monitor-process
监控特定进程的行为,包括文件访问、网络连接、子进程创建、系统调用模式等,用于调试、审计和异常检测。
SKILL.md.claude/skills/monitor-process/SKILL.md
GitHubMonitor Process - 进程行为监控
本 skill 用于深度监控特定进程的运行时行为,通过 eBPF 追踪其系统调用活动。
使用场景
- 调试 Agent 的文件访问问题
- 审计进程的安全行为
- 分析进程的资源使用模式
- 检测异常或恶意行为
- 追踪工具调用链(tool call → subprocess → file access)
监控准备
1. 注册进程进行追踪
选项 A:追踪命令名
使用 add_tracked_command MCP 工具:
{
"command": "python3",
"tag": "ai-agent"
}
这会追踪所有名为 python3 的进程(精确 16 字节匹配)。
选项 B:Agent 自注册
如果进程是 Python/Node Agent,使用 adapter 注册:
# Python
from agent_tracker import register_pid
register_pid(tag="my-agent", agent_run_id="run-123")
// Node.js
const { registerPID } = require('./agentTracker');
registerPID({ tag: 'my-agent', agentRunId: 'run-123' });
2. 配置追踪路径(可选)
如果只关心特定路径的访问,使用 add_tracked_path:
{
"path": "/home/user/.ssh/id_rsa",
"tag": "sensitive-file"
}
监控方法
方法 1:实时事件流(推荐)
使用 query_events MCP 工具按 PID 或 comm 过滤:
{
"pid": 12345,
"limit": 200
}
或按命令名过滤:
{
"comm": "python3",
"limit": 200
}
优点:
- 低延迟,实时获取
- 可精确过滤
- 包含完整事件详情
缺点:
- 需要轮询或周期调用
- 不保证捕获所有事件(如果进程活动频繁)
方法 2:历史事件回放
使用 tail_events 获取最近的事件历史:
{
"limit": 500
}
然后在本地过滤出目标进程的事件。
优点:
- 可回溯分析
- 适合事后调查
- 支持持久化日志(如果启用)
缺点:
- 延迟较高
- 需要在海量事件中过滤
方法 3:系统健康和性能指标
使用 get_system_health MCP 工具查看:
- collectorHealth: 事件采集器状态
- tracepointBootstrap: eBPF 程序加载状态
- otelExporter: OTLP 导出器状态
- cgroupSandboxAttached: 网络拦截是否启用
- lsmEnforcerAttached: 文件拦截是否启用
监控维度
1. 文件访问模式
关注事件类型:
openat: 打开文件unlinkat: 删除文件mkdirat: 创建目录
分析要点:
- 访问频率(是否频繁读写?)
- 路径模式(集中在哪些目录?)
- 敏感文件(是否访问 /etc/passwd、~/.ssh/ 等?)
- 临时文件(/tmp/ 下的活动)
示例查询:
步骤:
- 调用
query_events,参数{ "pid": 12345, "eventType": "openat", "limit": 100 }。 - 提取所有
path字段。 - 按目录前缀分组统计。
- 识别异常:
- 访问
/proc/<other_pid>/:可能在探测其他进程。 - 访问
/sys/kernel/debug/:可能在尝试提权。 - 访问
~/.aws/credentials:可能在窃取凭证。
- 访问
2. 网络行为模式
关注事件类型:
connect: TCP 连接bind: 监听端口sendto: UDP 发送recvfrom: UDP 接收
分析要点:
- 连接目标(IP、域名、端口)
- 连接频率(是否有 DDoS 行为?)
- 监听行为(是否开放后门端口?)
