Shadowrocket 是一个用于日志分析的工具，基于机器学习，可以帮助识别异常日志，如攻击日志或系统故障日志。以下是 Shadowrocket 的配置方法

毁灭者联盟 2026-10-04 科学上网 4 次浏览 0个评论

安装 Shadowrocket

Linux 环境：安装依赖包 scikit-learn 和 pandas，可能还需要其他依赖，使用 pip 安装：
```
pip install scikit-learn pandas
```
Windows 环境：使用 Win PyPI 安装，
```
pip install shadowrocket
```

基础配置

安装位置：Shadowrocket 通常安装在 ~/.local/lib 或 ~/.local/lib/python3.8/site-packages。
日志分割器：默认使用 split_by_type，处理 type 字段，设置为 split_by_type='type'。
日志频率：默认每天（freq='day'），设置为 freq='day'。

设置异常日志

阈值：设置 alert_threshold。

shadowrocket.config.alert_threshold = 0.5

优化模型：调整 TruePositiveRate 和 FalsePositiveRate。
```
shadowrocket.config.TP = 0.95
shadowrocket.config.FP = 0.1
```

日志格式与处理

日志文件：设置文件路径和格式：

import os
import logging
logging.basicConfig(level=logging.INFO)
shadowrocket.config.output_dir = os.path.join(os.getcwd(), 'logs')
shadowrocket.config.output_filename = 'system.log'
shadowrocket.config.output_format = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')

日志过滤器：使用 shadowrocket.config.filters 处理异常日志，

shadowrocket.config.filters.add('异常日志', lambda x: x['type'] == 'attack')

自定义模型

模型设置：使用 shapley_value 和 shapletree 库调整模型。

import shapley_value as sv
shadowrocket.config.model = sv.ShapleyTree()
shadowrocket.config.n_trees = 1
shadowrocket.config.max_depth = 5

自定义模型：定义模型类，如 CustomMLModel， overriding predict 和 predict_proba 方法。

使用工具包

集成工具包：将 Shadowrocket 作为工具包配置，
```
python3 -m shadowrocket
```
自定义工具包：使用 custom 包扩展功能，如：
```
import os
os.environ['PATH'] += '/usr/lib/python3.8/site-packages-shadowrocket'
```
或添加 custom 包到 Python 项目中。