Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >RustDesk自建中继服务器篇(续)

RustDesk自建中继服务器篇(续)

作者头像
Qicloud-W
发布于 2023-03-07 06:55:00
发布于 2023-03-07 06:55:00
8.7K00
代码可运行
举报
文章被收录于专栏:七云's Blog七云's Blog
运行总次数:0
代码可运行

前言

12月29号,发了篇文章说了下Todesk 暴雷事件

https://cloud.tencent.com/developer/article/2235216 文章链接

其实本想鸽了这篇的,但是好几个博友催我出教程,其实官方文档写的很清楚,这里推荐使用pm2和docker 搭建中继,我这个人呢比较懒,之前搞了一堆docker 跑服务,emmmm管理很不方便,多年使用宝塔那玩意,网站运维节省了很多时间,也导致大多数宝塔用户产生了惰性吧。。。。一直骂这玩意辣鸡,一边又不想丢了,好了,说下我怎么建的吧

pm2管理器

RustDesk文档中提到 pm2 需要 nodejs v16+ 由于宝塔已经不再更新pm2管理器的插件了,直接网站入口选择nodejs 安装

然后直接装一手最新的LTS版本(稳定版),会自动安装pm2,安装好以后,设置命令行版本 为你刚装好的nodejs 就可以下载中继服务器所需的软件包了

软件包 https://github.com/rustdesk/rustdesk-server/releases

RustDesk官方已经给打包好了,直接拿来用就可以

选择好自己所需的版本文件,下载解压到你想要的位置

解压后得到三个文件 hbbs、hbbr、rustdesk-utils

由于使用宝塔的nodejs管理器创建太麻烦,索性命令行操作

首先使用pm2 -v命令和node -v 命令验证pm2 和nodejs是否安装好了

然后cd到你下载并解压到的目录

使用 pm2直接运行即可 由于我直接使用的默认的端口

如果你想选择 自己的端口 ,使用 “-h” 选项查看帮助。

禁止没有key的用户建立非加密连接 -k _

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
pm2 start hbbs -- -k _
pm2 start hbbr -- -k _

开启之后可以使用 pm2 list 查看运行状态

如果不会使用pm2也没关系,这玩意贼简单 使用pm2 -h查看帮助

默认情况下,hbbs 监听21115(tcp), 21116(tcp/udp), 21118(tcp),hbbr 监听21117(tcp), 21119(tcp)。务必在防火墙开启这几个端口, 请注意21116同时要开启TCP和UDP 。其中21115是hbbs用作NAT类型测试,21116/UDP是hbbs用作ID注册与心跳服务,21116/TCP是hbbs用作TCP打洞与连接服务,21117是hbbr用作中继服务, 21118和21119是为了支持网页客户端。如果您不需要网页客户端(21118,21119)支持,对应端口可以不开。

  • TCP( 21115, 21116, 21117, 21118, 21119 )
  • UDP( 21116 )

在你云服务器那里放行过后,去宝塔安全里面放行端口即可

可以解析域名指向、也可以不用,直接使用ip,由于国内监管越来越严重,如果你使用国内服务器还是建议指向一个域名以防万一

客户端设置你的中继服务器

点击 ID 右侧的菜单按钮如下,选择“ ID/中继服务器”。 在 ID 服务器输入框中(被控端+主控端)输入 hbbs 主机或 ip 地址,另外两个地址可以不填,RustDesk会自动推导(如果没有特别设定),中继服务器指的是hbbr(21117)端口。

例如:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
hbbs.example.com

或者带上端口

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
hbbs.example.com:21116

查看log

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
pm2 log hbbr
pm2 log hbbs

为了方便每次发给别人进行链接使用免配置,官方也给出了相应的解决方法

把配置放在可执行文件名里 (Windows )

rustdesk.exe 修改为 rustdesk-host=<host-ip-or-name>,key=<public-key-string>.exe, 例如: rustdesk-host=192.168.1.137,key=xfdsfsd32=32.exe,你可以在关于窗口看到配置结果

