cognis-digital/adsbwatch

``` pip install cognis-adsbwatch adsbwatch scan . # → prioritized findings in seconds ``` ## 使用说明 — 逐步指南 `adsbwatch` 对 ADS-B 数据流 (CSV) 进行防御性 OSINT 分析，以检测异常情况——紧急 squawk 码、呼号欺骗以及盘旋模式。 1. **安装** (Python 3.10+)： pip install -e . # 或者：pipx install adsbwatch 2. **扫描 ADS-B CSV 数据流**（人类可读表格）： adsbwatch scan feed.csv 3. **调整盘旋检测**（追踪半径、累计转弯角度、最小点数）： adsbwatch scan feed.csv --loiter-radius 5 --loiter-turn 270 --loiter-points 6 4. **读取输出**为 JSON，用于管道传输/告警： adsbwatch scan feed.csv --format json | jq '.anomalies' 5. **在 CI/cron 中驱动告警**——发现异常时退出代码为 `2`，正常时为 `0`，解析错误时为 `1`： - 运行：pip install -e . && adsbwatch scan feed.csv # 退出码 2 => 触发告警 ## 目录 - [为什么选择 adsbwatch？](#why) · [功能](#features) · [快速开始](#quick-start) · [示例](#example) · [架构](#architecture) · [AI 技术栈](#ai-stack) · [对比](#how-it-compares) · [集成](#integrations) · [随处安装](#install-anywhere) · [相关项目](#related) · [贡献](#contributing) ## 为什么选择 adsbwatch？ 分析 ADS-B 数据流/CSV 以检测异常：呼号欺骗、7500/7600/7700 squawk 码以及异常的盘旋模式。——无需搭建沉重的底层基础设施。 `adsbwatch` 是单一用途、可脚本化且支持自托管的：将其指向目标，以您的工作流已支持的语言（table · JSON · SARIF）获取优先级排序的结果，通过它来控制 CI，并让 agent 通过 MCP 驱动它。 ## 功能 - ✅ ADS-B 异常检测——紧急 squawk 码 (7500/7600/7700)、呼号欺骗、盘旋 - ✅ **决策支持（人工介入/ human-in-the-loop）**——`assess`：甄别、多传感器关联、咨询建议 - ✅ **传感器关联**——将告警与时间线上的本地摄像头/ RF /访问控制日志进行融合（证据+生活模式） - ✅ 数据主权——完全本地/离线，纯标准库；不会有任何数据离开设备 - ✅ 可在 Linux/macOS/Windows · Docker · devcontainer 上运行 - ✅ 支持 Python、JavaScript、Go 和 Rust 移植版本 (`ports/`) ### 决策支持——告警*之上*的层级（由人类掌控） 传感器层会告诉您*发生了什么*。`adsbwatch assess` 是其上的决策架构——它按优先级对异常进行**甄别**，将它们与您的其他本地传感器（摄像头、RF 日志、访问控制）进行**关联**以构建证据全貌，并**向操作人员建议行动方案**（记录、通知、上报给负责部门、交叉引导摄像头、请求身份识别、保留证据）。 ``` adsbwatch assess feed.csv --sensors local_sensors.csv # triage + correlate + recommend adsbwatch assess feed.csv --format json # for your SOC / C2 dashboard ``` ## 快速开始 ``` pip install cognis-adsbwatch adsbwatch --version adsbwatch scan . # scan current project adsbwatch scan . --format json # machine-readable adsbwatch scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ adsbwatch scan . [HIGH ] ADS-001 example finding (./src/app.py) [MEDIUM ] ADS-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[input] --> P[adsbwatch
analyze + score] P --> OUT[report] ``` ## 从任何 AI 技术栈中使用 `adsbwatch` 可以与所有流行的 AI 使用方式实现互操作： - **MCP server** —— `adsbwatch mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **兼容 OpenAI / JSON** —— 通过管道将 `adsbwatch scan . --format json` 传入任何 agent 或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** —— 一行代码即可将 CLI/JSON 封装为工具 - **CI / 脚本** —— 为非 AI 流水线提供退出代码 + SARIF ## 对比 | | **Cognis adsbwatch** | 典型工具 | |---|:---:|:---:| | 可自托管，无需账号 | ✅ | 视情况而定 | | 单一命令，零配置 | ✅ | ⚠️ | | 用于 CI 的 JSON + SARIF | ✅ | 视情况而定 | | MCP 原生支持 (AI agent) | ✅ | ❌ | | 多语言移植版本 (JS/Go/Rust) | ✅ | ❌ | | 开源许可证 | ✅ COCL | 视情况而定 | ## 集成 可接入您的技术栈：用于代码扫描的 **SARIF**，用于任何场景的 **JSON**，用于 AI agent 的 **MCP server** (`adsbwatch mcp`)，以及用于 SIEM/Slack/Jira 的 webhook 转发器。详见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 — 各种方式，所有平台 ``` pip install "git+https://github.com/cognis-digital/adsbwatch.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/adsbwatch.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/adsbwatch.git" # uv pip install cognis-adsbwatch # PyPI (when published) docker run --rm ghcr.io/cognis-digital/adsbwatch:latest --help # Docker brew install cognis-digital/tap/adsbwatch # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/adsbwatch/main/install.sh | sh ``` | Linux | macOS | Windows | Docker | Cloud | |---|---|---|---|---| | `scripts/setup-linux.sh` | `scripts/setup-macos.sh` | `scripts/setup-windows.ps1` | `docker run ghcr.io/cognis-digital/adsbwatch` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关 Cognis 工具 **探索套件 →** [🗂️ 所有 170 多款工具](https://github.com/cognis-digital/cognis-neural-suite) · [⭐ awesome-cognis](https://github.com/cognis-digital/awesome-cognis) · [🔗 cognis-sources](https://github.com/cognis-digital/cognis-sources) · [🤖 uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet) · [🧠 engram](https://github.com/cognis-digital/engram) ## 互操作性 `{}` 可与包含 300 多款工具的 Cognis 套件组合使用——支持 JSON 输入/输出以及共享的兼容 OpenAI 的 `/v1` 主干网络。请参阅 **[INTEROP.md](INTEROP.md)** 了解套件映射、组合模式和参考技术栈。 ## 许可证 在 **Cognis Open Collaboration License (COCL) v1.0** 下提供源码——可免费用于个人、内部评估、研究和教育用途；**商业/生产环境使用需要获得许可证** (licensing@cognis.digital)。请参阅 [LICENSE](LICENSE)。

标签：ADS-B, ESC4, OSINT, 代码示例, 可视化界面, 实时处理, 库, 应急响应, 异常检测, 数据分析, 数据可视化, 日志审计, 航空监控, 请求拦截, 逆向工具