- Segundo relatos, a AWS e a Ripple estão explorando o uso da IA do Amazon Bedrock para analisar logs do sistema e o comportamento da rede do XRP Ledger.
- A iniciativa visa reduzir o tempo de investigação de incidentes no XRPL de dias para minutos, automatizando a análise de logs e código.
- O esforço foca em desafios operacionais de longa data causados por volumes massivos de logs em C++ na rede global de nós do XRPL.
A Amazon Web Services e a Ripple estão, segundo relatos, pesquisando o uso das capacidades de inteligência artificial generativa (Gen-AI) do Amazon Bedrock para melhorar a forma como o XRP Ledger é monitorado e analisado, de acordo com pessoas familiarizadas com a iniciativa.
A gigante de tecnologia e a empresa de criptomoedas planejam aplicar análise de IA aos logs do sistema do XRP Ledger para reduzir o tempo necessário para investigar problemas na rede. Algumas avaliações internas de engenheiros da AWS indicam que processos que antes levavam vários dias agora podem ser concluídos em 2-3 minutos.
XRPL é uma blockchain descentralizada de camada-1 apoiada por uma rede global de operadores de nós independentes. O sistema está ativo desde 2012 e é construído com código C++, uma escolha computacional que o torna rápido, mas gera logs de sistema complexos.
XRPL busca reduzir demandas operacionais com Amazon Bedrock
De acordo com os documentos da Ripple, o XRPL opera mais de 900 nós distribuídos globalmente em universidades, instituições de blockchain, provedores de carteiras e empresas financeiras. A configuração descentralizada melhora sua resiliência, segurança e escalabilidade, mas complica a visibilidade sobre como a rede se comporta em tempo real.
⚠️AMAZON WEB SERVICES & RIPPLE discutindo AMAZON Bedrock para o XRPL🔥
O resumo deste vídeo:
O XRPL roda em código C++ de alto desempenho (uma linguagem de programação poderosa).
Em escala, sistemas C++ produzem grandes volumes de logs criptográficos (histórico).
A AWS faz parceria com a Ripple, usando… pic.twitter.com/2bjfT9MOkn— ProfessoRipplEffect (@ProfRipplEffect) 7 de janeiro de 2026
Cada nó produz entre 30 e 50 gigabytes de dados de log, resultando em uma estimativa de 2 a 2,5 petabytes de dados. Quando incidentes ocorrem, os engenheiros devem vasculhar manualmente esses arquivos para identificar anomalias e rastreá-las de volta ao código C++ subjacente.
Uma única investigação pode se estender por cerca de dois ou três dias, pois requer que engenheiros de plataforma e um grupo limitado de especialistas em C++ que entendem os internals do protocolo coordenem-se de perto. As equipes de plataforma encontraram-se esperando por engenheiros antes de poderem responder a incidentes ou retomar o desenvolvimento de recursos, amplificado pela idade e tamanho da base de código.
De acordo com Técnicos da AWS falando em uma conferência recente, um corte no cabo submarino do Mar Vermelho afetou a conectividade para alguns operadores de nós na região da Ásia-Pacífico. A equipe de plataforma da Ripple teve que coletar logs dos operadores afetados e depois processar dezenas de gigabytes por nó antes que uma análise significativa pudesse começar.
O arquiteto de soluções da AWS, Vijay Rajagopal, disse que a plataforma gerenciada que hospeda agentes de inteligência artificial, também conhecida como Amazon Bedrock, é capaz de raciocinar sobre grandes conjuntos de dados. Usar o Bedrock na análise de logs do XRPL supostamente automatizaria o reconhecimento de padrões e a análise comportamental para reduzir o tempo gasto por inspetores manuais.
De acordo com Rajagopal, o Amazon Bedrock é uma camada interpretativa entre os logs brutos do sistema e os operadores humanos. Ele pode ajudar a escanear entradas criptográficas linha por linha, e os engenheiros poderiam consultar modelos de IA que entendem a estrutura e o comportamento esperado do sistema XRPL.
Pipeline de processamento de logs e análise de código do AWS Bedrock
Rajagopal também falou sobre o fluxo de trabalho técnico, começando com os logs brutos gerados por validadores, hubs e manipuladores de clientes do XRPL. Os logs são primeiro transferidos para o Amazon S3 através de um fluxo de trabalho dedicado usando ferramentas do GitHub e AWS Systems Manager.
Uma vez que os dados chegam ao S3, gatilhos de evento ativam funções AWS Lambda que inspecionam cada arquivo para determinar intervalos de bytes para pedaços individuais em tandem com os limites de linha de log e tamanhos de pedaços predefinidos.
Os segmentos resultantes são então enviados para o Amazon SQS para distribuir o processamento em escala. Uma função Lambda de processador de logs separada recupera apenas os pedaços relevantes do S3 com base nos metadados que recebe. Em seguida, extrai as linhas de log e os metadados associados antes de encaminhá-los para o Amazon CloudWatch, onde podem ser indexados e analisados.
“Ele realmente recupera apenas os pedaços relevantes do S3 com base nos metadados de chunk configurados que ele leu. E ele passa as linhas de log, obtém os metadados delas e coloca essas linhas de log e metadados no CloudWatch”, explicou o arquiteto.
Longe da solução de ingestão de logs, o sistema também processa a base de código do XRPL com dois repositórios principais. Um contém o software do servidor central para o XRP Ledger, enquanto o outro define padrões e especificações para interoperabilidade com aplicativos construídos sobre a rede.
Atualizações desses repositórios são detectadas automaticamente e agendadas através de um barramento de eventos serverless chamado Amazon EventBridge. Em uma cadência definida, o pipeline puxa o código e a documentação mais recentes do GitHub, versiona os dados e os armazena no S3 para processamento adicional.
Os engenheiros da AWS afirmaram que, sem entender como o protocolo deveria se comportar, os logs brutos podem não ser suficientes para resolver problemas de nós e tempos de inatividade. Eles propuseram que, ao vincular logs aos padrões e ao software do servidor que definem o comportamento do XRPL, os agentes de IA podem fornecer explicações mais precisas de anomalias.
As mentes mais inteligentes do setor de criptomoedas já leem nosso boletim informativo. Quer entrar? Junte-se a eles.
Aviso Legal. As informações fornecidas não constituem aconselhamento de investimento. Cryptopolitan.com não assume responsabilidade por quaisquer investimentos realizados com base nas informações fornecidas nesta página. Recomendamos fortemente a realização de pesquisa independente e/ou consulta com um profissional qualificado antes de tomar quaisquer decisões de investimento.
Florence Muchai
Florence cobre notícias sobre criptoativos, jogos, tecnologia e IA há 6 anos. Sua graduação em Estudos de Computação na Meru University of Science and Technology e em Gestão de Desastres e Diplomacia Internacional no MMUST equipam-na plenamente com habilidades linguísticas, de observação e técnicas. Florence trabalhou no VAP Group e como editora em várias casas de mídia de criptoativos.
