sish项目:自定义域名与SSH密钥绑定配置指南
2025-06-15 10:59:49作者:邵娇湘
在基于sish搭建的隧道服务中,管理员经常需要为不同用户分配专属域名并限制访问权限。本文将深入解析如何正确配置sish的自定义域名绑定及SSH密钥验证机制。
核心配置原理
sish通过DNS TXT记录验证机制实现域名与SSH密钥的绑定。当用户尝试绑定自定义域名时,系统会检查该域名下的TXT记录是否包含用户SSH密钥指纹。验证通过后方允许绑定,否则会拒绝请求或回退到随机子域名。
典型配置场景
假设我们有以下基础设施:
- 主服务域:t.hrsn.net(默认隧道域名)
- 自定义域:t.wdh.gg(需限制访问的专属域名)
- 网络架构:禁用CDN代理的裸域名解析
关键配置参数说明
-
bind-hosts
必须声明允许绑定的根域名(非子域名),例如:bind-hosts: t.hrsn.dev,wdh.gg注意应填写顶级域名(如wdh.gg而非t.wdh.gg)
-
TXT记录格式
现代版本应采用_sish子域名记录:SHA256:yQ2G5ra7npl6ROKw3BJQWULROIG37u14aMfbfKoWFqQ旧版格式
sish=SHA256:...已逐步淘汰 -
强制验证模式
建议启用严格验证:force-requested-subdomains: true bind-random-aliases: false
常见问题解决方案
1. 权限验证失效
现象:任意用户均可绑定受限域名
排查步骤:
- 确认使用main分支最新代码(v2.16.0存在已知问题)
- 检查TXT记录是否存在于
_sish子域 - 验证指纹是否来自用户公钥/私钥(两者指纹相同)
2. 域名绑定异常
现象:尝试绑定xxx.t.wdh.gg却生成xxx.t.wdh.gg.t.hrsn.net
解决方案:
- 确保
bind-any-host: false - 检查
bind-hosts包含目标顶级域名 - 域名解析需配置CNAME记录指向主服务域
3. 多级子域权限
当前实现中,TXT记录仅对声明层级有效。如需限制sub.t.wdh.gg,需单独配置_sish.sub.t.wdh.gg的TXT记录。
最佳实践建议
-
密钥管理
通过authentication-keys-directory集中管理公钥,配合private-keys-directory实现完整密钥对验证。 -
HTTPS集成
建议启用自动证书签发:https-ondemand-certificate: true https-certificate-directory: "/ssl" -
网络隔离
使用port-bind-range限制可分配端口范围,避免服务冲突。
通过合理配置这些参数,可以构建既灵活又安全的隧道服务体系,实现细粒度的域名访问控制。对于生产环境,建议定期审查绑定日志并监控异常连接尝试。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust013
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
677
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
629
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++
947
888
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
398
303
🎉 (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
1.57 K
909
暂无简介
Dart
922
228
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
昇腾LLM分布式训练框架
Python
144
169
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381