MCP_AI_监控器

🔍 概述

MCP_AI_Monitor 是一个全面的系统监控解决方案，它使用无监督机器学习算法来检测资源使用中的异常行为。它旨在实时深入了解您的系统性能，结合了数据收集、预测分析和详细报告。

✨ 主要特点

• 🤖 AI 异常检测- 使用孤立森林识别异常的系统行为

• 📊 实时分析- 持续监控 CPU、RAM 和网络指标

• 🧠 自适应学习- 适应系统的正常行为以减少误报

• 📱 即时通知- 检测到异常时系统发出警报

• 📈 详细可视化- 具有趋势识别的资源使用情况图表

• ⚙️ 流程分析- 识别资源密集型应用程序

• 🌐 网络监控- 分析活动连接和网络性能

• 📡 Discord 集成- 详细报告自动发送到您的 Discord 频道

• 🎨 现代 CLI 界面- 终端中色彩丰富且直观的显示

🚀 可订购

🛠️ 建筑

MCP_AI_Monitor 由几个附加组件组成：

1. 数据收集模块（ collect_data.py ）

   • 定期记录系统指标

   • 以 CSV 格式存储数据以供日后分析

2. AI训练模块（ train_model.py ）

   • 预处理收集的数据

   • 训练孤立森林模型进行异常检测

   • 保存模型以供实时使用

3. 监控模块（ monitor_ai.py ）

   • 使用训练好的模型实时检测异常

   • 实施学习阶段以适应正常行为

   • 区分应用程序启动与真实异常

4. Discord 集成

   • 发送硬件和网络的单独报告

   • 为每个数据类别使用可配置的 webhook

   • 通过主题嵌入优化视觉格式

📊 Discord 报告

MCP_AI_Monitor 生成详细报告并通过专用 webhook 将其发送到 Discord：

硬件报告

• 系统信息- 有关 CPU、RAM、OS 的详细信息

• 使用情况图表- 可视化 CPU/RAM 趋势

• 活动进程- 最耗电的应用程序列表

网络报告

• 网络活动- 上传/下载速度、数据量

• 网络接口- 活动接口及其 IP 地址的详细信息

• 活动连接- 跟踪已建立的连接和相关进程

📋 先决条件

• Python 3.8+

• Python 依赖项（可通过pip install -r requirements.txt安装）：

  • psutil - 系统数据收集

  • scikit-learn——机器学习算法

  • pandas - 数据操作

  • matplotlib - 图形生成

  • colorama - 终端中的彩色显示

  • discord-webhook - 与 Discord 集成

🔧 安装

1. 克隆此存储库：

2. 安装依赖项：

3. 配置您的 Discord webhook（可选）：

   • 更改mcp.py文件中的 webhook URL

   • 能够使用单独的 webhook 来报告硬件和网络

📖 用户指南

快速入门

首次完整使用：

自动化工作流程

要通过一个命令运行整个过程：

🔍 异常检测

系统采用孤立森林算法检测异常行为：

1. 学习阶段——收集数据以建立基线

2. 动态适应——根据正常行为调整阈值

3. 智能过滤——检测应用程序启动以减少误报

4. 异常评分- 根据异常级别对事件进行分类

🌱 贡献

欢迎投稿！贡献：

1. 分叉项目

2. 为你的功能创建一个分支（ git checkout -b feature/amazing-feature ）

3. 提交您的更改（ git commit -m 'Add some amazing feature' ）

4. 推送到分支（ git push origin feature/amazing-feature ）

5. 打开拉取请求

📜 许可证

该项目已获得 MIT 许可。请参阅LICENSE文件以了解更多信息。

👥 作者

• MedusaSH -初始开发- Github

🙏 致谢

• 通过 scikit-learn 实现森林隔热

• psutil 用于访问系统指标

• 用于 Discord 集成的 discord-webhook 库