AWS и Ripple исследуют использование Amazon Bedrock AI для XRP Ledger

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

Технологический гигант и криптокомпания планируют применить анализ ИИ к системным журналам XRP Ledger, чтобы сократить время, необходимое для расследования проблем в сети. Некоторые внутренние оценки инженеров AWS показывают, что процессы, которые раньше занимали несколько дней, теперь могут быть выполнены за 2–3 минуты.

XRPL — это децентрализованная блокчейн-платформа первого уровня, поддерживаемая глобальной сетью независимых операторов узлов. Система работает с 2012 года и построена на коде C++, что является вычислительным выбором, делающим ее быстрой, но порождающей сложные системные журналы.

XRPL стремится снизить операционные требования с помощью Amazon Bedrock

Согласно документам Ripple, XRPL управляет более чем 900 узлами, распределенными по всему миру в университетах, блокчейн-институциях, провайдерах кошельков и финансовых компаниях. Децентрализованная архитектура повышает ее устойчивость, безопасность и масштабируемость, но усложняет мониторинг поведения сети в реальном времени.

⚠️AMAZON WEB SERVICES & RIPPLE обсуждают AMAZON Bedrock для XRPL🔥

Обзор этого видео:
XRPL работает на высокопроизводительном коде C++ (мощный язык программирования).
В масштабах всей системы системы на C++ генерируют большой объем криптографических журналов (истории).
AWS сотрудничает с Ripple, используя… pic.twitter.com/2bjfT9MOkn

— ProfessoRipplEffect (@ProfRipplEffect) 7 января 2026 г.

Каждый узел генерирует от 30 до 50 гигабайт данных журнала, что в сумме дает примерно от 2 до 2,5 петабайт данных. Когда инцидентов происходят сбои, инженеры должны вручную просматривать эти файлы, чтобы выявить аномалии и проследить их до исходного кода C++.

Одно расследование может занять около двух или трех дней, поскольку оно требует тесной координации между инженерами платформы и ограниченным пулом экспертов по C++, которые понимают внутреннее устройство протокола. Команды платформы发现自己 в ожидании инженеров, прежде чем они смогут реагировать на инциденты или возобновлять разработку функций, что усугубляется возрастом и размером кодовой базы.

Согласно Техники AWS выступая на недавней конференции, отметили, что разрез подводного кабеля Red Sea однажды повлиял на подключение для некоторых операторов узлов в регионе Азиатско-Тихоокеанского региона. Платформенная команда Ripple должна была собрать журналы с затронутых операторов, а затем обработать десятки гигабайт данных на каждый узел, прежде чем можно было начать осмысленный анализ.

Архитектор решений в AWS Вадж Рагагопал сказал, что управляемая платформа, хостящая агентов искусственного интеллекта, также известная как Amazon Bedrock, способна анализировать большие наборы данных. Использование Bedrock для анализа журналов XRPL, по словам, автоматизирует распознавание шаблонов и поведенческий анализ, сокращая время, затрачиваемое ручными инспекторами.

По словам Рагагопала, Amazon Bedrock — это интерпретирующий слой между сырыми системными журналами и операторами-людьми. Он может помочь сканировать криптографические записи построчно, а инженеры могут запрашивать модели ИИ, которые понимают структуру и ожидаемое поведение системы XRPL.

Конвейер обработки журналов и анализа кода AWS Bedrock

Рагагопал также рассказал о техническом рабочем процессе, начиная с сырых журналов, генерируемых валидаторами, хабами и клиентскими обработчиками XRPL. Сначала журналы передаются в Amazon S3 через выделенный рабочий процесс с использованием инструментов GitHub и AWS Systems Manager.

После того как данные достигают S3, события активируют функции AWS Lambda, которые проверяют каждый файл, чтобы определить диапазоны байтов для отдельных фрагментов в соответствии с границами строк журнала и предварительно определенными размерами фрагментов. 

Полученные сегменты затем отправляются в Amazon SQS для распределения обработки в масштабе. Отдельная функция Lambda для обработки журналов извлекает только соответствующие фрагменты из S3 на основе метаданных, которые она получает. Затем она извлекает строки журнала и связанные метаданные, прежде чем передать их в Amazon CloudWatch, где они могут быть проиндексированы и проанализированы.

«На самом деле, она извлекает только соответствующие фрагменты из S3 на основе настроенных метаданных фрагментов, которые она прочитала. И она передает строки журнала, извлекает из них метаданные и помещает эти строки журнала и метаданные в CloudWatch», — объяснил архитектор.

В стороне от решения по приему журналов, система также обрабатывает кодовую базу XRPL с двумя основными репозиториями. Один содержит основное серверное программное обеспечение для Ledger XRP, а другой определяет стандарты и спецификации для взаимодействия с приложениями, построенными поверх сети.

Обновления из этих репозиториев автоматически обнаруживаются и планируются через безсерверную шину событий под названием Amazon EventBridge. С заданной периодичностью конвейер извлекает последний код и документацию из GitHub, версионирует данные и сохраняет их в S3 для дальнейшей обработки.

Инженеры AWS утверждали, что без понимания того, как протокол должен работать, сырые журналы могут быть недостаточными для решения проблем узлов и простоев. Они утверждали, что, связывая журналы со стандартами и серверным программным обеспечением, которые определяют поведение XRPL, агенты ИИ могут предоставлять более точные объяснения аномалий.