host可以是域名,不能添加<>两个符号

en,本篇文章就结束了 如果有问题,那就先百度,如果百度没有,请联系开发者,如果你想很快解决,也可以请我抽包烟我帮你看看,债见

版权属于:七云‘s Blog

本文链接:https://cloud.tencent.com/developer/article/2235220

版权声明:本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2023-01-08,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
菜鸟的数学建模之路(四):BP神经网络
BP神经网络属于人工智能范畴,在我看来它更多的是一个用于预测的工具,尽管它的用处还不仅于此。在数学建模上,很多时候,题目提供了很多历史数据,我经常用这些历史数据,用BP神经网络训练它,利用训练好的BP神经网络,来预测接下来的未知的值。
全栈程序员站长
2022/07/25
1.4K0
菜鸟的数学建模之路(四):BP神经网络
MATLAB神经网络拟合工具箱Neural Net Fitting使用方法
  本文介绍MATLAB软件中神经网络拟合(Neural Net Fitting)工具箱的具体使用方法。
疯狂学习GIS
2022/08/10
2.4K0
MATLAB神经网络拟合工具箱Neural Net Fitting使用方法
MATLAB中神经网络工具箱的使用「建议收藏」
今夕何夕兮,前些天把玩了一下MATLAB中神经网络工具箱的使用,忽有“扪参历井仰胁息”之感。别的倒是没什么,只是神经网络的数据组织结构有些“怪异”,要是不小心就会导致工具箱报错。以下便是神经网络工具箱的正确打开姿势,谨供诸君参考:
全栈程序员站长
2022/08/28
5.3K0
MATLAB中神经网络工具箱的使用「建议收藏」
初学者怎么选择神经网络环境?对比MATLAB、Torch和TensorFlow
选自arXiv 机器之心编译 参与:吴攀、蒋思源、李亚洲 初学者在学习神经网络的时候往往会有不知道从何处入手的困难,甚至可能不知道选择什么工具入手才合适。近日,来自意大利的四位研究者发布了一篇题为《神经网络初学者:在 MATLAB、Torch 和 TensorFlow 中的快速实现(Neural Networks for Beginners A fast implementation in Matlab, Torch, TensorFlow)》的论文,对 MATLAB、Torch 和 TensorFlow
机器之心
2018/05/07
2.1K0
初学者怎么选择神经网络环境?对比MATLAB、Torch和TensorFlow
bp神经网络及matlab实现_bp神经网络应用实例Matlab
BP(Back-propagation,反向传播)神经网络是最传统的神经网络。当下的各种神经网络的模型都可以看做是BP神经网络的变种(虽然变动很大…)。 这东西是干什么用的呢? 我们在现实中要处理的一切问题映射到数学上只分为两类,可归纳的问题与不可归纳的问题。首先什么是不可归纳的问题,举个例子,你不能用一套完美的数学公式去表达所有的质数 , 因为目前的研究表明,还没有什么方法是能够表达质数的,也就是说,质数的出现,本身不具备严格的数学规律,所以无法归纳。 但是我们人眼看到猫猫狗狗的图片就很容易分辨哪个是猫,哪个是狗。这说明在猫和狗之间,确实存在着不同,虽然你很难说清楚它们的不同到底是什么,但是可以知道,这背后是可以通过一套数学表达来完成的,只是很复杂而已。 大部分AI技术的目的就是通过拟合这个复杂的数学表达,建立一个解决客观问题的数学函数。BP神经网络的作用也是如此。 BP神经网络这个名字由两部分组成,BP(反向传播)和神经网络。神经网络是说这种算法是模拟大脑神经元的工作机理,并有多层神经元构成的网络。 而这个名字的精髓在BP上,即反向传播。反向传播是什么意思呢。这里举个例子来说明。 比如你的朋友买了一双鞋,让你猜价格。 你第一次猜99块钱,他说猜低了。 你第二次猜101块钱,他说猜高了。 你第三次猜100块钱,他说猜对了。 你猜价格的这个过程是利用随机的数据给出一个预测值,这是一个正向传播。 而你的朋友将你的预测值与真实值进行对比,然后给出一个评价,这个过程是一个反向传播。 神经网络也是类似的过程,通过对网络的超参数进行随机配置,得到一个预测值。这是一个正向传播的过程。而后计算出预测值与真实值的差距,根据这个差距相应的调整参数,这是一个反向传播的过程。通过多次迭代,循环往复,我们就能计算出一组合适的参数,得到的网络模型就能拟合一个我们未知的复杂函数。 我们来看这个BP神经网络的示意图
全栈程序员站长
2022/10/01
1.7K0
bp神经网络及matlab实现_bp神经网络应用实例Matlab
Matlab RBF神经网络及其实例
