AsyncSSH项目新增TUN/TAP设备支持实现SSH隧道网络流量
在最新发布的AsyncSSH 2.15.0版本中,开发者Ron Frederick为这个Python异步SSH库添加了对TUN/TAP设备的支持功能。这一重要更新使得开发者能够通过SSH连接建立虚拟网络接口,实现IP流量的隧道传输。
功能背景与实现挑战
TUN/TAP设备是操作系统提供的虚拟网络接口,TUN设备处理三层IP数据包,而TAP设备则处理二层以太网帧。OpenSSH早已支持通过SSH连接在两台主机间建立TUN/TAP隧道,但这一功能并非SSH协议标准部分,而是OpenSSH的扩展实现。
Ron在实现这一功能时面临的主要挑战是跨平台兼容性问题。不同操作系统对TUN/TAP设备的支持方式差异很大:
- macOS原生只支持utun设备,且使用特殊的ioctl接口
- Linux使用传统的TUN/TAP设备接口
- Windows则没有原生的TUN/TAP支持
技术实现方案
经过深入研究和实验,Ron采用了分阶段实现策略:
-
核心协议支持:首先实现了SSH协议层面的TUN/TAP通道支持,包括connect_tun()、connect_tap()、open_tun()和open_tap()等客户端方法,以及服务器端的tun_requested()和tap_requested()回调。
-
跨平台适配层:
- 对于macOS,同时支持原生utun和第三方网络工具的TUN/TAP实现
- 对于Linux,实现标准的TUN/TAP接口支持
- 使用线程+回调机制解决macOS下某些TUN设备不支持异步I/O的问题
-
高级API设计:
- 提供SSHTunTapChannel和SSHTunTapSession类作为传输层抽象
- 支持回调式和流式(SSHReader/SSHWriter)两种处理模式
- 实现异步迭代器接口方便处理网络数据包
使用示例
开发者现在可以非常方便地在AsyncSSH中使用TUN/TAP功能。客户端代码示例:
async with asyncssh.connect(host, username='root') as conn:
reader, writer = await conn.open_tun()
async for packet in reader:
# 处理从远程主机接收的数据包
writer.write(processed_packet)
服务器端示例:
async def handle_tun(reader, writer):
async for packet in reader:
# 处理客户端发来的数据包
writer.write(response_packet)
class MyServer(asyncssh.SSHServer):
def tun_requested(self, unit):
return handle_tun
技术细节与优化
实现过程中几个关键的技术点:
-
macOS兼容性处理:对于不支持kqueue的TUN设备,采用后台线程进行阻塞式读取,再通过loop.call_soon_threadsafe()触发回调,既保证了性能又解决了兼容性问题。
-
数据包边界保持:专门的SSHTunTapStreamSession类确保数据包边界在传输过程中不被破坏。
-
安全关闭机制:完善了各种异常情况下的资源清理逻辑,防止资源泄漏。
-
测试框架:实现了模拟的TUN/TAP驱动,使得单元测试可以在非root环境下运行。
未来展望
虽然当前版本已经实现了核心功能,但仍有改进空间:
- Windows平台支持
- 更完善的错误处理和恢复机制
- 性能优化,特别是跨平台场景下的吞吐量提升
- 更丰富的配置选项,如MTU设置、数据包过滤等
这一功能的加入大大扩展了AsyncSSH的应用场景,使其能够胜任更多网络隧道和加密通信相关的任务,为Python异步网络编程提供了更强大的工具。
kernelopenEuler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。C086
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python057
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0137
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