Apache Guacamole 1.4.0 发布,无客户端的远程桌面网关

栏目: 软件资讯 · 发布时间: 4年前

内容简介:Apache Guacamole 是一个无客户端的远程桌面网关。它支持标准协议,如 VNC、RDP 和 SSH。之所以称它为无客户端,因为它不需要插件或客户端软件。由于 HTML5 的存在,一旦 Guacamole 被安装在服务器上,你只需要一...

Apache Guacamole 是一个无客户端的远程桌面网关。它支持标准协议,如 VNC、RDP 和 SSH。之所以称它为无客户端,因为它不需要插件或客户端软件。由于 HTML5 的存在,一旦 Guacamole 被安装在服务器上,你只需要一个网络浏览器就能访问你的桌面。

1.4.0 版本的特点是支持连接平铺、在多个连接中广播键盘事件,以及使用加密和签名的 JSON 认证。对单点登录的支持得到了改进,增加了对 RDP 的多点触摸支持,并修复了对 RDP 音频输入支持的问题。

1.4.0 版本与旧的 1.x 组件兼容。

  • 为旧的 1.x 版本编写的扩展可以被 1.4.0 使用;
  • 为较早的 1.x 版本所使用的 Guacamole 协议版本编写的组件可以与 1.4.0 版本的组件一起使用。

连接平铺和键盘广播

多个连接现在可以在同一个浏览器标签中同时显示,并自动排列成一个均匀的平铺布局。

Apache Guacamole 1.4.0 发布,无客户端的远程桌面网关

当前聚焦的连接由一个蓝色边框表示,用户可以选择同时聚焦任何数量的这些平铺连接。如果有多个连接被聚焦,键盘交互会在每个连接中进行广播。

对 RDP 音频输入支持的主要修复

根据远程桌面中使用的应用程序,Guacamole 对 RDP 的音频输入支持存在与音频缓冲区行为和大小变化相关的质量问题。如果应用程序使用的音频后端不能调整偶尔爆破的音频数据包,远程桌面收到的任何音频数据包如果超过了剩余的缓冲区空间,就会被丢弃,导致可听到的“咔嚓声”比预期更快的播放。

这一点现在已经得到修复。Guacamole 将自动节制其发送至远程桌面的数据量,以避免耗尽远程缓冲空间,确保远程桌面内的应用程序收到的音频与 Guacamole 通过浏览器收到的音频相同。

RDP 支持多点触摸事件

除了 Guacamole 对模拟触摸设备上的鼠标的既定支持外,在支持和启用的情况下,现在可以将多点触摸事件传递给远程桌面服务器。

RDP 通过其 "RDPEI" 通道支持多点触摸。如果在 Guacamole RDP 连接上启用了触摸功能,与 Guacamole 显示器的触摸交互将直接影响远程桌面会话中支持触摸的应用程序,而不是被转化为鼠标事件。

支持辅助 SSO 供应商

Guacamole 对单点登录的支持历来都是全有或全无的,要么所有用户都使用 SSO 进行认证,要么根本没有。现在的情况不再是这样了。Guacamole 现在可以被配置为除了 SSO 之外还允许正常的用户名/密码认证,并且可以同时使用多个 SSO 供应商。

SSO 认证扩展是否对所有用户自动生效,取决于该扩展是否有优先权,现在可以使用 extension-priority 属性来定义。

支持用加密、签名的 JSON 进行认证

“guacamole-auth-json" 认证扩展,以前是由 Glyptodon 维护的第三方项目,现在已经作为该项目自己的扩展被带入 Apache Guacamole。

guacamole-auth-json 允许外部软件用一个加密和签名的 JSON 文档自动验证和授权用户。只要收到的 JSON 没有过期,并且用正确的密钥进行了加密和签名,它就被接受为充分的验证,即用户被授权访问该 JSON 描述的资源。

更多详情可查看:https://guacamole.apache.org/releases/1.4.0/


以上所述就是小编给大家介绍的《Apache Guacamole 1.4.0 发布,无客户端的远程桌面网关》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Python机器学习

Python机器学习

[美] Michael Bowles / 沙嬴、李鹏 / 人民邮电出版社 / 2016-12 / 69.00元

在学习和研究机器学习的时候,面临令人眼花缭乱的算法,机器学习新手往往会不知 所措。本书从算法和Python 语言实现的角度,帮助读者认识机器学习。 书专注于两类核心的“算法族”,即惩罚线性回归和集成方法,并通过代码实例来 展示所讨论的算法的使用原则。全书共分为7 章,详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。 本书主要针对想提......一起来看看 《Python机器学习》 这本书的介绍吧!

XML 在线格式化
XML 在线格式化

在线 XML 格式化压缩工具

HEX CMYK 转换工具
HEX CMYK 转换工具

HEX CMYK 互转工具

HEX HSV 转换工具
HEX HSV 转换工具

HEX HSV 互换工具