RBF神经网络和BP神经网络的区别就在于训练方法上面:RBF的隐含层与输入层之间的连接权值不是随机确定的,是有一种固定算式的。下面以精确型RBF为例。
用户9925864
2022/07/27
1.1K0
Matlab RBF神经网络及其实例
竞争型神经网络
自组织神经网络(self-Organization Mapping net,SOM)是基于无监督学习方法的神经网络的一种重要类型。自组织神经网络是神经网络最富有美丽的研究领域之一,它能够通过其输入样本学会检测其规律性和输入样本相互之间的关系,并且根本这些输入样本的信息自适应调整网络,使网络以后的响应与输入样本相适应。竞争型神经网络的神经元通过输入信息能够识别成组的相似输入向量;自组织神经网络通过学习同样能够识别成组的相似输入向量,使那些网络层中彼此靠得很近的神经元对相似输入向量产生响应。与竞争型神经网络不同
瓜大三哥
2018/02/26
2.3K0
竞争型神经网络
MATLAB强化学习工具箱整理
其中网格环境是可以从空网格自定义起点终点障碍物的,也可以添加全局外力,甚至跳跃障碍物的特殊功能
万木逢春
2020/07/24
4.1K0
MATLAB强化学习工具箱整理
如何利用matlab做BP神经网络分析(包括利用matlab神经网络工具箱)「建议收藏」
最近一段时间在研究如何利用预测其销量个数,在网上搜索了一下,发现了很多模型来预测,比如利用回归模型、时间序列模型,GM(1,1)模型,可是自己在结合实际的工作内容,发现这几种模型预测的精度不是很高,于是再在网上进行搜索,发现神经网络模型可以来预测,并且有很多是结合时间序列或者SVM(支持向量机)等组合模型来进行预测,本文结合实际数据,选取了常用的BP神经网络算法,其算法原理,因网上一大堆,所以在此不必一一展示,并参考了bp神经网络进行交通预测的Matlab源代码这篇博文,运用matlab 2016a,给出了下面的代码,并最终进行了预测
全栈程序员站长
2022/07/28
9160
数学建模暑期集训12:神经网络预测——Neural Net Fitting工具箱的使用
在本专栏的第十三篇博文数学建模学习笔记(十三)神经网络——中:matlab程序实现记录过如何在matlab用代码进行神经网络的训练。 本篇内容将记录如何使用Neural Net Fitting工具箱,做神经网络预测时更为简便。
zstar
2022/06/14
1.3K0
数学建模暑期集训12:神经网络预测——Neural Net Fitting工具箱的使用
bp神经网络应用实例(简述bp神经网络)
clear; clc; TestSamNum = 20; % 学习样本数量 ForcastSamNum = 2; % 预测样本数量 HiddenUnitNum=8; % 隐含层 InDim = 3; % 输入层 OutDim = 2; % 输出层 % 原始数据 % 人数(单位:万人) sqrs = [20.55 22.44 25.37 27.13 29.45 30.10 30.96 34.06 36.42 38.09 39.13 39.99 ... 41.93 44.59 47.30 52.89 55.73 56.76 59.17 60.63]; % 机动车数(单位:万辆) sqjdcs = [0.6 0.75 0.85 0.9 1.05 1.35 1.45 1.6 1.7 1.85 2.15 2.2 2.25 2.35 2.5 2.6... 2.7 2.85 2.95 3.1]; % 公路面积(单位:万平方公里) sqglmj = [0.09 0.11 0.11 0.14 0.20 0.23 0.23 0.32 0.32 0.34 0.36 0.36 0.38 0.49 ... 0.56 0.59 0.59 0.67 0.69 0.79]; % 公路客运量(单位:万人) glkyl = [5126 6217 7730 9145 10460 11387 12353 15750 18304 19836 21024 19490 20433 ... 22598 25107 33442 36836 40548 42927 43462]; % 公路货运量(单位:万吨) glhyl = [1237 1379 1385 1399 1663 1714 1834 4322 8132 8936 11099 11203 10524 11115 ... 