Mempool项目Tor洋葱网络服务调用优化分析
2025-07-02 06:09:18作者:龚格成
在区块链浏览器Mempool的开发过程中,开发团队发现了一个值得关注的技术优化点:当服务运行在Tor洋葱网络环境下时,系统仍会向明网(clearnet)的服务端点发起调用请求。这种情况主要出现在状态服务(state service)中,系统配置的SERVICES_API参数直接指向了明网域名"mempool.space"。
从技术实现角度分析,这种设计存在两个潜在问题:
- 隐私性降低:使用Tor网络的用户本意是希望保持匿名性,但向明网服务发起的请求可能暴露部分网络活动
- 功能可靠性问题:当从Umbrel的洋葱网络环境发起加速请求时,由于CORS(跨域资源共享)策略的限制,请求可能因为Origin头为null而失败
开发团队在版本v3.0.0中对此进行了修复,解决方案是将SERVICES_API的端点地址修改为使用mempool的洋葱网络主机名。这一改动确保了:
- 网络请求全程保持在Tor匿名网络内部
- 避免了因CORS策略导致的请求失败
- 维持了用户期望的隐私保护级别
对于区块链浏览器这类需要高度关注用户隐私和安全性的应用来说,这种网络调用路径的优化尤为重要。它不仅关系到功能的正常运作,更是对用户隐私承诺的实际体现。开发团队及时识别并修复这一问题,展现了项目对安全性和用户体验的持续关注。
这项优化已被合并到主代码库中,将在下一个主要版本发布时为用户提供更安全、更可靠的服务体验。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedJavaScript095- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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
项目优选
收起
暂无描述
Dockerfile
700
4.5 K
Ascend Extension for PyTorch
Python
563
691
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
JavaScript
529
95
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++
957
952
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
411
339
🎉 (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
1.6 K
939
Oohos_react_native
React Native鸿蒙化仓库
C++
340
387
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++
128
209
昇腾LLM分布式训练框架
Python
148
176
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
140
221