作。这种由感知威胁塑造的自我限制心态减少了研究的丰富性和严谨性。

同时，当许多学者进行自我审查时，一种寒蝉效应出现，并蔓延到更广泛的学术界（全球范围）。历史上与在美国关于保护言论自由的辩论中保护第一修正案权利相关联，寒蝉效应描述了一种不确定性气候，即使没有明确的禁令也抑制集体表达。“寒蝉”一词意味着减缓、压制、抑制或延迟。这种效应可能表现为拨款官员对资助政治敏感研究项目的犹豫，或期刊编辑预判争议并直接拒稿某些手稿。起初，在某些情况下这种选择可能似乎是合理的，但在一起它们会减缓知识的生产或导致话语的下降，特别是当缺乏根据的时候。

延伸的寒蝉效应甚至更进一步：它在即时感知风险消退后依然存在，并迁移到那些风险从未存在的设置中。在（感知）限制下形成的习惯，如避免某些被审查的引用或关键词，可能变得根深蒂固，以至于学术界人士将它们带入新的机构或国家。随着时间的推移，这些行为在研究景观中固化为参与和多样性差距。同时，人才迁移——学生和研究人员离开被审查的环境前往限制较少的地方——造成了双重问题。一方面，它抽干了本国机构的专家，减缓了它们的科学发展（“人才流失”）。另一方面，那些搬迁的人可能已经内化了谨慎，以至于他们将审查“跨越国界”，延伸了寒蝉效应。

一个相关的问题是年龄验证法律的兴起。虽然旨在保护未成年人，但这些系统经常过度分类合法的科学或健康材料为“受限”，甚至在这样的框架下如欧盟的《数字服务法案》，也可能切断年轻人获取必要信息的途径。这为新兴研究人员创造了障碍。所有这些场景和寒蝉效应的后果导致研究未发表和传播较少，以及知识生产整体的不对称分布。虽然 FOTN 报告认为相对“自由”环境中的研究人员可以更容易地探索前沿话题，但在被审查环境中的同行——以及任何与他们合作的人——面临法律、专业或个人障碍。这种沉默代价高昂：被审查国家的研究人员拥有关于这些系统如何工作的最直接证据，并可以告诉我们许多关于例如他们国家正在进行的审查实践的基本见解。

设计学术可访问性

鉴于上述问题，互联网审查对学术自由的影响不容忽视。研究界必须为这些问题想出补救措施，考虑到学者居住的异质环境。我们提出三个联合解决方案（每个受益于其他），预计可以在面临受限互联网访问时帮助科学研究。

抗审查的科学仓库。一种情况可能是提供多个镜像以下载软件或数据集。这些镜像可以通过不同的方式“运输”，例如作为论文中的链接，作为研究人员可访问的文档的一部分，甚至通过标准 DNS 记录（CNAME）。除了经典网站和基于 Web 的数据库之外，论文、代码和数据的此类镜像也有助于可访问性。一个例子是利用 BitTorrent 下载或传播一个允许请求学术产物的 Signal 或 Telegram 个人资料。此外，研究表明，某些形式的内容提供迫使审查者接受附带损害：内容分发网络（CDN）提供大量的 Web 内容（另一种情况是共置虚拟主机，但审查者更容易通过 TLS 的服务器名称指示（SNI）分析它们）。如果 CDNs 的 IP 范围因为某些特定的 Web 内容而被阻止，审查者实质上被迫也阻止 CDN 的剩余内容，导致不希望的副作用。这些想法并不详尽，并且它们都与个人局限性相关联。然而，我们相信，计算机科学和数字图书馆界必须想出更多（更好）的想法，最终实现“设计内置”的学术可访问性提高。

保存（最后）副本。在大学和国家图书馆中，在分发之前跟踪出版物的最后副本已经是常见做法。最近，这种方法已经转化为科学在线出版世界，通常由图书馆员处理。我们建议科学家承担责任，并主动发起将记录复制到上述抗审查的科学仓库中。这种复制应在预期的政治变化威胁科学出版物和数据存在的情况下触发。

发表后去匿名化。此外，一种匿名发表论文的选择允许研究人员尽管位于受限或审查环境中，仍能将其知识贡献给科学。这在即使可以进行研究活动但研究领域受到审查的情况下（例如，不需要政府资金）可能特别相关。在匿名作者期间，对个人安全的影响降至最低。更好的方法是一种假名化方法，允许后来去假名化，但仅由研究人员自己。此类尝试几个世纪前就已经做过。例如，刘易斯·卡罗尔实际上是查尔斯·L·道奇森的假名。假名也用于学术写作，甚至用于整个群体，例如尼古拉·布尔巴基——一群法国数学家的假名。

假名化并不与严格的学术审查或伦理方面的考虑相冲突。使用假名化，如果得到出版商和出版数据库的支持，去假名化将使相关出版数据库（如 ORCID、dblp 或特定出版商的数据库，如 ACM DL、IEEE Xplore 等）能够将真实学术档案与假名化学术档案在后期合并。这为学者提供了一种选择，即使是在受限环境下，也能至少延迟性地吸引引用。证明后期去假名化合理的情况可能非常不同：研究人员可能移居到非受限或较少受限的国家。或者，一个限制性（区域性）政权可能在几年后消失。

然而，如果作者指明（部分）作者姓名实际上是由假名代表的，这将很有帮助，因为这对版权转让有影响。法律专家需要澄清版权转让过程如何划分为假名化阶段和去假名化后的时间段，以及如何在同一篇论文上实现混合作者身份（真实姓名加假名）。

最后，这些解决方案不足以解决互联网审查提出的所有相关问题。例如，正如匿名审稿人指出的那样，保护科学家的搜索和研究历史仍然至关重要，因为人工智能驱动的监控越来越监测学者基于网络的跟踪和平台活动。知道查询或交互可能被记录可能会阻止学者探讨敏感话题，从而可能进一步放大寒蝉效应。

结论

我们观察到，许多不同国家越来越倾向于通过加强互联网审查的努力，利用不断日益复杂的审查技术来控制互联网上的信息访问。我们解释了互联网审查威胁到我们科学自由和完整性的核心。它有可能阻碍科学进步以及研究者的数字主权。因此，提供抗审查的科学成果至关重要。我们建议开发实际方法，通过设计实现学术作品的可访问性。最后，抵御互联网审查是一项必要性，必须由多方利益相关者共同应对：研究社区、图书管理员和出版商。

Steffen Wendzel ([e-mail]) 是德国乌尔姆大学的教授，担任信息资源管理研究所 (IRM) 主席以及乌尔姆大学图书馆和计算中心 ("kiz") 的主任。

Julia Lenz ([e-mail]) 是德国乌尔姆大学信息资源管理研究所 (IRM) 的博士生。

Martin Baumann ([e-mail]) 是德国乌尔姆大学心理与教育研究所的人因工程教授。

作者对匿名审稿人提供的宝贵反馈表示感谢。