13320 16762 18673 20724 20803 21804]; p = [sqrs; sqjdcs; sqglmj]; % 输入数据矩阵 t = [glkyl; glhyl]; % 目标数据矩阵 [SamIn, minp, maxp, tn, mint, maxt] = premnmx(p, t); % 原始样本对(输入和输出)初始化 SamOut = tn; % 输出样本 MaxEpochs = 50000; % 最大训练次数 lr = 0.05; % 学习率 E0 = 1e-3; % 目标误差 rng('default'); W1 = rand(HiddenUnitNum, InDim); % 初始化输入层与隐含层之间的权值 B1 = rand(HiddenUnitNum, 1); % 初始化输入层与隐含层之间的阈值 W2 = rand(OutDim, HiddenUnitNum); % 初始化输出层与隐含层之间的权值 B2 = rand(OutDim, 1); % 初始化输出层与隐含层之间的阈值 ErrHistory = zeros(MaxEpochs, 1); for i = 1 : MaxEpochs HiddenOut = logsig(W1*SamIn + repmat(B1, 1, TestSamNum)); % 隐含层网络输出 NetworkOut = W2*HiddenOut + repmat(B2, 1, TestSamNum); % 输出层网络输出 Error = SamOut - NetworkOut; % 实际输出与网络输出之差 SSE = sumsqr(Error); % 能量函数(误差平方和) ErrHistory(i) = SSE; if SSE < E0 break; end % 以下六行是BP网络最核心的程序 % 权值(阈值)依据能量函数负梯度下降原理所作的每一步动态调整量 Delta2 = Error; Delta1 = W2' * Delta2 .* HiddenOut .* (1 - HiddenOut); dW2 = Delta2 * HiddenOut'; dB2 = Delta2 * ones(TestSamNum, 1); dW1 = Delta1 * SamIn'; dB1 = Delta1 * ones(TestSamNum, 1); % 对输出层与隐含层之间的权值和阈值进行修正 W2 = W2 + lr*dW2; B2 = B2 + lr*dB2; % 对输入层与隐含层之间的权值和阈值进行修正 W1 = W1 + lr*dW1; B1 = B1 + lr*dB1; end HiddenOut = logsig(W1*SamIn + repmat(B1, 1, TestSamNum)); % 隐含层输出最终结果 NetworkOut = W2*HiddenOut + repmat(B2, 1, TestSamNum); % 输
全栈程序员站长
2022/07/31
1.7K0
bp神经网络应用实例(简述bp神经网络)
MATLAB强化学习入门——三、深度Q学习与神经网络工具箱
上一期的文章《网格迷宫、Q-learning算法、Sarsa算法》的末尾,我们提到了Q学习固有的缺陷:由于智能体(agent)依赖以状态-动作对为自变量的Q函数表(Q Function Table)来形成对当前状态的估计,并以此为依据利用策略π选择动作。Q函数表就必须包含智能体在环境中所可能出现的所有动作-状态对及其对应Q值。显然,当一个多步决策问题变得足够复杂甚至变为连续决策或控制问题时,Q学习本身是无力应对的。例如,对于复杂的多步决策问题,庞大而结构复杂的Q表将变得难以存储和读取;将网格迷宫的长、宽各扩大10倍,Q表则变成原来的100倍。对于连续决策/控制问题时,Q表更是无法记录所有的状态。 那么,如何解决这一问题呢? 一个直截的想法就是,选择某个多元函数,逼近Q表中“自变量”动作-状态对与“因变量”Q值形成的关系。但这样做依然存在问题:对于不同的强化学习问题,Q表中的数据呈现出各异的曲线特性,只有找到符合Q表数据的函数形式,才可能良好的逼近Q表。选择传统函数进行逼近,显然是很难实现编程自动化的。 神经网络(Neural Network)恰恰是这么一种有别于传统函数逼近的解决方案。而从数学的角度讲,神经网络本质上就是一种强大的非线性函数逼近器。将神经网络与Q学习结合起来,就得到了能够解决更复杂问题的Q-Network以及使用深度神经网络的Deep-Q-Network (DQN)。 Deep-Q-Learning的算法究竟是什么样的?浙江大学的《机器学习和人工智能》MOOC有着大致的讲解。而如何实现Deep-Q-Learning?莫烦Python以及北理工的MOOC也给出了Python语言的详细示范。 尽管有关Deep-Q-Learning的程序和讲解已经很多权威且易懂的内容;准确的理解Deep-Q-Learning算法,并在MatLab上实现,则是完成强化学习控制这个最终目标的关键。具体到Deep-Q-Learning的实现上,它不仅与之前的Q-Learning在程序结构上有着相当大的区别,直接将它应用于连续控制问题也会是非常跳跃的一步。因此,在这一期的文章里,问题将聚焦在前后两个问题之间:如何使用神经网络让智能体走好网格迷宫? 将这个问题再细分开来,则包括两部分:
全栈程序员站长
2022/11/10
