iptables-mod-randmap 项目下载及安装教程
2024-12-08 14:12:41作者:蔡怀权
1. 项目介绍
iptables-mod-randmap 是一个用于 iptables 的扩展模块,旨在提供无状态的地址和端口随机化功能。通过该模块,用户可以为每个 IP 数据包随机选择新的源地址和/或端口,从而增强网络通信的安全性和隐私性。需要注意的是,该项目仍处于实验阶段,可能存在未完全测试的问题,甚至可能导致内核崩溃。
2. 项目下载位置
项目源代码托管在 GitHub 上,可以通过以下命令进行下载:
git clone https://github.com/apernet/iptables-mod-randmap.git
3. 项目安装环境配置
3.1 系统要求
- 操作系统:Debian 11 或更高版本
- 内核版本:最新版本(建议升级到最新内核)
3.2 安装依赖
在安装 iptables-mod-randmap 之前,需要确保系统已安装以下依赖:
- 内核头文件
- libxtables-dev
- git
- build-essential
- pkg-config
- make
可以通过以下命令安装这些依赖:
sudo apt update
sudo apt -y upgrade
sudo reboot
sudo apt -y install linux-headers-$(uname -r) libxtables-dev git build-essential pkg-config make
3.3 环境配置示例

4. 项目安装方式
4.1 下载并编译项目
首先,下载项目源代码:
git clone https://github.com/apernet/iptables-mod-randmap.git
cd iptables-mod-randmap
4.2 编译并安装
使用以下命令编译并安装模块:
make
sudo make install
4.3 加载模块
安装完成后,可以通过以下命令加载模块:
sudo insmod /lib/modules/$(uname -r)/extra/xt_RANDMAP.ko
5. 项目处理脚本
5.1 使用示例
以下是一个使用 iptables-mod-randmap 的示例脚本:
#!/bin/bash
# 设置服务器和客户端的 IP 地址和路由前缀
SERVER_ADDR="fc00:2070::2/128"
ROUTED_PREFIX="fc00:3002::/64"
CLIENT_ADDR="fc00:2070::1/128"
# 在服务器上设置 iptables 规则
sudo ip6tables -t mangle -A PREROUTING -d $ROUTED_PREFIX -j RANDMAP --dst-pfx $SERVER_ADDR --dport 80:80
sudo ip6tables -t mangle -A OUTPUT -s $SERVER_ADDR -p tcp --sport 80 -j RANDMAP --src-pfx $ROUTED_PREFIX --sport 0:65535
# 在客户端上设置 iptables 规则
sudo ip6tables -t mangle -A OUTPUT -d $SERVER_ADDR -p tcp --dport 80 -j RANDMAP --dst-pfx $ROUTED_PREFIX --dport 0:65535
sudo ip6tables -t mangle -A PREROUTING -s $ROUTED_PREFIX -j RANDMAP --src-pfx $SERVER_ADDR --sport 80:80
5.2 脚本说明
该脚本在服务器和客户端上分别设置了 iptables 规则,以实现地址和端口的随机化。具体步骤如下:
- 在服务器上,对目标地址为
ROUTED_PREFIX的数据包进行随机化处理,并将目标地址和端口随机化为SERVER_ADDR和80。 - 在客户端上,对目标地址为
SERVER_ADDR的数据包进行随机化处理,并将目标地址和端口随机化为ROUTED_PREFIX和0-65535。
通过以上步骤,可以实现无状态的地址和端口随机化,增强网络通信的安全性和隐私性。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
669
155
Ascend Extension for PyTorch
Python
219
236
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
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++
660
308
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.81 K
React Native鸿蒙化仓库
JavaScript
259
322
🎉 (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
1.19 K
653
仓颉编程语言运行时与标准库。
Cangjie
141
878