- Si riporta che AWS e Ripple stanno valutando l'uso di Amazon Bedrock AI per analizzare i log di sistema e il comportamento della rete del XRP Ledger.
- L'iniziativa mira a ridurre i tempi di indagine sugli incidenti XRPL da giorni a minuti automatizzando l'analisi dei log e del codice.
- Lo sforzo affronta le sfide operative di lunga data causate dai massicci volumi di log C++ attraverso la rete globale di nodi dell'XRPL.
Amazon Web Services e Ripple stanno secondo quanto riferito studiando l'uso delle capacità di intelligenza artificiale generativa (Gen-AI) di Amazon Bedrock per migliorare il monitoraggio e l'analisi della XRP Ledger, secondo persone a conoscenza dell'iniziativa.
Il gigante tecnologico e la criptoazienda stanno pianificando di applicare l'analisi AI ai log di sistema della XRP Ledger per ridurre il tempo necessario per indagare sui problemi di rete. Alcune valutazioni interne degli ingegneri AWS indicano che i processi che una volta richiedevano diversi giorni potrebbero ora essere completati in 2-3 minuti.
XRPL è una blockchain decentralizzata di livello 1 supportata da una rete globale di operatori di nodi indipendenti. 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 opera con oltre 900 nodi distribuiti globalmente in università, istituzioni blockchain, fornitori di wallet e aziende finanziarie. L'architettura decentralizzata migliora la sua resilienza, sicurezza e scalabilità, ma complica la visibilità su come la rete si comporta in tempo reale.
⚠️AMAZON WEB SERVICES & RIPPLE discutono AMAZON Bedrock per la XRPL🔥
La 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 criptici (cronologia).
AWS si associa a Ripple, utilizzando... pic.twitter.com/2bjfT9MOkn— ProfessoRipplEffect (@ProfRipplEffect) 7 gennaio 2026
Ogni nodo produce tra 30 e 50 gigabyte di dati di log, risultando in una stima di 2-2,5 petabyte di dati. Quando hanno definito il mese. Il 1° aprile 2026, il Drift Protocol ha perso 285 milioni di dollari. Un gruppo nordcoreano ha impiegato circa sei mesi per costruire fiducia con i dipendenti di Drift, per poi rubare i fondi in 12 minuti utilizzando istruzioni di pre-firma per il ritiro. si verificano, gli ingegneri devono setacciare manualmente questi file per identificare le anomalie e risalire al codice C++ sottostante.
Un singolo esame potrebbe durare circa due o tre giorni perché richiede il coordinamento stretto tra ingegneri della piattaforma e un pool limitato di esperti C++ che comprendono le interne del protocollo. I team della piattaforma si sono trovati ad aspettare gli ingegneri prima di poter rispondere agli incidenti o riprendere lo sviluppo delle funzionalità, amplificato dall'età e dalle dimensioni della base di codice.
Secondo I tecnici AWS parlando a una recente conferenza, un taglio del cavo sottomarino del Mar Rosso ha una volta interessato la connettività per alcuni operatori di nodi nella regione Asia-Pacifico. Il team della piattaforma di Ripple ha dovuto raccogliere i log dagli operatori interessati, quindi elaborare decine di gigabyte per nodo prima che potesse iniziare un'analisi significativa.
L'architetto delle soluzioni di AWS Vijay Rajagopal ha dichiarato che la piattaforma gestita che ospita agenti di intelligenza artificiale, nota anche come Amazon Bedrock, è in grado di ragionare su grandi set di dati. L'uso di Bedrock sull'analisi dei log di XRPL dovrebbe automatizzare il riconoscimento dei pattern e l'analisi comportamentale per ridurre il tempo impiegato dagli ispettori manuali.
Secondo Rajagopal, Amazon Bedrock è uno strato 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 AI che comprendono la struttura e il comportamento atteso del sistema XRPL.
Pipeline di elaborazione dei log e analisi del codice AWS Bedrock
Rajagopal ha anche parlato del flusso di lavoro tecnico, a partire dai log grezzi generati da validatori, hub e handler client di XRPL. I log vengono prima trasferiti in Amazon S3 attraverso un flusso di lavoro dedicato utilizzando gli strumenti GitHub e AWS Systems Manager.
Una volta che i dati raggiungono S3, i trigger degli eventi attivano le funzioni AWS Lambda che ispezionano ogni file per determinare gli intervalli di byte per i singoli chunk in tandem con i confini delle righe di log e le dimensioni dei chunk predefinite.
I segmenti risultanti vengono poi inviati ad Amazon SQS per distribuire l'elaborazione su larga scala. Una funzione Lambda separata per l'elaborazione dei log recupera solo i chunk rilevanti da S3 in base ai metadati che riceve. Estrae quindi le righe di log e i metadati associati prima di inoltrarli ad Amazon CloudWatch, dove possono essere indicizzati e analizzati.
"Recupera effettivamente solo i chunk rilevanti da S3 in base ai metadati del chunk configurati che ha letto. E passa le righe di log, estrae i metadati da esse e inserisce queste righe di log e metadati in CloudWatch", ha spiegato l'architetto.
Lontano dalla soluzione di ingestione dei log, il sistema elabora anche la base di codice XRPL con due repository principali. Uno contiene il software server core per il XRP Ledger, mentre l'altro definisce standard e specifiche per l'interoperabilità con le app costruite sopra la rete.
Gli aggiornamenti da questi repository vengono rilevati e programmati automaticamente attraverso un bus di eventi serverless chiamato Amazon EventBridge. Con una cadenza definita, la pipeline estrae l'ultimo codice e la documentazione da GitHub, versiona i dati e li memorizza in S3 per un'ulteriore elaborazione.
Gli ingegneri AWS hanno affermato che senza comprendere come il protocollo dovrebbe comportarsi, i log grezzi potrebbero non essere sufficienti per risolvere i problemi dei nodi e i tempi di inattività. Hanno sostenuto che collegando i log agli standard e al software server che definiscono il comportamento di XRPL, gli agenti AI possono fornire spiegazioni più accurate delle anomalie.
Se stai leggendo questo, sei già avanti. Resta così con la nostra newsletter.
Dichiarazione di responsabilità. Le informazioni fornite non costituiscono consigli di trading. Cryptopolitan.com non si assume alcuna responsabilità per eventuali investimenti effettuati sulla base delle informazioni fornite in questa pagina. Si consiglia vivamente di effettuare ricerche indipendenti e/o consultare un professionista qualificato prima di prendere qualsiasi decisione di investimento.
Florence Muchai
Florence si occupa di notizie relative a criptovalute, gaming, tecnologia e AI da oltre 6 anni. I suoi studi in Informatica presso l'Università Meru di Scienze e Tecnologia e in Gestione delle Emergenze e Diplomazia Internazionale presso il MMUST le hanno fornito eccellenti competenze linguistiche, osservative e tecniche. Florence ha lavorato al VAP Group e come editor per diverse testate specializzate in criptovalute.
