用虚拟机访问外网,MAC地址为虚拟机的MAC而不是物理网卡的MAC

COLOURMEAT 2011-10-09 09:08:28
大家好,我没有找到虚拟机相关的论坛,所以就在这个频道里提了。

最近想到一个问题,就是用虚拟机访问外网的时候,报文经过了物理网卡,物理网卡会不会对报文重新进行IP和链路层的封装。

经过测试发现,用虚拟机访问外网,并在物理机的网卡处抓包,该报文的MAC地址和IP地址是虚拟机的MAC和IP。是不是说物理网卡对于已经封装好链路和IP层的报文,就只做物理信号的处理,不再做封装了?


好久没来,分没多少了,请各位专家帮忙解答一下,谢谢!
...全文
592 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
crycoming 2011-11-12
  • 打赏
  • 举报
回复
虚拟机是通过驱动层面俘获了物理网卡,所以抓到的包只是从驱动的另一段程序处理的结果,而不是物理网卡检测包的内容是否要重新打包。
vvvggvvv 2011-11-12
  • 打赏
  • 举报
回复
顶上去,我也想知道答案!
本资源集成了粒子群优化与人工神经网络两种算法,专门用于天线设计中的参数调优。代码支持MATLAB 2014a、2019b及2024b等多个版本,并附带可直接执行的示例数据集。 代码采用模块化设计,所有关键参数均可灵活配置,便于用户根据具体需求进行调整。程序结构逻辑清晰,关键步骤均配有详细注释,有助于理解算法流程与实现细节。该资源主要面向计算机科学、电子信息工程、数学等相关专业的高年级本科生或研究生,适用于课程设计、综合实验或学位论文等教学与实践环节。 在现代通信系统中,天线性能是决定整体通信质量的核心因素之一。天线参数优化旨在通过调整其关键物理或电气指标,使天线在特定工作场景下达到最优性能。粒子群优化算法模拟鸟群的社会觅食行为,通过个体与群体之间的信息交互,在多维参数空间中并行搜索全局最优解。该方法具有设置简便、收敛速度较快、全局探索能力较强的特点,适用于天线参数这类多变量、非线性的优化问题。 人工神经网络通过构建多层非线性计算单元,能够学习天线参数与辐射特性之间的复杂映射关系。经过充分训练的网络模型可以快速预测新参数配置下的天线性能,或用于逆向设计,从而有效辅助优化流程。将两种算法结合,可兼顾全局搜索效率与模型泛化能力,为天线设计提供一套系统的计算工具。 本套代码不仅提供了完整的算法实现,还包含经过整理的案例数据,用户可直接运行并观察优化效果,从而加深对理论方法的理解。代码已在多个MATLAB版本中通过测试,保证其可移植性与稳定性。对于从事天线设计、计算电磁学或智能优化算法研究的人员,本资源可作为实用的参考工具,帮助掌握算法应用并提升解决实际工程问题的能力。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!

20,845

社区成员

发帖
与我相关
我的任务
社区描述
Hadoop生态大数据交流社区,致力于有Hadoop,hive,Spark,Hbase,Flink,ClickHouse,Kafka,数据仓库,大数据集群运维技术分享和交流等。致力于收集优质的博客
社区管理员
  • 分布式计算/Hadoop社区
  • 涤生大数据
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