AWS와 Ripple XRP Ledger에 Amazon Bedrock AI를 적용하는 방안을 검토 중입니다

소식통에 따르면 아마존 웹 서비스(AWS)와 Ripple XRP 원장 모니터링 및 분석 방식을 개선하기 위해 아마존 베드락의 생성형 인공지능(Gen-AI) 기능을 활용하는 방안을 연구하고 있는 것으로 알려졌습니다.

거대 기술 기업인 AWS와 암호화폐 기업은 XRP Ledger의 시스템 로그에 AI 분석을 적용하여 네트워크 문제 조사에 필요한 시간을 단축할 계획입니다. AWS 엔지니어들의 내부 평가에 따르면, 이전에는 며칠이 걸리던 작업이 이제 2~3분 만에 완료될 수 있다고 합니다.

XRPL 네트워크에 의해 지원되는 탈중앙화 레이어 1 블록체인입니다dent . 이 시스템은 2012년부터 운영되어 왔으며 C++ 코드로 구축되었습니다. 이러한 연산 특성으로 인해 속도는 빠르지만 복잡한 시스템 로그가 생성됩니다.

XRPL은 아마존 베드락을 통해 운영 요구 사항을 줄이고자 합니다

Ripple의 문서에 따르면, XRPL은 전 세계 대학, 블록체인 기관, 지갑 제공업체 및 금융 회사에 분산된 900개 이상의 노드를 운영하고 있습니다. 이러한 분산형 구조는 복원력, 보안 및 확장성을 향상시키지만, 네트워크의 실시간 동작 방식을 파악하기 어렵게 만듭니다.

⚠️아마존 웹 서비스와 RIPPLE XRPL을 위한 아마존 베드락에 대해 논의 중입니다🔥

이 비디오의 개요:
XRPL은 고성능 C++ 코드(강력한 프로그래밍 언어)로 실행됩니다.
대규모 환경에서 C++ 시스템은 방대한 양의 난해한 로그(이력)를 생성합니다.
AWS는 Ripple맺고… pic.twitter.com/2bjfT9MOkn

— 리플RipplERipplERipplERipplERipplERipplERipplERipplERipplEffect 교수) 2026년 1월 7일

각 노드는 30~50기가바이트의 로그 데이터를 생성하며, 이는 총 2~2.5페타바이트에 달하는 데이터 양으로 추산됩니다. 사고가 발생하면 는dent이러한 파일을 수동으로 검토하여denttractrac tractractractrac tractrac그 원인을 근본적인 C++ 코드까지 추적해야

단일 조사에 이틀이나 사흘 정도가 소요될 수 있는데, 이는 플랫폼 엔지니어와 프로토콜 내부를 이해하는 제한된 수의 C++ 전문가들이 긴밀히 협력해야 하기 때문입니다. 플랫폼 팀은 엔지니어들의 작업을 기다려야만dent에 대응하거나 기능 개발을 재개할 수 있었는데, 코드베이스의 규모와 연식으로 인해 이러한 지연 현상이 더욱 심화되었습니다.

따르면 AWS 기술자들이 , 홍해 해저 케이블 절단 사고로 아시아 태평양 지역 일부 노드 운영자의 연결에 문제가 발생한 적이 있습니다. Ripple플랫폼 팀은 영향을 받은 운영자들로부터 로그를 수집한 후, 의미 있는 분석을 시작하기 전에 노드당 수십 기가바이트에 달하는 데이터를 처리해야 했습니다.

AWS 솔루션 아키텍트인 비제이 라자고팔은 인공지능 에이전트를 호스팅하는 관리형 플랫폼인 아마존 베드락(Amazon Bedrock)이 대규모 데이터 세트에 대한 추론 능력을 갖추고 있다고 밝혔습니다. XRPL의 로그 분석에 베드락을 사용하면 패턴 인식 및 행동 분석을 자동화하여 수동 검사에 소요되는 시간을 단축할 수 있을 것으로 예상됩니다.

라자고팔에 따르면 아마존 베드락은 원시 시스템 로그와 인간 운영자 사이에서 해석 계층 역할을 합니다. 이를 통해 엔지니어는 난해한 항목을 한 줄씩 스캔할 수 있으며, XRPL 시스템의 구조와 예상 동작을 이해하는 AI 모델에 쿼리를 보낼 수 있습니다.

AWS Bedrock 로그 처리 및 코드 분석 파이프라인

라자고팔은 또한 XRPL의 검증기, 허브 및 클라이언트 핸들러에서 생성된 원시 로그부터 시작하는 기술 워크플로에 대해서도 설명했습니다. 이러한 로그는 GitHub 도구와 AWS Systems Manager를 사용하는 전용 워크플로를 통해 먼저 Amazon S3로 전송됩니다.

데이터가 S3에 도달하면 이벤트 트리거가 AWS Lambda 함수를 활성화하여 각 파일을 검사하고 로그 라인 경계 및 미리defi된 청크 크기와 함께 개별 청크의 바이트 범위를 결정합니다. 

이렇게 생성된 세그먼트는 Amazon SQS로 전송되어 대규모로 처리가 분산됩니다. 별도의 로그 처리 Lambda 함수는 수신된 메타데이터를 기반으로 S3에서 관련 청크만 검색합니다. 그런 다음 로그 라인과 관련 메타데이터를trac하여 Amazon CloudWatch로 전달합니다. Amazon CloudWatch에서는 이러한 데이터가 색인화되고 분석됩니다.

"실제로 구성된 청크 메타데이터를 기반으로 S3에서 관련 청크만 가져옵니다. 그리고 로그 라인을 전달하고, 메타데이터를 추출하여 이러한 로그 라인과 메타데이터를 CloudWatch에 전송합니다."라고 설계자는 설명했습니다.

로그 수집 솔루션 외에도, 이 시스템은 XRP의 핵심 서버 소프트웨어를 포함하고 XRP Ledger, 다른 하나는 defi운용성을 위한 표준 및 사양을 정의합니다.

이러한 저장소의 업데이트는 Amazon EventBridge라는 서버리스 이벤트 버스를 통해matic으로 감지되고 예약됩니다. defi된 주기에 따라 파이프라인은 GitHub에서 최신 코드와 문서를 가져와 버전을 관리하고 추가 처리를 위해 S3에 저장합니다.

AWS 엔지니어들은 프로토콜의 동작 방식을 이해하지 못하면 원시 로그만으로는 노드 문제와 다운타임을 해결하기에 충분하지 않을 수 있다고 주장했습니다. 그들은 로그를 XRPL의 동작을 defi표준 및 서버 소프트웨어와 연결함으로써 AI 에이전트가 이상 현상에 대해 더욱 정확한 설명을 제공할 수 있다고 제안했습니다.