AWS Bedrock може прискорити моніторинг та аналіз XRP Ledger

Джерело: CryptoTale Оригінальна назва: Aws Bedrock Could Speed Xrp Ledger Monitoring And Analysis Оригінальне посилання:

• Ripple та AWS тестують Bedrock AI для зменшення часу розслідувань інцидентів XRPL до кількох хвилин.
• План спрямований на обробку величезних обсягів логів C++ по всій глобальній мережі вузлів XRP Ledger.
• Потік AWS з’єднає логи з кодом і стандартами для швидшої перевірки причин.

Amazon Web Services і Ripple досліджують налаштування Amazon Bedrock, яке може прискорити моніторинг XRPL. Люди, знайомі з роботою, повідомили, що мета — швидше аналізувати системні логи XRP Ledger і поведінку мережі. Внутрішні оцінки, поділені співробітниками AWS, свідчать, що деякі розслідування інцидентів можуть зменшитися з днів до приблизно двох-трьох хвилин.

XRP Ledger працює як децентралізована мережа рівня 1 з незалежними операторами по всьому світу в багатьох регіонах. Лідер використовує кодову базу C++, яка підтримує високий пропускний здатність, але при цьому генерує великі та складні логи.

Amazon Bedrock спрямований на усунення вузьких місць у логах XRPL

Ripple і AWS вивчають, як моделі Bedrock можуть інтерпретувати логи валідаторів і серверів у масштабі. Виступи на конференції, приписані архітектору AWS Віджаю Раджагопалу, описували Bedrock як шар, що перетворює сирі записи у пошукові сигнали. Інженери можуть запитувати моделі, що відображають очікувану поведінку XRPL.

Документація Ripple, згадана у дискусії, вказує, що мережа XRPL налічує понад 900 вузлів у університетах і компаніях. Той самий матеріал стверджує, що кожен вузол може генерувати 30-50 ГБ логів, що в сумі становить приблизно 2-2,5 ПБ. Інженерам часто потрібні фахівці з C++, щоб простежити аномалії до протокольного коду, що може сповільнювати реагування на інциденти.

Потік AWS для переміщення, розбиття та індексування логів XRP Ledger

Запропонований робочий процес починається з переміщення логів вузлів у Amazon S3 за допомогою інструментів GitHub і AWS Systems Manager. Після завантаження тригери подій запускають функції AWS Lambda, які визначають межі сегментів для кожного файлу. Потік потім передає метадані сегментів у Amazon SQS для паралельної обробки.

Інша функція Lambda витягує відповідні байтові діапазони з S3. Вона витягує рядки логів і метадані, а потім передає їх у CloudWatch для індексування. Документація AWS описує подібні подієво-орієнтовані шаблони, що використовують EventBridge і Lambda для обробки логів у масштабі.

Співробітники AWS використали регіональну подію з’єднання для демонстрації переваг швидшої тріажу. Вони повідомили, що пошкодження підводного кабелю Червоного моря вплинуло на зв’язок деяких операторів у Азіатсько-Тихоокеанському регіоні. Інженери зібрали логи від операторів і обробляли великі файли для кожного вузла, перш ніж почати розслідування причин.

Зв’язування логів із кодом і стандартами XRPL

Інженери AWS також описали паралельний процес, який версіонує документацію з коду і стандартів XRPL. Потік слідкує за ключовими репозиторіями, планує оновлення через Amazon EventBridge і зберігає версійовані знімки у S3. Під час інциденту система може поєднати підпис логів із відповідним випуском програмного забезпечення та специфікаціями.

Це зв’язування важливе, оскільки самі логи можуть не пояснювати крайові випадки протоколу. Поєднуючи сліди з серверним програмним забезпеченням і специфікаціями, AI-агенти можуть відобразити аномалію у ймовірний шлях коду. Мета — швидше і більш послідовне керівництво для операторів під час збоїв і зниження продуктивності.

Робота також відбувається на тлі розширення екосистеми XRPL, яка додає функції токенів і операційної поверхні. Документація XRPL описує Мультицільові Токени як фангблінговий дизайн, спрямований на ефективність і спрощення токенізації. Ripple також підкреслила нові поправки і оновлення у релізі Rippled 3.0.0.

Поки що ця робота залишається дослідницькою, а не публічним запуском продукту. Жодна з компаній не оголосила дату розгортання, і команди все ще тестують точність моделей і управління даними. Це також залежить від того, що оберуть для спільного доступу вузли під час розслідувань. Навіть так, цей підхід окреслює, як AI і хмарні інструменти можуть підтримувати спостереження за блокчейном без зміни правил консенсусу XRPL.