OnionShare 2.6.3版本发布:安全文件共享工具的重大更新
2025-06-09 22:41:28作者:宣海椒Queenly
OnionShare是一款开源的隐私保护工具,它允许用户通过Tor网络安全地共享文件、托管匿名网站或进行私密聊天。该工具的核心特点是利用Tor的.onion服务来创建临时或持久的匿名共享链接,确保传输过程的安全性和匿名性。
主要功能改进
1. 增强的日志记录功能
在2.6.3版本中,开发团队为命令行工具增加了--log-filenames选项。这一改进使得管理员在使用Share/Website模式时,能够清晰地查看哪些URL被访问过。这对于需要审计访问记录的用户特别有价值,同时保持了OnionShare一贯的隐私保护原则。
2. 持久化Onion地址自动启动
新版本引入了自动启动保存的持久化Onion标签功能。这意味着:
- 当OnionShare启动并成功连接Tor后,之前保存的持久化Onion服务会自动恢复
- 用户无需手动重新加载或配置之前的设置
- 特别适合需要长期运行的网站或文件共享服务
重要错误修复
1. 桥接请求功能恢复
2.6.3版本修复了一个关键问题,使得用户能够再次:
- 请求和使用Tor桥接
- 使用meek作为可插拔传输(Pluggable Transport)
- 在网络限制严格的环境中建立连接
2. 网络限制规避改进
团队解决了当没有返回桥接时的致命错误问题,增强了工具在受限网络环境中的可靠性。同时修复了与SocketIO相关的gevent依赖问题,确保在不同系统上的兼容性。
3. 线程与稳定性优化
针对CLI工具的几个关键修复包括:
- 解决了关闭时的线程竞争条件导致的段错误
- 修复了"自动停止计时器"在CLI共享模式下的异常行为
- 确保在所有模式下都能正确工作
国际化与本地化
本次更新引入了三种新语言支持:
- Gaeilge(爱尔兰语)
- Slovenčina(斯洛伐克语)
- Tamil(泰米尔语)
同时改进了现有语言的翻译质量,使非英语用户能获得更好的使用体验。
文档与使用指南
开发团队对文档进行了全面更新:
- 新增了使用systemd单元文件管理持久化Onion服务的示例
- 详细记录了所有配置文件参数的含义
- 解释了持久化Onion JSON文件的结构和用途
- 这些改进大大降低了新用户的学习曲线
打包与分发改进
1. Snap包优化
- 针对Ubuntu 24.04及更高版本进行了优化
- 暂时移除了对armhf架构的支持(由于缺少PySide6包)
- 保持了对ARM64架构的完整支持
2. Flatpak修复
- 修复了ARM64架构的打包问题
- 改进了内部打包流程,使未来发布更顺畅
用户体验改进
2.6.3版本包含多项细节优化:
- 更新了图标系统,提供更好的暗黑模式支持
- 改进了"保存此标签"选项的文案,使其更清楚地表达"持久化Onion地址"的含义
- 解决了各种小错误和警告信息
- 更新了大量Python依赖库、Tor和Snowflake组件
技术价值分析
OnionShare 2.6.3的发布体现了开发团队对以下几个关键方面的重视:
-
可用性:通过自动启动持久化服务和改进文档,降低了使用门槛。
-
稳定性:修复线程问题和各种边界条件错误,提高了长期运行的可靠性。
-
适应性:恢复桥接支持和改进网络限制规避功能,确保工具能在各种网络环境下工作。
-
国际化:增加新语言支持,扩大工具的全球适用范围。
对于注重隐私保护的用户和组织来说,这些改进使得OnionShare成为更可靠、更易用的安全文件共享解决方案。特别是在需要绕过网络限制或进行匿名通信的场景下,2.6.3版本提供了更强大的功能和更好的用户体验。
登录后查看全文
热门项目推荐
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
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
455
437
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++
1.07 K
1.09 K
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
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
296
114
昇腾LLM分布式训练框架
Python
178
220