AWS и Ripple изучают возможность применения Amazon Bedrock AI в реестре XRP

По сообщениям источников, знакомых с ситуацией, Amazon Web Services и Ripple изучают возможность использования возможностей генеративного искусственного интеллекта (Gen-AI) от Amazon Bedrock для улучшения мониторинга и анализа XRP Ledger.

Технологический гигант и криптокомпания планируют применить анализ системных журналов XRP Ledger с помощью искусственного интеллекта, чтобы сократить время, необходимое для расследования сетевых проблем. По некоторым внутренним оценкам инженеров AWS, процессы, которые раньше занимали несколько дней, теперь могут быть завершены за 2-3 минуты.

XRPL — это децентрализованный блокчейн первого уровня, поддерживаемый глобальной сетью независимыхdent узлов. Система работает с 2012 года и построена на коде C++, что обеспечивает высокую скорость вычислений, но генерирует сложные системные журналы.

XRPL стремится снизить операционные издержки благодаря Amazon Bedrock

Согласно документам Ripple, XRPL управляет более чем 900 узлами, распределенными по всему миру в университетах, блокчейн-учреждениях, у поставщиков кошельков и финансовых компаниях. Децентрализованная структура повышает ее отказоустойчивость, безопасность и масштабируемость, но затрудняет отслеживание поведения сети в режиме реального времени.

⚠️AMAZON WEB SERVICES И RIPPLE обсуждают Amazon Bedrock для XRPL🔥

Краткое содержание этого видео:
XRPL работает на высокопроизводительном коде C++ (мощный язык программирования).
В больших масштабах системы на C++ генерируют большие объемы загадочных логов (истории).
AWS сотрудничает с Ripple, используя… pic.twitter.com/2bjfT9MOkn

— ПрофессорRipplERipplERipplERipplERipplERipplERipplERipplERipplEffect) 7 января 2026 г.

Каждый узел генерирует от 30 до 50 гигабайт лог-данных, что в сумме составляет примерно от 2 до 2,5 петабайт данных. При инженерамdentинцидентов приходится вручную просматривать эти файлы, чтобы выявитьdenttractrac tractractractrac tractracих до базового кода на C++.

Одно расследование могло занять от двух до трех дней, поскольку требовало тесной координации действий инженеров платформы и ограниченного числа экспертов по C++, понимающих внутреннюю структуру протокола. Команды разработчиков платформы были вынуждены ждать ответа от инженеров, прежде чем они могли реагировать наdentили возобновлять разработку новых функций, что усугублялось возрастом и размером кодовой базы.

По словам технических специалистов AWS, выступавших на недавней конференции, обрыв подводного кабеля в Красном море однажды повлиял на связь для некоторых операторов узлов в Азиатско-Тихоокеанском регионе. Rippleпришлось собрать журналы от пострадавших операторов, а затем обработать десятки гигабайт данных с каждого узла, прежде чем можно было начать полноценный анализ.

Архитектор решений в AWS Виджай Раджагопал заявил, что управляемая платформа, на которой размещаются агенты искусственного интеллекта, также известная как Amazon Bedrock, способна обрабатывать большие наборы данных. Использование Bedrock для анализа логов XRPL, предположительно, позволит автоматизировать распознавание образов и поведенческий анализ, что сократит время, затрачиваемое на ручную проверку.

По словам Раджагопала, Amazon Bedrock — это промежуточный слой между необработанными системными логами и операторами-людьми. Он может помочь сканировать непонятные записи построчно, а инженеры могут обращаться к моделям искусственного интеллекта, которые понимают структуру и ожидаемое поведение системы XRPL.

Конвейер обработки логов и анализа кода AWS Bedrock

Раджагопал также рассказал о техническом процессе, начиная с необработанных логов, генерируемых валидаторами, хабами и обработчиками клиентских запросов XRPL. Логи сначала передаются в Amazon S3 с помощью специального рабочего процесса, использующего инструменты GitHub и AWS Systems Manager.

Как только данные попадают в S3, триггеры событий активируют функции AWS Lambda, которые проверяют каждый файл, чтобы определить диапазоны байтов для отдельных фрагментов в соответствии с границами строк лога иdefiразмерами фрагментов. 

Полученные сегменты затем отправляются в Amazon SQS для распределения обработки в масштабе. Отдельная функция Lambda для обработки логов извлекает из S3 только релевантные фрагменты на основе полученных метаданных. Затем онаtracстроки логов и связанные с ними метаданные, прежде чем переслать их в Amazon CloudWatch, где они могут быть проиндексированы и проанализированы.

«Фактически, система извлекает из S3 только релевантные фрагменты на основе сконфигурированных метаданных фрагмента, которые она считывает. Затем она передает строки логов, извлекает из них метаданные и отправляет эти строки логов и метаданные в CloudWatch», — пояснил архитектор.

Помимо решения для сбора логов, система также обрабатывает XRPL с помощью двух основных репозиториев. Один содержит основное серверное программное обеспечение для XRP Ledger, а другой defiстандарты и спецификации для взаимодействия с приложениями, построенными на основе сети.

Обновления из этих репозиториевmaticобнаруживаются и планируются с помощью бессерверной шины событий Amazon EventBridge. С defiпериодичностью конвейер получает последние версии кода и документации из GitHub, версионирует данные и сохраняет их в S3 для дальнейшей обработки.

Инженеры AWS утверждали, что без понимания того, как должен работать протокол, одних только необработанных логов может быть недостаточно для решения проблем с узлами и простоев. Они предположили, что, связав логи со стандартами и серверным программным обеспечением, defiповедение XRPL, агенты искусственного интеллекта смогут предоставлять более точные объяснения аномалий.