El ecosistema XRPL está en cuenta atrás, ya que se activará una enmienda clave en los próximos días.
La enmienda de corrección en XRPL 3.1.3, “fixCleanup3_1_3”, ha entrado en un período de activación de 2 semanas con un cronograma previsto para el 27 de mayo de 2026, según los datos de XRPScan.
La peculiaridad de esta enmienda es que logró un consenso del 100% como lo indica el popular explorador XRPL XRPScan, algo poco común en la mayoría de las enmiendas, y la mayoría simplemente superó la marca requerida del 80%.
El $XRP El sistema de modificación del libro mayor utiliza el proceso de consenso para aprobar cualquier cambio que afecte el procesamiento de transacciones en el $XRP Libro mayor. Los cambios en el proceso de transacciones completamente funcionales se introducen como enmiendas; Luego, los validadores votan sobre estos cambios.
Si una enmienda recibe más del 80% de apoyo durante dos semanas, la enmienda se aprueba y el cambio se aplica permanentemente a todas las versiones posteriores del libro mayor. Para deshabilitar una enmienda aprobada se requiere una nueva enmienda para hacerlo.
La “fixCleanup3_1_3” pudo lograr un consenso del 100% ya que no requirió votación manual, siendo una enmienda predeterminada que sí corrige. Es una colección de correcciones para NFT, dominios autorizados, bóvedas y protocolo de préstamos.
La enmienda sigue a Ripple como revisión $XRP Seguridad del libro mayor a través de IA. Un equipo rojo asistido por IA ha logrado avances en el descubrimiento de errores, que se estableció con un enfoque en analizar continuamente la base del código XRPL y cómo las características interactúan en escenarios del mundo real, no solo de forma aislada.
Como resultado, la versión XRPL 3.1.3 solo tenía correcciones de errores y mejoras y no contenía características nuevas que requirieran votación.
Ripple amplía los esfuerzos de seguridad de XRPL
En marzo, Ripple declaró que estaba revisando cómo asegura el $XRP Libro mayor con IA en el centro del esfuerzo.
Además de las pruebas activas, Ripple declaró que estaba invirtiendo en modernizar y alinear mejor el código base XRPL. Muchas clases de errores en sistemas de larga duración como xrpld surgen no solo de errores individuales, sino también de problemas estructurales como seguridad de tipos limitada, patrones de interacción inconsistentes entre características, aplicación invariante insuficiente y suposiciones indocumentadas o no aplicadas.
Por lo tanto, abordar estas cuestiones sigue siendo fundamental, ya que hace que el sistema sea más predecible, más fácil de razonar y resiliente.
