InviZible项目中的DNS过滤功能解析
2025-07-08 04:38:21作者:农烁颖Land
在当今互联网环境中,隐私保护和网络安全变得越来越重要。InviZible作为一个专注于隐私保护的工具,提供了强大的DNS加密和过滤功能,帮助用户有效拦截广告、数据收集器和恶意网站。
DNS过滤的基本原理
DNS过滤是通过拦截特定域名的解析请求来实现的。当用户设备尝试访问被列入黑名单的域名时,DNS服务器或本地过滤器会阻止该请求,返回一个空地址或重定向到安全页面,从而达到阻止访问的效果。
InviZible的DNS过滤实现
InviZible内置了两种主要的DNS过滤方式:
- 原生DNSCrypt域名列表:支持DNSCrypt协议原生的域名过滤列表格式
- Hosts文件格式:兼容传统的hosts文件格式,这种格式广泛应用于各类过滤系统
功能特点
- 多格式支持:同时支持专业DNS过滤列表和通用的hosts格式
- URL加载:用户可以通过URL直接加载远程过滤列表,并提供了便捷的"重新加载"按钮
- 本地管理:所有过滤规则在本地处理,不依赖特定DNS服务器的过滤功能
使用场景
这一功能特别适合以下使用场景:
- 使用多个DNS解析器时确保一致的过滤效果
- 某些DNS提供商不提供过滤功能时作为补充
- 需要自定义过滤规则的高级用户
注意事项
需要注意的是,由于应用商店政策限制,Google Play版本移除了广告拦截功能。需要完整功能的用户应当从GitHub获取最新版本。
技术优势
本地DNS过滤相比依赖DNS服务器的过滤有以下优势:
- 隐私性更好:过滤过程完全在本地完成,不会向DNS服务器泄露过滤信息
- 响应更快:本地规则可以立即生效,无需等待远程DNS响应
- 可靠性更高:不受DNS服务器过滤规则变更或服务中断影响
通过合理配置InviZible的DNS过滤功能,用户可以在享受多DNS解析器带来的可靠性和速度优势的同时,确保一致的广告、数据收集器和恶意网站拦截效果。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
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
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
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++
941
868
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
394
292
暂无简介
Dart
911
219
🎉 (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
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
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
557