- 协议选择(TCP vs UDP)
示例分析:
- 获取该进程的所有
connect事件。 - 提取目标 IP 和端口。
- 按目标分组:
- API 服务器(
api.openai.com:443):正常。 - C&C 服务器(可疑 IP:8443):告警。
- 本地服务(
127.0.0.1:5432):数据库访问。
- API 服务器(
- 计算连接成功率(
ESTABLISHEDvsFAILED)。 - 识别端口扫描(短时间大量不同端口)。
3. 进程创建链
关注事件类型:
execve: 执行新程序
分析要点:
- 父子进程关系
- 执行的命令行参数
- 是否有 shell 注入风险
- 是否执行了意外的子程序
示例分析:
获取该进程的所有 execve 事件,并绘制进程树:
flowchart TD
Python["python3 (12345)"] --> Git["git clone ... (12346)"]
Git --> SSH["ssh ... (12347)"]
检查:
- 命令参数是否包含用户输入(注入风险)
- 执行路径是否在 PATH 中(劫持风险)
- 是否有
/bin/sh -c "..."模式(shell 注入)
4. 资源使用模式
关注事件类型:
ioctl: I/O 控制(可能涉及硬件访问)- 高频
openat+unlinkat: 临时文件管理 - 大量
connect: 网络密集
分析要点:
- 事件频率分布
- 高频操作类型
- 资源竞争(多次失败重试)
异常检测规则
规则 1:未授权文件访问
IF 进程尝试访问:
- /etc/shadow
- ~/.ssh/id_rsa
- ~/.aws/credentials
- /proc/*/environ
THEN 告警:"敏感文件访问"
规则 2:异常网络行为
判定条件:进程在短时间内(5 秒)满足以下任一项时,告警并考虑隔离:
- 连接
>10个不同目标:端口扫描 - 连接已知恶意 IP:
C&C 通信 - 监听非预期端口(非
8000-9000):后门
规则 3:提权尝试
IF 进程执行:
- sudo / su
- pkexec
- setuid 程序(如 passwd)
- 修改 /etc/sudoers
THEN 告警:"提权尝试"
规则 4:数据外泄
IF 进程:
- 读取大量文件(>100 个)
- 然后立即发起网络连接
- 上传大量数据(通过 TLS 捕获观察)
THEN 告警:"疑似数据外泄"
响应策略
低风险行为
- 仅记录日志
- 添加到审计报告
中风险行为
- 实时告警
- 使用
block_network_destination阻止可疑连接 - 使用
block_file_access阻止敏感文件访问
高风险行为
- 立即告警
- 使用
block_process_cgroup隔离整个进程(阻止所有网络) - 使用 BPF LSM 阻止进一步文件操作
- 终止进程(通过 wrapper 或手动 kill)
集成 Wrapper 策略
如果进程通过 agent-wrapper 启动,可以在检测到异常后:
1. 通过 wrapper 规则预先限制行为:
- BLOCK 特定命令
- REWRITE 命令参数(移除危险参数)
- ALERT 但允许执行(仅记录)
2. 动态调整规则:
- 检测异常后,POST /config/wrapper-rules 添加新规则
- 该规则立即生效,影响后续执行
性能优化
- 使用
limit参数控制返回事件数量 - 按
eventType精确过滤,减少无关事件 - 对于长期监控,启用 OTLP 导出到外部系统
- 定期清理内存中的事件缓存(通过
maxEventAge)
完整监控流程示例
# 1. 准备
add_tracked_command({ command: "python3", tag: "agent" })
# 2. 启动 Agent(假设 PID=12345)
# 3. 实时监控(轮询)
while monitoring:
events = query_events({ pid: 12345, limit: 50 })
# 分析文件访问
for event in filter(events, type="openat"):
if is_sensitive(event.path):
alert("敏感文件访问", event)
# 分析网络连接
for event in filter(events, type="connect"):
if is_suspicious(event.dstIP):
block_network_destination({ ip: event.dstIP })
alert("阻止可疑连接", event)
# 分析进程创建
for event in filter(events, type="execve"):
if has_shell_injection(event.args):
alert("疑似 shell 注入", event)
sleep(1)
# 4. 事后分析
history = tail_events({ limit: 1000 })
generate_audit_report(history, pid=12345)
验证方法
- 启动一个测试进程(如 Python REPL)
- 追踪该进程(add_tracked_command 或自注册)
- 在进程中执行操作:
- 打开文件:
open('/etc/passwd') - 网络请求:
import requests; requests.get('http://example.com') - 创建子进程:
import subprocess; subprocess.run(['ls'])
- 打开文件:
- 调用
query_events查询该 PID 的事件 - 验证所有操作都被正确捕获