随着机构用例的扩展，Ripple 转向人工智能，对 XRP 分类账进行压力测试。

Ripple 正在彻底改革其保护 XRP 分类账的方式，而人工智能是这项工作的核心。

其工程团队概述了XRP账本的全新人工智能驱动型安全策略。 详细帖子 本周早些时候，一项将机器学习工具集成到协议整个开发生命周期中的方案问世了。

该策略包括对每个拉取请求进行 AI 辅助代码扫描、在威胁模型指导下进行自动化对抗测试，以及一支专门的 AI 辅助红队，持续分析代码库以及功能在真实场景中的交互方式。

新成立的“红队”已发现超过 10 个漏洞，其中低危问题已公开披露，其余问题正在优先处理和修复中。该团队使用模糊测试和自动化对抗测试来大规模模拟攻击者的行为，与传统的审计方法相比，能够更早、更全面地发现漏洞。

这项举措出台之际，XRPL 正在处理日益复杂的工作负载。该账本自 2012 年以来一直持续运行，已处理超过 1 亿份账本，促成了超过 30 亿笔交易。

如此古老的代码库自然会反映出“网络早期阶段的设计决策、小规模运行时的假设以及早于现代工具的模式”。人工智能工具旨在系统地发现任何长期运行的生产系统中累积的极端情况和隐藏故障模式。

该战略由六大支柱构成。除了人工智能辅助扫描和红队演练之外，Ripple 还在对 XRPL 代码库本身进行现代化改造，以解决诸如类型安全不足和功能间交互模式不一致等结构性问题。

该公司正在扩大与 XRPL Commons、XRPL 基金会、独立研究人员和验证器运营商的安全合作。协议修订的标准正在提高，现在对重大变更需要进行多次独立的安全审计，同时扩大漏洞赏金计划并建立对抗性测试环境。

下一个 XRPL 版本将完全致力于修复错误和改进，而不会添加新功能，这表明工程团队将强化工作视为近期优先事项。

这一时机与Ripple不断扩大的机构客户群体相吻合。

该公司是 目前正在进行试点项目 在新加坡金融管理局的 BLOOM 计划下，Ripple Payments 在全球范围内扩张，正在申请澳大利亚金融服务牌照，并推动其 RLUSD 稳定币的普及。

面向代币化现实世界资产、央行支持的贸易融资和企业支付流的账本需要能够随着其支持的用例而扩展的安全基础设施。

这种方法与更广泛的行业趋势相契合。以太坊本周推出了一个专门的后量子安全中心，该中心依托八年的研究成果，并有十多个客户团队每周发布开发网络。谷歌设定了2029年的最后期限，将其身份验证服务迁移到抗量子加密技术。无论是在传统科技领域还是加密货币领域，重点都在从被动修补转向主动的、人工智能增强的安全工程。

与此同时，Ripple 工程团队计划与 XRPL 基金会合作，发布新修订的安全标准，并在未来几周内与社区透明地分享研究结果。