Sing-box 中 REALITY 协议与 Caddy SNI 分流的兼容性问题解析
背景概述
在网络服务部署中,REALITY 协议因其独特的 TLS 握手欺骗机制而备受关注。许多用户会选择使用 Caddy 作为前端进行 SNI 分流,同时搭配 Xray-core 或 Sing-box 作为后端网络服务。本文针对一个典型部署场景中出现的 REALITY: processed invalid connection 错误进行深入分析。
问题现象
用户在使用 Sing-box 替换 Xray-core 作为后端服务时,发现原本在 Xray-core 环境下正常工作的 VLESS + Vision + REALITY 协议组合无法建立连接。Sing-box 日志中反复出现以下错误信息:
tls: first record does not look like a TLS handshake
remote error: tls :internal error
技术分析
协议兼容性差异
经过排查,发现核心问题在于 Sing-box 从 v1.6.0 版本开始移除了对 Proxy Protocol 的支持。而在 Caddy 的 SNI 分流配置中,默认启用了 proxy_protocol: "v2" 选项,这导致了协议不兼容。
配置对比
在 Xray-core 环境中,配置包含 "acceptProxyProtocol": true 选项,能够正确处理来自 Caddy 的 Proxy Protocol v2 数据包。而 Sing-box 由于不再支持此协议,无法解析经过 Proxy Protocol 封装的连接请求,最终导致 TLS 握手失败。
解决方案
要解决此问题,需要在 Caddy 配置中进行以下调整:
- 移除或注释掉
proxy_protocol相关配置 - 确保 Caddy 的 layer4 配置简化为直接转发原始 TCP 连接
修改后的 Caddy 配置片段应如下所示:
"handle": [{
"handler": "proxy",
"upstreams": [{"dial": ["127.0.0.1:5443"]}]
}]
深入理解
REALITY 协议工作原理
REALITY 协议通过以下机制实现 TLS 握手欺骗:
- 使用目标服务器(如 itunes.apple.com)的真实证书信息
- 在握手阶段模拟目标服务器的行为
- 通过私钥生成短期ID实现身份验证
Sing-box 的实现特点
与 Xray-core 相比,Sing-box 在 REALITY 实现上有以下区别:
- 更严格的协议规范检查
- 移除了部分兼容性选项以简化代码
- 对原始 TCP 连接的处理更为直接
最佳实践建议
- 版本适配:在升级 Sing-box 时,务必查阅版本变更说明,了解移除的功能
- 配置简化:尽量使用最简配置,避免依赖特定实现的功能
- 逐步迁移:从 Xray-core 迁移到 Sing-box 时,建议先验证基础功能
- 日志分析:遇到问题时,优先检查 TLS 握手阶段的错误信息
总结
通过本文分析,我们了解到 Sing-box 与 Xray-core 在协议支持上的差异可能导致迁移过程中的兼容性问题。特别是在使用 Caddy 作为前端时,需要注意 Proxy Protocol 的支持情况。掌握这些技术细节,将有助于用户更顺利地部署和维护基于 Sing-box 的高性能网络服务。
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。C036
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-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
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