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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00