WaveGuardClient 是 WaveGuard 异常检测 API 的 Python 软件开发工具包。WaveGuard 是一个通用异常检测 API，其核心特点是基于波动物理而非机器学习。用户可以向其发送任意数据——服务器指标、金融交易、日志文件、传感器读数、时间序列等，并获取异常分数、置信水平以及哪些特征触发告警的解释。它无需训练管道、无需模型管理、无状态，只需一次 API 调用。
主要能力方面，WaveGuard 在底层使用 GPU 加速的波动物理仿真。数据被编码到 64³ 晶格上，通过耦合波动方程在 GPU 上运行仿真。正常数据产生稳定的波模式，异常数据产生发散的模式。训练数据和测试数据之间会进行 52 维统计指纹比较。每次调用后一切都会被拆除，不存储任何内容。相比机器学习的优势包括：无需训练数据要求（2 个以上样本即可）、无模型漂移、无需重新训练、无需超参数调优；同一个 API 调用适用于结构化数据、文本、数字和时间序列。v2.2 版本新增多分辨率评分，除了全局指纹距离外，还跟踪每个特征的局部晶格能量，能够捕捉到 v2.1 全局平均所遗漏的细微逐特征异常（例如 10 个 IoT 传感器中 3 个发生漂移），IoT F1 从 0.30 提升到 0.87。
使用方式上，该 SDK 的唯一依赖是 requests 库，所有物理计算都在服务端 GPU 上运行。用户需要先在 RapidAPI 上获取免费 API 密钥。核心调用为 wg.scan(training, test, encoder_type=None, sensitivity=None)，返回 ScanResult，其中包含 .results（逐样本结果）和 .summary（汇总结果）。还提供 wg.health() 和 wg.tier() 用于健康检查（无需认证）和获取订阅等级信息。v3.3.0 引入了高级智能方法，包括 wg.counterfactual(...)、wg.trajectory_scan(...)、wg.instability(...)、wg.phase_coherence(...)、wg.interaction_matrix(...)、wg.cascade_risk(...)、wg.mechanism_probe(...)、wg.action_surface(...)、wg.multi_horizon_outlook(...)，这些方法直接映射到 /v1/* 智能端点，并返回原始 JSON 载荷以最大程度兼容快速演进的服务端响应模式。数据形状支持自动检测，无需配置。
适用场景方面，官方提供了多个行业示例：检测被入侵的服务器、标记欺诈交易、捕获日志中的安全事件，均使用相同的客户端和 scan() 调用。此外还有一个加密风险扫描器 CryptoGuard 由 WaveGuard 驱动，针对 7 次历史崩盘（LUNA、FTX、Celsius、3AC、UST、SOL/FTX、TITAN）进行了回测。WaveGuard 在 2022 年 10 月 16 日对 FTT（FTX 代币）发出 CAUTION 警告，比 94% 的崩盘早了 23 天，而 z-score 分析没有显示任何异常。在相同召回率下，误报比统计基线少 5 倍。该 SDK 也可作为 MCP 服务器供 Claude Desktop 等 AI 智能体使用，提供 waveguard_scan 等 MCP 工具。此外，WaveGuard 被认为是 Azure Anomaly Detector（2026 年 10 月退役）的替代方案。
限制与说明：官方资料展示了 v2.2 在 6 个真实场景中与 scikit-learn 的对比基准测试，WaveGuard 在 6 个场景中胜出 4 个，平均 F1 为 0.76；在 12 个公共基准数据集上 F1 分数排名第一（完整对比见 HuggingFace）。项目采用 MIT 许可证。关于具体收费、价格、平台支持范围等详细信息，官方资料中暂未完整提供，需参考 RapidAPI 页面。
