问:我们经常听到“端口转发”,这是一种改善下载速度和游戏速度的方法,那么端口转发到底是什么呢?
端口转发就是重定向计算机信号,以便信号沿着特定的电子路径进入到你的计算机。如果计算机信号传输到你计算机能快几毫秒,那么这种速度优势累积起来,就能为你的游戏或下载显著加快速度。
有65536条路径可供选择:你计算机的背面那根细如铅笔的网线(或无线网络适配器)里面含有65536条微小通道。你的网线就与主要公路一个样,只不过你的网线有65536条车道,每条车道上都设有收费亭。我们将每条车道称为“端口”。
你的内部信号由在这65536条车道上行驶的数百万辆微型汽车组成。我们将这些小汽车称为“传输数据包”。计算机传输数据包的传输速度非常快(每秒可以达到数千公里),但是它们确实遵守一系列用交通灯管理或控制的规则:在每一个主要的网络交叉口,它们都必须停下来,就好像网络交叉口是国家之间的边境。在每个交叉口,数据包必须做三样事情:
1. 找到一个开启的端口;
2. 通过身份识别测试;如果通过测试,可以透过该端口来传输,要是没有通过
3. 进入到下一个端口,再试一下,直到数据包被允许通行。
在一些情况下,黑客发送的数据包会在交叉口处被截获;然后它们被分解成随机性电子。如果出现这种情况,这被称为“数据包过滤”或“数据包狙击”。
问:计算机数据包喜欢使用哪些端口呢?
计算机中的每一个软件都通常专门编程,以便通过某个特定的端口来发送数据包。这些端口选择常常作为计算机行业的编程标准而确立下来。相应地,需要命令你的路由器,允许数据包通过这些端口来传输,免得你减慢数据包进出计算机的传输速度。
•HTML页面:端口80
•FTP文件传输:端口21
•《魔兽世界》:端口3724
•POP3电子邮件:端口110
•MSN Messenger:端口6901以及端口6891至端口6900
•Everquest:端口1024
•Bit Torrents:端口6881
那么,“端口转发”又是如何考虑到这一点的呢?
端口转发出现在这种情况下:你命令网络路由器主动识别和重定向每个数据包,以便在特定的电子通道上传输。不是让每个数据包在每个端口依次停下来,直到它找到一个开启的端口,路由器经过设定后,可以识别和重定向数据包,以加快这个过程,没必要让数据包在每个端口都停下来。你的路由器然后充当某种速度超快的交警,在收费亭前面引导车流。
虽然这种电子识别和转发只需要几毫秒,但是当数以百万计的电子数据包进出你的互联网计算机时,相应的时间很快就会积少成多。如果你正确设定自己的端口转发,就能让互联网体验缩短几秒。在上传庞大文件(比如P2P torrent共享)的情况下,如果你设定端口转发,就能给自己省下几小时的下载时间。如果你的端口转发设置正确,那么过去要花3小时才能下载好的歌曲现在用不了10分钟就能下载好。
如何才能学会设定路由器的端口转发命令?
虽然端口转发的设定似乎有些复杂,不过网上有一些教程肯定会对新手有所帮助。设定端口转发的最常见原因是,改善bittorrent下载的速度,其次是提升计算机游戏和流媒体的性能。为了实现这些目标,www.portforward.com的工作人员提供了一份出色的资源。为了加快你特定的下载客户软件、游戏或软件程序,只要找到你路由器和软件的确切名称,然后访问该网页:http://portforward.com/english/routers/port_forwarding/routerindex.htm,即可参阅一篇可视化教程,教程介绍了你的路由器如何处理端口转发命令的。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。