cognis-digital/rfsurvey

``` pip install cognis-rfsurvey rfsurvey scan . # → prioritized findings in seconds ``` ## 用法 — 逐步指南 1. **安装** (Python 3.9+)： pip install rfsurvey # 或者：pipx install rfsurvey 2. **分析频谱扫描。** 将 `analyze` 指向一个扫描 CSV 文件（或使用 `-` 代表 stdin）： rfsurvey analyze sweep.csv 3. **调整检测。** 设置高于估计底噪多少 dB 才算作被占用（`--squelch-offset`，默认为 10）、功率骤增异常的 z-score 阈值（`--z-thresh`，默认为 6.0），以及持续性的最小值（`--persist-sweeps`，默认为 3）： rfsurvey analyze sweep.csv --squelch-offset 8 --z-thresh 5 --format json > spectrum.json 4. **读取结果。** 报告会列出占用的频段、持续性发射源和功率骤增异常。JSON 模式会输出适合时间序列监控的结构化记录。 5. **在监控 pipeline 中设置门禁。** 使用 `--fail-on-anomaly` 可以在检测到异常时以非零状态退出： rfsurvey analyze sweep.csv --fail-on-anomaly ## 目录 - [为什么选择 rfsurvey？](#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) · [相关工具](#related) · [贡献](#contributing) ## 为什么选择 rfsurvey？ 分析 RF 频谱占用率的 CSV/元数据，以检测频带使用情况、干扰和异常。—— 而无需搭建繁重的基础设施。 `rfsurvey` 是单一用途、可脚本化且可自托管的：将其指向目标，以您的工作流已习惯的格式（表格 · JSON · SARIF）获取优先级排序的结果，据此为 CI 设置门禁，并让 agent 通过 MCP 驱动它。 ## 功能 - ✅ 加载采样 - ✅ 估计底噪 - ✅ 汇总频带 - ✅ 检测异常 - ✅ 分析 - ✅ 可在 Linux/macOS/Windows · Docker · devcontainer 上运行 - ✅ 提供 Python、JavaScript、Go 和 Rust 版本移植 (`ports/`) ## 快速开始 ``` pip install cognis-rfsurvey rfsurvey --version rfsurvey scan . # scan current project rfsurvey scan . --format json # machine-readable rfsurvey scan . --fail-on high # CI gate (non-zero exit) ``` ## 示例 ``` $ rfsurvey scan . [HIGH ] RFS-001 example finding (./src/app.py) [MEDIUM ] RFS-002 another signal (./config.yaml) 2 findings · risk score 5 · 38ms ``` ## 架构 ``` flowchart LR IN[input] --> P[rfsurvey
analyze + score] P --> OUT[report] ``` ## 从任何 AI 技术栈中使用 `rfsurvey` 可以与所有流行的 AI 使用方式互操作： - **MCP 服务器** — `rfsurvey mcp` (Claude Desktop, Cursor, Cognis.Studio, [uncensored-fleet](https://github.com/cognis-digital/uncensored-fleet)) - **兼容 OpenAI / JSON** — 通过管道将 `rfsurvey scan . --format json` 传给任何 agent 或 LLM - **LangChain · CrewAI · AutoGen · LlamaIndex** — 用一行代码将 CLI/JSON 封装为工具 - **CI / 脚本** — 为非 AI pipeline 提供 exit code + SARIF ## 对比 | | **Cognis rfsurvey** | 典型工具 | |---|:---:|:---:| | 可自托管，无需账户 | ✅ | 视情况而定 | | 单条命令，零配置 | ✅ | ⚠️ | | 用于 CI 的 JSON + SARIF | ✅ | 视情况而定 | | MCP 原生（AI agent） | ✅ | ❌ | | 多语言移植（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**，用于一切的 **JSON**，用于 AI agent 的 **MCP 服务器**（`rfsurvey mcp`），以及用于 SIEM/Slack/Jira 的 webhook 转发器。请参见 [`docs/INTEGRATIONS.md`](docs/INTEGRATIONS.md)。 ## 安装 — 全平台，各种方式 ``` pip install "git+https://github.com/cognis-digital/rfsurvey.git" # pip (works today) pipx install "git+https://github.com/cognis-digital/rfsurvey.git" # isolated CLI uv tool install "git+https://github.com/cognis-digital/rfsurvey.git" # uv pip install cognis-rfsurvey # PyPI (when published) docker run --rm ghcr.io/cognis-digital/rfsurvey:latest --help # Docker brew install cognis-digital/tap/rfsurvey # Homebrew tap curl -fsSL https://raw.githubusercontent.com/cognis-digital/rfsurvey/main/install.sh | sh ``` | Linux | macOS | Windows | Docker | 云平台 | |---|---|---|---|---| | `scripts/setup-linux.sh` | `scripts/setup-macos.sh` | `scripts/setup-windows.ps1` | `docker run ghcr.io/cognis-digital/rfsurvey` | [DEPLOY.md](docs/DEPLOY.md) (AWS/Azure/GCP/k8s) | ## 相关 Cognis 工具 **探索套件 →** [🗂️ 所有 170+ 种工具](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 `{}` 与包含 300+ 个工具的 Cognis 套件组合使用 —— 输入/输出为 JSON 并共享 兼容 OpenAI 的 `/v1` 主干。请参见 **[INTEROP.md](INTEROP.md)** 了解 套件图谱、组合模式和参考技术栈。 ## 许可证 在 **Cognis Open Collaboration License (COCL) v1.0** 下开源可见 —— 个人、内部评估、研究和教育用途免费；**商业/生产用途需要许可证** (licensing@cognis.digital)。请参见 [LICENSE](LICENSE)。

标签：Python, 代码示例, 可视化界面, 射频分析, 异常检测, 数据分析, 数据可视化, 无后门, 无线电频谱, 日志审计, 请求拦截, 逆向工具