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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00