WindowsFirewallRuleset 项目启动与配置教程
2025-05-06 17:04:19作者:劳婵绚Shirley
1. 项目目录结构及介绍
WindowsFirewallRuleset 项目目录结构如下:
WindowsFirewallRuleset/
├── .github/ # GitHub 仓库相关文件
├── .gitignore # Git 忽略文件列表
├── Build-Documentation/ # 文档构建脚本和文件
├── Documentation/ # 项目文档
├── PowerShell/ # PowerShell 脚本和相关文件
├── Rules/ # 防火墙规则文件
├── Tests/ # 测试脚本和文件
├── Utils/ # 实用工具脚本和文件
├── firewalld/ # Linux 防火墙规则集
├── license.txt # 项目许可证
└── README.md # 项目说明文件
目录说明:
.github/: 存放 GitHub 仓库的配置文件,如 Issue 模板、Pull Request 模板等。.gitignore: 定义了 Git 忽略的文件和目录列表,防止敏感或不需要的文件被提交到仓库。Build-Documentation/: 包含构建项目文档的脚本和文件。Documentation/: 存放项目的文档,如安装指南、用户手册等。PowerShell/: 包含管理 Windows 防火墙规则的 PowerShell 脚本。Rules/: 防火墙规则的定义文件,用于配置和更新 Windows 防火墙规则。Tests/: 存放项目的测试脚本和文件,用于验证规则集的有效性。Utils/: 实用工具脚本和文件,可能包括用于辅助项目开发和维护的工具。firewalld/: 针对Linux系统的防火墙规则集。license.txt: 项目使用的许可证文件,明确了项目的使用和分发条款。README.md: 项目的主要说明文件,介绍了项目的目的、功能和使用方法。
2. 项目的启动文件介绍
项目的启动主要通过 PowerShell 脚本进行。以下是一些主要的启动文件:
Install.ps1: 用于安装项目所需的依赖和配置环境。Update-Rules.ps1: 用于更新防火墙规则,是项目运行的核心脚本。
运行 Install.ps1 脚本前,请确保您的 PowerShell 执行策略允许运行脚本。可以通过运行 Set-ExecutionPolicy 命令来设置。
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser
然后,在 PowerShell 中运行以下命令来安装项目:
.\Install.ps1
安装完成后,可以使用 Update-Rules.ps1 脚本来更新防火墙规则:
.\Update-Rules.ps1
3. 项目的配置文件介绍
项目的配置主要通过 Rules/ 目录下的 .rules 文件进行。以下是几个重要的配置文件:
Base.rules: 包含基本的防火墙规则,是所有规则的基础。Optional.rules: 包含可选的防火墙规则,可以根据用户需求启用或禁用。Additional.rules: 包含额外的防火墙规则,通常用于特定场景。
这些 .rules 文件由 Update-Rules.ps1 脚本读取,并应用到 Windows 防火墙中。您可以根据自己的需要修改这些文件中的规则,然后重新运行 Update-Rules.ps1 脚本来应用更改。
请确保在修改规则文件时遵循正确的格式,否则可能会导致规则无法正确应用。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878