고급 기술 협력의 일환으로, Amazon Web Services와 Ripple은 Amazon Bedrock을 XRPL 모니터링 및 네트워크 로그의 자동 분석에 활용하는 방안을 검토하고 있습니다.
Summary
Amazon Web Services와 Ripple, 생성적 AI 실험
프로젝트에 정통한 소식통에 따르면, Amazon Web Services와 Ripple은 Amazon Bedrock의 생성적 인공지능 기능을 활용하여 XRP Ledger의 제어 및 분석을 개선하는 방법을 연구 중입니다.
목표는 AI 모델을 원장 시스템 로그에 적용하여 네트워크 문제 발생 시 조사 시간을 획기적으로 단축하는 것입니다. AWS 엔지니어의 내부 평가에 따르면, 며칠이 걸리던 프로세스가 단 2-3분 만에 완료될 수 있다고 합니다.
XRPL은 전 세계 독립 노드 운영자 네트워크에 의해 지원되는 레이어-1 블록체인입니다. 2012년부터 운영 중이며, 높은 성능을 보장하지만 특히 복잡한 시스템 로그를 생성하는 C++ 언어로 개발되었습니다.
Amazon Bedrock으로 운영 비용 절감 목표하는 XRPL
Ripple의 문서에 따르면, XRPL은 전 세계적으로 대학, 블록체인 기관, 지갑 제공업체 및 금융 회사에 분산된 900개 이상의 노드로 운영됩니다. 이러한 분산 아키텍처는 회복력, 보안 및 확장성을 높이지만, 네트워크의 전체적인 행동을 실시간으로 관찰하기 어렵게 만듭니다.
각 노드는 30에서 50 기가바이트의 로그 데이터를 생성하며, 총 2에서 2.5 페타바이트로 추정됩니다. 사고가 발생하면 엔지니어는 이러한 파일을 수동으로 검사하여 이상을 찾아내고 기본 C++ 코드로 연결해야 합니다.
단일 조사는 플랫폼 팀 간의 조정과 프로토콜을 깊이 이해하는 제한된 수의 C++ 전문가가 필요하기 때문에 이틀에서 삼일이 걸릴 수 있습니다. 또한, 운영 팀은 종종 기술 분석을 기다려야 사고에 대응하거나 새로운 기능 개발을 재개할 수 있습니다.
최근 회의에 참석한 AWS 기술자들에 따르면, 홍해의 해저 케이블 절단이 과거에 아시아-태평양 지역의 일부 노드 운영자의 연결성을 손상시켰습니다. Ripple의 플랫폼 팀은 관련 운영자로부터 로그를 수집하고 노드당 수십 기가바이트를 처리하여 의미 있는 분석을 시작해야 했습니다.
로그와 운영자 간의 해석적 레벨로서의 Amazon Bedrock
AWS의 솔루션 아키텍트 Vijay Rajagopal은 인공지능 에이전트를 호스팅하는 관리 플랫폼인 Amazon Bedrock이 대량의 데이터를 처리할 수 있다고 설명했습니다. XRPL 로그에 적용하면 패턴 인식과 행동 모니터링을 자동화하여 수동 분석 시간을 획기적으로 줄일 수 있습니다.
Rajagopal에 따르면, Amazon Bedrock은 시스템의 원시 로그와 인간 운영자 간의 해석적 레벨로 작동합니다. 가장 암호화된 항목을 한 줄씩 분석할 수 있으며, 엔지니어는 XRPL 시스템의 구조와 예상 행동을 이해하는 AI 모델을 질의합니다.
이렇게 하면 AI는 이상을 신속하게 식별할 뿐만 아니라 운영 팀이 이해할 수 있는 언어로 근본 원인을 설명하는 데 도움을 줄 수 있습니다. 그러나 결과의 품질은 로그, 코드 및 프로토콜 사양 간의 연결에 크게 의존합니다.
원장 로그 처리용 AWS 파이프라인
Rajagopal은 또한 XRPL의 검증자, 허브 및 클라이언트 핸들러가 생성한 로그에서 시작되는 기술적 처리 흐름을 설명했습니다. 파일은 GitHub 도구와 AWS Systems Manager를 사용하는 전용 워크플로를 통해 먼저 Amazon S3로 전송됩니다.
데이터가 S3에 도달하면 이벤트 트리거가 각 파일을 검사하는 AWS Lambda 기능을 활성화하여 로그 라인과 사전 구성된 청크 크기에 따라 개별 세그먼트의 바이트 범위를 정의합니다.
결과 세그먼트는 대규모 처리를 분산하기 위해 Amazon SQS로 전송됩니다. 로그 처리를 전담하는 별도의 Lambda 기능은 수신된 메타데이터를 기반으로 S3에서 관련 청크만 검색합니다.
이 기능은 그런 다음 로그 라인과 관련 메타데이터를 추출하여 Amazon CloudWatch로 전달하여 인덱싱 및 분석할 수 있습니다. 아키텍트에 따르면, 시스템은 실제로 필요한 파일 부분만 검색하여 전체 로그 분석에 비해 처리 시간과 비용을 줄입니다.
로그, 코드 및 프로토콜 사양 간의 통합
로그 수집 솔루션 외에도 시스템은 두 개의 주요 저장소로 구성된 XRPL의 코드베이스도 처리합니다. 첫 번째는 XRP Ledger 서버의 핵심 소프트웨어를 포함하고 있으며, 두 번째는 네트워크에 구축된 애플리케이션과의 상호 운용성을 위한 표준 및 사양을 정의합니다.
이 저장소의 업데이트는 서버리스 Amazon EventBridge 이벤트 버스를 통해 자동으로 감지되고 예약됩니다. 정의된 간격으로 파이프라인은 GitHub에서 최신 코드 및 문서 버전을 추출하고 버전 관리를 적용하며, 이후 분석 단계를 위해 S3에 저장합니다.
AWS 엔지니어들은 프로토콜의 예상 행동에 대한 명확한 이해 없이는 원시 로그만으로는 노드 문제와 다운타임을 해결하기에 충분하지 않다고 믿습니다. 대신 로그를 XRPL의 논리를 정의하는 표준 및 서버 소프트웨어와 연결함으로써 AI 에이전트는 이상에 대한 보다 정확한 설명을 제공할 수 있습니다.
이러한 맥락에서 Bedrock, 서버리스 파이프라인 및 S3의 중앙 집중식 저장소의 결합 사용은 XRPL 모니터링을 더 빠르고 확장 가능하며 고도로 숙련된 C++ 전문가의 수동 개입에 덜 의존하도록 하는 것을 목표로 합니다.
전반적으로, AWS와 Ripple 간의 협력은 성숙한 블록체인 인프라에 대한 생성적 AI 사용에 대한 실험적 접근 방식을 도입하여 진단 속도, 운영 자동화 및 네트워크 강건성 측면에서 상당한 잠재적 이점을 제공합니다.