2.6K0
MATLAB强化学习入门——三、深度Q学习与神经网络工具箱
使用python创建自己的第一个神经网络模型吧!
神经网络(NN),也被称为人工神经网络(ANN),是机器学习领域中学习算法的子集,大体上借鉴了生物神经网络的概念。目前,神经网络在计算机视觉、自然语言处理等领域应用广泛。德国资深机器学习专家Andrey Bulezyuk说到,“神经网络正在彻底改变机器学习,因为它们能够有效地模拟各种学科和行业的复杂抽象,且无需太多人工参与。” 大体上,人工神经网络基本包含以下组件:
用户7886150
2020/12/28
5250
浅谈神经网络
一、神经网络介绍 神经网络是由具有适应性的简单单元组成的广泛并行互联的网络,它的组织能够模拟生物神经系统对真实世界物体作出的交互反应。 神经网络中最基本的成分是神经元(neuron)模型,即简单神经元。 (1)神经元:模拟人体结构,将数据输入神经元,中间通过激活函数f(x),即一组算法,输出结果。它是组成神经网络的最小单位。 神经元示意图如下图所示: 图1 神经元示意图 为输入向量的各个分量;为神经元各个突触的权值;系数1与为偏置;f为传递函数,通常为非线性函数;t为神经元输出。 可见,一个神经元的功能是
微风、掠过
2018/04/10
9790
深度学习Matlab工具箱代码详解概览
谢谢大家支持,可以让更多朋友和有兴趣志同道合的人关注这个公众号。让知识传播的更加富有活力,谢谢各位读者。 查看之前博文资料请点击右上角查看历史消息 最近研究了几天深度学习的Matlab工具箱代码,发现作者给出的源码中注释实在是少得可怜,为了方便大家阅读,特对代码进行了注释,与大家分享。   在阅读Matlab工具箱代码之前,建议大家阅读几篇CNN方面的两篇经典材料.  (1)《Notes on Convolutional Neural Networks》,这篇文章是与Matlab工具箱代码配套的文献,不过文
量化投资与机器学习微信公众号
2018/01/29
3.4K0
人脸识别 | 卷积深度置信网络工具箱的使用
本文主要以ORL_64x64人脸数据库识别为例,介绍如何使用基于matlab的CDBN工具箱。至于卷积深度置信网络(CDBN,Convolutional Deep Belief Network)的理论知识,只给出笔者整理的一些学习资源。 01 卷积深度置信网络理论知识 参考资料 datas 1、CSDN博客---受限玻尔兹曼机(RBM)学习笔记 (http://blog.csdn.net/itplus/article/details/19168937) 2、CSDN博客---深度信念网络 (Deep
用户1332428
2018/03/08
1.6K0
人脸识别 | 卷积深度置信网络工具箱的使用
matlab训练神经网络模型并导入simulink详细步骤
本文介绍一下怎么把训练好的神经网络导入到simulink并使用,假定有两个变量,一个输出变量,随机生成一点数据
用户9925864
2022/07/27
2.6K0
matlab训练神经网络模型并导入simulink详细步骤
如何利用matlab做BP神经网络分析(利用matlab神经网络工具箱)[通俗易懂]
最近一段时间在研究如何利用预测其销量个数,在网上搜索了一下,发现了很多模型来预测,比如利用回归模型、时间序列模型,GM(1,1)模型,可是自己在结合实际的工作内容,发现这几种模型预测的精度不是很高,于是再在网上进行搜索,发现神经网络模型可以来预测,并且有很多是结合时间序列或者SVM(支持向量机)等组合模型来进行预测,本文结合实际数据,选取了常用的BP神经网络算法,其算法原理,因网上一大堆,所以在此不必一一展示,并参考了bp神经网络进行交通预测的Matlab源代码这篇博文,运用matlab 2016a,给出了下面的代码,并最终进行了预测
全栈程序员站长
2022/08/31
1.4K0
如何利用matlab做BP神经网络分析(利用matlab神经网络工具箱)[通俗易懂]
BP人工神经网络matlab工具箱_matlab神经网络控制
figure, ploterrcorr(errors) %绘制误差的自相关情况(20lags)
全栈程序员站长
2022/10/03
5000
BP人工神经网络matlab工具箱_matlab神经网络控制
MATLAB与深度学习构建神经网络的实用指南
深度学习已经成为现代人工智能研究的一个重要分支,而MATLAB作为一种强大的科学计算工具,为研究人员和工程师提供了构建和训练神经网络的便利。本文将介绍如何在MATLAB中构建神经网络,涵盖基础概念、实用代码示例以及常见问题的解决方案。
一键难忘
2025/01/05
2060
推荐阅读
相关推荐
菜鸟的数学建模之路(四):BP神经网络
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验