在MacOS上使用Ligolo-ng建立TUN/TAP接口的完整指南
Ligolo-ng是一款功能强大的网络隧道工具,但在MacOS系统上配置TUN/TAP接口时可能会遇到一些特殊问题。本文将详细介绍如何在MacOS系统上正确配置和使用Ligolo-ng的网络隧道功能。
MacOS与Linux的网络接口差异
MacOS系统与Linux系统在网络接口管理上存在显著差异。Linux系统使用标准的ip tuntap命令创建虚拟网络接口,而MacOS采用了不同的机制,使用utun系列接口。这是导致许多用户在MacOS上配置Ligolo-ng时遇到困难的根本原因。
正确配置步骤
-
安装必要工具 首先需要安装iproute2mac工具包,它提供了MacOS上类似Linux的ip命令功能:
brew install iproute2mac -
创建虚拟接口 在MacOS上,我们使用utun接口而非传统的tun/tap:
sudo ifconfig utun3 create -
配置IP地址和路由 接口创建后,需要为其分配IP地址并设置路由规则:
sudo ifconfig utun3 alias 3.3.3.3 255.255.255.0 sudo route add -net 172.16.1.0/24 -interface utun3 -
启动Ligolo-ng隧道 确保以root权限运行Ligolo-ng,并在连接建立后启动隧道:
sudo ./ligolo-ng tunnel_start --tun utun3
常见问题解决
-
权限问题 MacOS对网络接口操作有严格的权限要求,务必使用sudo执行相关命令。
-
执行顺序 配置命令的执行顺序至关重要,必须先创建接口,再配置网络参数,最后启动隧道。
-
接口选择 确保选择的utun接口编号未被系统占用,通常utun0-utun2被系统保留使用。
-
版本兼容性 使用Ligolo-ng v0.6.1或更高版本,这些版本专门增加了对MacOS系统的支持。
高级配置技巧
对于需要更复杂网络环境的用户,可以考虑以下配置:
-
多接口绑定 可以创建多个utun接口,分别用于不同的网络隧道。
-
持久化配置 将接口配置写入启动脚本,确保系统重启后配置仍然有效。
-
防火墙规则 适当配置pf防火墙规则,确保隧道流量不会被系统防火墙拦截。
通过以上步骤和技巧,用户可以在MacOS系统上充分利用Ligolo-ng的强大功能,建立稳定可靠的网络隧道连接。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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