AWS e Ripple esplorano Amazon Bedrock AI per XRP Ledger

Secondo fonti vicine all'iniziativa, Amazon Web Services e Ripple stanno studiando l'utilizzo delle funzionalità di intelligenza artificiale generativa (Gen-AI) di Amazon Bedrock per migliorare il modo in cui XRP Ledger viene monitorato e analizzato.

Il colosso della tecnologia e l'azienda di criptovalute stanno pianificando di applicare l'analisi AI ai log di sistema di XRP Ledger per ridurre il tempo necessario per indagare sui problemi di rete. Alcune valutazioni interne degli ingegneri AWS indicano che processi che un tempo richiedevano diversi giorni ora possono essere completati in 2-3 minuti.

XRPL è una blockchain decentralizzata di livello 1 supportata da una rete globale di operatori di nodi indipendentident Il sistema è attivo dal 2012 ed è basato sul codice C++, una scelta computazionale che lo rende veloce ma genera log di sistema complessi.

XRPL cerca di ridurre le richieste operative con Amazon Bedrock

Secondo i documenti di Ripple, XRPL gestisce oltre 900 nodi distribuiti a livello globale tra università, istituzioni blockchain, fornitori di wallet e società finanziarie. La configurazione decentralizzata ne migliora la resilienza, la sicurezza e la scalabilità, ma complica la visibilità sul comportamento della rete in tempo reale.

⚠️AMAZON WEB SERVICES e RIPPLE discutono di AMAZON Bedrock per XRPL🔥

Panoramica di questo video:
XRPL funziona su codice C++ ad alte prestazioni (un potente linguaggio di programmazione).
Su larga scala, i sistemi C++ producono grandi volumi di log (cronologia) criptici.
AWS collabora con Ripple, utilizzando… pic.twitter.com/2bjfT9MOkn

— ProfessoRipplERipplERipplERipplERipplERipplERipplERipplERipplEffect) 7 gennaio 2026

Ogni nodo produce tra 30 e 50 gigabyte di dati di log, per un totale stimato di 2-2,5 petabyte di dati. Quando incidentidentverificano , gli ingegneri devono analizzare manualmente questi file per identificaredenttractrac tractractractrac tractracal codice C++ sottostante.

Una singola indagine poteva durare circa due o tre giorni, perché richiedeva un coordinamento ravvicinato tra gli ingegneri della piattaforma e un pool limitato di esperti C++ che conoscessero i meccanismi interni del protocollo. I team della piattaforma si ritrovavano ad aspettare gli ingegneri prima di poter rispondere aglidento riprendere lo sviluppo delle funzionalità, il che era amplificato dall'età e dalle dimensioni della base di codice.

Secondo quanto riferito dai tecnici di AWS intervenuti a una recente conferenza, la rottura di un cavo sottomarino nel Mar Rosso ha in passato compromesso la connettività di alcuni operatori di nodi nella regione Asia-Pacifico. Rippleha dovuto raccogliere i log dagli operatori interessati e poi elaborare decine di gigabyte per nodo prima di poter iniziare un'analisi significativa.

Vijay Rajagopal, Solutions Architect di AWS, ha affermato che la piattaforma gestita che ospita agenti di intelligenza artificiale, nota anche come Amazon Bedrock, è in grado di elaborare grandi set di dati. L'utilizzo di Bedrock sull'analisi dei log di XRPL dovrebbe automatizzare il riconoscimento di pattern e l'analisi comportamentale, riducendo i tempi impiegati dagli ispettori manuali.

Secondo Rajagopal, Amazon Bedrock è un livello interpretativo tra i log di sistema grezzi e gli operatori umani. Può aiutare a scansionare le voci criptiche riga per riga, e gli ingegneri potrebbero interrogare modelli di intelligenza artificiale che comprendono la struttura e il comportamento previsto del sistema XRPL.

Pipeline di elaborazione dei log e analisi del codice di AWS Bedrock

Rajagopal ha anche parlato del flusso di lavoro tecnico, a partire dai log grezzi generati dai validatori, dagli hub e dai gestori client di XRPL. I log vengono prima trasferiti in Amazon S3 tramite un flusso di lavoro dedicato utilizzando gli strumenti GitHub e AWS Systems Manager.

Una volta che i dati raggiungono S3, i trigger di eventi attivano le funzioni AWS Lambda che ispezionano ogni file per determinare gli intervalli di byte per i singoli blocchi nei limiti della riga di log in tandem e nelle dimensionidefidei blocchi. 

I segmenti risultanti vengono quindi inviati ad Amazon SQS per distribuire l'elaborazione su larga scala. Una funzione Lambda di elaborazione dei log separata recupera solo i blocchi rilevanti da S3 in base ai metadati ricevuti. Quinditracle righe di log e i metadati associati prima di inoltrarli ad Amazon CloudWatch, dove possono essere indicizzati e analizzati.

"Recupera in realtà solo i blocchi rilevanti da S3 in base ai metadati dei blocchi configurati che ha letto. Quindi passa le righe di log, ne estrae i metadati e li invia a CloudWatch", ha spiegato l'architetto.

Oltre alla soluzione di acquisizione dei log, il sistema elabora anche il XRPL con due repository principali. Uno contiene il software server principale per l' XRP Ledger, mentre l'altro defistandard e specifiche per l'interoperabilità con le app basate sulla rete.

Gli aggiornamenti da questi repository vengono rilevati e pianificatimatictramite un bus di eventi serverless chiamato Amazon EventBridge. A cadenza defi, la pipeline estrae il codice e la documentazione più recenti da GitHub, esegue il versioning dei dati e li archivia in S3 per un'ulteriore elaborazione.

Gli ingegneri AWS hanno affermato che, senza comprendere il comportamento previsto del protocollo, i log grezzi potrebbero non essere sufficienti a risolvere i problemi dei nodi e i tempi di inattività. Hanno sostenuto che collegando i log agli standard e al software del server che defiil comportamento di XRPL, gli agenti di intelligenza artificiale possono fornire spiegazioni più accurate delle anomalie.