新闻详情

新闻详情

首页 / 资讯中心 / 详情

比反向shell好用 比rustdesk兼容centos7的 穿透工具 FRP

发布时间:2026/11/10 10:43:00来源:尧图网络
比反向shell好用 比rustdesk兼容centos7的 穿透工具 FRP
FRPFast Reverse Proxy确实是内网穿透工具定位和RustDesk 完全不同RustDesk 是远程桌面“成品”FRP 是底层的网络隧道“工具”。FRP 的工作原理FRP 的核心逻辑很简单只有两个角色服务端 (frps)部署在有公网 IP的机器上就是linux的云端 39.x.x.x负责接收外网请求并转发。客户端 (frpc)部署在没有公网 IP的内网机器上linux的机房服务器和 VMware主动去连接服务端。流程是这样的内网的 frpc 启动后主动连上云端的 frps告诉它“我要把本地的 22 端口映射到linux的 6000 端口”。之后linux在办公室访问39.x.x.x:6000frps 就会把流量顺着这条已经建立的“隧道”丢给内网的 frpc最终转给内网的 22 端口。为什么它比反向 shell 更适合linux -centos7之类的会有客户端兼容性问题linux之前试的 SSH 反向隧道ssh -R也是这个原理但 FRP 作为专用工具在稳定性和管理性上更强专为穿透设计自带断线重连、心跳保活机制不用像autossh那样自己拼参数。配置直观一个 TOML 文件写清楚“本地端口 - 远程端口”一目了然。无环境依赖Go 语言编写静态编译在 CentOS 7 上解压就能跑不会像 RustDesk 那样遇到 glibc 版本报错。针对linux环境的实施步骤基于linux之前提供的环境云端 39.x.x.x回头简称云端服务器公网IP内网 192.168.1.100 和 192.168.4.25如果linux决定用 FRP部署思路如下。第一步云端部署服务端 (frps)下载解压去 GitHub 下载frp_x.xx.x_linux_amd64.tar.gz解压后把frps和frps.toml放好。配置frps.toml最简单的配置只需要指定通信端口和鉴权 Token。bindPort 30000 auth.token 你的强密码开放防火墙linux现有的安全组规则里已经放行了 TCP 30000-33000刚好覆盖。确保 UDP 不需要额外开FRP 默认 TCP。设为系统服务写一个frps.service让它在后台常驻避免 SSH 一断就掉线。第二步内网机器部署客户端 (frpc)在机房服务器192.168.1.100和 VMware192.168.4.25上分别操作。下载解压同样解压包但只用frpc和frpc.toml。配置frpc.toml机房服务器的配置映射 22 端口到云端的 30001serverAddr 云端服务器公网IP serverPort 30000 auth.token 你的强密码 [[proxies]] name ssh-idc type tcp localIP 127.0.0.1 localPort 22 remotePort 30001VMware的配置类似但remotePort要换一个比如30002。启动并设为服务同样用 systemd 托管frpc保证开机自启。第三步办公室连接配置完成后linux在办公室直接用 SSH 客户端连接云端的映射端口即可# 连接机房服务器ssh-p30001你的用户名云端服务器公网IP# 连接 VMwaressh-p30002你的用户名云端服务器公网IP这样linux就在云端建立了一个永久的“SSH 入口”只要内网机器能上网隧道就不会断。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/9 8:37:19

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/10 9:14:31

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/9 8:37:18

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/9 8:37:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