- Según se informa, AWS y Ripple están explorando el uso de Amazon Bedrock AI para analizar los registros del sistema y el comportamiento de la red del XRP Ledger.
- La iniciativa tiene como objetivo reducir los tiempos de investigación de incidentes en XRPL de días a minutos mediante la automatización del análisis de registros y código.
- El esfuerzo aborda los desafíos operativos de larga data causados por los enormes volúmenes de registros en C++ en la red global de nodos de XRPL.
Según personas familiarizadas con la iniciativa, Amazon Web Services y Ripple están investigando el uso de las capacidades de inteligencia artificial generativa (Gen-AI) de Amazon Bedrock para mejorar la monitorización y el análisis del XRP Ledger.
La gigante tecnológica y la empresa de criptomonedas planean aplicar análisis de IA a los registros del sistema del XRP Ledger para reducir el tiempo necesario para investigar problemas de la red. Algunas evaluaciones internas de ingenieros de AWS indican que los procesos que antes llevaban varios días ahora podrían completarse en 2-3 minutos.
XRPL es una blockchain de capa-1 descentralizada respaldada por una red global de operadores de nodos independientes. El sistema ha estado en funcionamiento desde 2012 y está construido sobre código C++, una elección computacional que lo hace rápido pero genera registros del sistema complejos.
XRPL busca reducir las demandas operativas con Amazon Bedrock
Según los documentos de Ripple, XRPL opera más de 900 nodos distribuidos globalmente en universidades, instituciones de blockchain, proveedores de billeteras y empresas financieras. La configuración descentralizada mejora su resiliencia, seguridad y escalabilidad, pero complica la visibilidad sobre cómo se comporta la red en tiempo real.
⚠️AMAZON WEB SERVICES & RIPPLE discutiendo AMAZON Bedrock para el XRPL🔥
El resumen de este video es:
XRPL se ejecuta en código C++ de alto rendimiento (un lenguaje de programación potente).
A gran escala, los sistemas C++ producen grandes volúmenes de registros crípticos (historial).
AWS se asocia con Ripple, utilizando… pic.twitter.com/2bjfT9MOkn— ProfessoRipplEffect (@ProfRipplEffect) 7 de enero de 2026
Cada nodo produce entre 30 y 50 gigabytes de datos de registro, lo que resulta en un estimado de 2 a 2,5 petabytes de datos. Cuando definieron el mes. El 1 de abril de 2026, el Protocolo Drift perdió 285 millones de dólares. Un grupo norcoreano pasó unos seis meses ganándose la confianza de los empleados de Drift, solo para robar los fondos en 12 minutos utilizando instrucciones de retiro prefirmadas. ocurren, los ingenieros deben revisar manualmente estos archivos para identificar anomalías y rastrearlas hasta el código C++ subyacente.
Una sola investigación podría extenderse a unos dos o tres días porque requiere que los ingenieros de la plataforma y un grupo limitado de expertos en C++ que comprenden los aspectos internos del protocolo coordinen estrechamente. Los equipos de plataforma se encontraron esperando a los ingenieros antes de poder responder a incidentes o reanudar el desarrollo de funciones, amplificado por la antigüedad y el tamaño de la base de código.
Según Técnicos de AWS hablando en una conferencia reciente, un corte en el cable submarino del Mar Rojo afectó la conectividad de algunos operadores de nodos en la región de Asia-Pacífico. El equipo de plataforma de Ripple tuvo que recopilar registros de los operadores afectados, luego procesar decenas de gigabytes por nodo antes de que pudiera comenzar un análisis significativo.
El arquitecto de soluciones en AWS, Vijay Rajagopal, dijo que la plataforma gestionada que aloja agentes de inteligencia artificial, también conocida como Amazon Bedrock, es capaz de razonar sobre grandes conjuntos de datos. Usar Bedrock en el análisis de registros de XRPL supuestamente automatizaría el reconocimiento de patrones y el análisis conductual para reducir el tiempo que tardan los inspectores manuales.
Según Rajagopal, Amazon Bedrock es una capa interpretativa entre los registros del sistema en bruto y los operadores humanos. Puede ayudar a escanear entradas crípticas línea por línea, y los ingenieros podrían consultar modelos de IA que comprenden la estructura y el comportamiento esperado del sistema XRPL.
Pipeline de procesamiento de registros y análisis de código de AWS Bedrock
Rajagopal también habló sobre el flujo de trabajo técnico, comenzando con los registros en bruto generados por validadores, centros de conexión y manejadores de clientes de XRPL. Los registros se transfieren primero a Amazon S3 a través de un flujo de trabajo dedicado utilizando herramientas de GitHub y AWS Systems Manager.
Una vez que los datos llegan a S3, los activadores de eventos activan funciones de AWS Lambda que inspeccionan cada archivo para determinar los rangos de bytes para fragmentos individuales junto con los límites de línea de registro y tamaños de fragmentos predefinidos.
Los segmentos resultantes se envían luego a Amazon SQS para distribuir el procesamiento a escala. Una función Lambda de procesador de registros separada recupera solo los fragmentos relevantes de S3 basándose en los metadatos que recibe. Luego extrae las líneas de registro y los metadatos asociados antes de enviarlos a Amazon CloudWatch, donde pueden ser indexados y analizados.
“En realidad, recupera solo los fragmentos relevantes de S3 basándose en los metadatos de fragmentos configurados que lee. Y pasa las líneas de registro, obtiene los metadatos de ellas y pone estas líneas de registro y metadatos en CloudWatch”, explicó el arquitecto.
Lejos de la solución de ingestión de registros, el sistema también procesa la base de código XRPL con dos repositorios principales. Uno contiene el software del servidor principal para el XRP Ledger, mientras que el otro define estándares y especificaciones para la interoperabilidad con aplicaciones construidas sobre la red.
Las actualizaciones de estos repositorios se detectan y programan automáticamente a través de un bus de eventos sin servidor llamado Amazon EventBridge. En una cadencia definida, el pipeline extrae el último código y documentación de GitHub, versiona los datos y los almacena en S3 para un procesamiento posterior.
Los ingenieros de AWS afirmaron que sin comprender cómo se supone que debe comportarse el protocolo, los registros en bruto pueden no ser suficientes para resolver problemas de nodos y tiempos de inactividad. Argumentaron que al vincular los registros con los estándares y el software del servidor que definen el comportamiento de XRPL, los agentes de IA pueden proporcionar explicaciones más precisas de las anomalías.
No te limites a leer noticias sobre criptomonedas. Entiéndelas. Suscríbete a nuestro boletín. Es gratis.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.
Florence Muchai
Florence ha estado cubriendo durante los últimos 6 años noticias sobre criptomonedas, juegos, tecnología e inteligencia artificial. Sus estudios de Ciencias de la Computación en la Universidad de Ciencias y Tecnología de Meru y Gestión de Desastres y Diplomacia Internacional en MMUST la dotan adecuadamente de habilidades lingüísticas, de observación y técnicas. Florence ha trabajado en VAP Group y como editora en varias casas de medios de criptomonedas.
