CoinDeskPolicyPublicado a 2024-05-07Actualizado a 2024-05-08

Resumen

The New York Innovation Center of the Federal Reserve Bank of New York will act as a technical observer.

  • Major U.S. financial industry companies are teaming up to explore sharing ledger technology.
  • The New York Innovation Center of the Federal Reserve Bank of New York will act as a technical observer.

Citi, JPMorgan, Mastercard, Swift and Deloitte are among major companies with an interest in financial services teaming up to explore sharing ledger technology by simulating multiasset transactions in U.S. dollars.

The research project, titled Regulated Settlement Network (RSN) proof-of-concept (PoC), will explore the potential of bringing commercial-bank money, wholesale central-bank money and securities such as U.S. Treasuries and investment-grade debt to a common regulated venue, according to a statement shared with CoinDesk.

The New York Innovation Center of the Federal Reserve Bank of New York will act as a technical observer.

Advertisement
Advertisement

"In today’s digital economy, financial market infrastructures may need to settle a host of digital assets within well-defined legal frameworks. Citi looks forward to exploring the opportunities of this project," Debopama Sen, global head of payments at Citi Services, said in the statement.

In the U.S., ideas such as central bank digital currencies (CBDCs) have become contentious. While the U.S. Federal Reserve's Chair Jerome Powell has told lawmakers that the Fed has zero interest in a system in which it would have a view into user data, CBDCs have become a presidential election Issue.

The program's participants are not committed to any future phases of research once the first is complete. The collaboration was focused on gaining "further consensus on the use of shared ledger technology in the U.S. financial system," and the findings will be published once concluded, the statement said.

"The application of shared ledger technology to dollar settlements could unlock the next generation of market infrastructures – where programmable settlements are 24/7 and frictionless," said Raj Dhamodharan, executive vice president for blockchain and digital assets at Mastercard.

Advertisement
Advertisement

The program will be managed by the securities industry's internal standards organization, the Securities Industry and Financial Markets Association (SIFMA). Other participants include TD Bank N.A., U.S. Bank, USDF, Wells Fargo, Visa and Zions Bancorp.

Nikhilesh De contributed to this story.

Read More: U.S. Fed Chair Powell Says 'Nowhere Near' Pursuing CBDC, Won't Spy on Americans

Edited by Sheldon Reback.





Lecturas Relacionadas

Después de un recorte del 20%, ¿cuáles son los puntos clave de la nueva estructura de la EF?

Según medios, la Fundación Ethereum (EF) anunció el 23 de junio una reestructuración organizativa, despidiendo a 54 empleados, aproximadamente el 20% de su plantilla. La organización se ha rediseñado en cinco clústeres principales: Protocolo, Acceso, Usuario, Comunidad e Institucional. El objetivo oficial, en línea con su "Mandato" y su política de gestión de tesorería, es crear una estructura más ágil y enfocada en los principios de soberanía personal y resistencia a la captura, resumidos en el acrónimo CROPS (censorship-resistant, open-source & free, private, secure). La reestructuración busca afianzar el trabajo en el protocolo base y garantizar que los usuarios mantengan una ruta de acceso sin intermediarios. A los empleados despedidos se les ofrecerá una indemnización superior al mínimo legal y apoyo para encontrar roles dentro del ecosistema Ethereum. Aunque la EF describe el cambio como una reorientación estratégica para cumplir mejor su misión a largo plazo, coincide con un período de cambios en su liderazgo y creciente discusión externa sobre la fragmentación del ecosistema, la competencia de las L2 y la presión regulatoria. La EF no ha revelado la distribución presupuestaria detallada ni los KPI de los nuevos clústeres. La incógnita clave es cómo se reasignarán los recursos y si esto afectará el ritmo de las actualizaciones del protocolo, el apoyo al ecosistema o el enfoque ante instituciones y reguladores. La Fundación ha prometido proporcionar más detalles en las próximas semanas y meses.

marsbitHace 7 min(s)

Después de un recorte del 20%, ¿cuáles son los puntos clave de la nueva estructura de la EF?

marsbitHace 7 min(s)

El bot MEV más avanzado, robado por 7.5 millones de dólares: ¿Es la 'Aprobación' el riesgo fatal más desatendido en la cadena?

**Resumen: El ataque a un bot de MEV subraya el riesgo crítico y subestimado de las autorizaciones (Approvals) en blockchain** Un sofisticado bot de MEvalor (MEV) en Ethereum, conocido por ejecutar ataques de "sándwich", fue víctima de un ataque inverso que resultó en la pérdida de aproximadamente 7.5 millones de dólares. El atacante no explotó una vulnerabilidad tradicional, sino que diseñó una trampa a medida: durante semanas, desplegó tokens y pools de liquidez falsos que simulaban oportunidades de arbitraje. Esto engañó al sistema automatizado del bot para que otorgara autorizaciones (approvals) de ERC-20 a contratos maliciosos, permitiendo finalmente el drenaje "legal" de sus fondos. Este incidente revela el peligro fundamental de la función de autorización, un mecanismo esencial para que los contratos inteligentes interactúen con los tokens de los usuarios en DeFi. Similar a un permiso de débito automático, una vez concedida, una autorización puede permitir que un contrato retire fondos repetidamente sin más confirmaciones. Los riesgos clave incluyen: 1. **Autorizaciones ilimitadas:** Los usuarios a menudo aprueban cantidades máximas por conveniencia, exponiendo todos sus fondos presentes y futuros. 2. **Persistencia del permiso:** Las autorizaciones permanecen activas en blockchain incluso después de desconectar una cartera o dejar de usar una dApp. 3. **Evolución del riesgo:** Un contrato inicialmente legítimo puede volverse malicioso tras una actualización, un hackeo o una filtración de claves. Para gestionar este riesgo, los usuarios deben adoptar el **principio del menor privilegio** (aprobar solo el monto necesario para una transacción específica), usar **carteras separadas** para almacenamiento e interacciones de alto riesgo, y **revisar y revocar periódicamente** autorizaciones innecesarias usando herramientas como Revoke.cash o funciones integradas en carteras como imToken. Las carteras también tienen un papel crucial en la protección proactiva, implementando advertencias para interacciones riesgosas, analizando y presentando de forma legible el contenido de las firmas (firmado legible o "clear signing") para garantizar que los usuarios comprendan qué están autorizando. La seguridad en Web3 no depende solo de proteger la clave privada, sino también de gestionar activamente a quién se le concede permiso para acceder a los activos, un esfuerzo que requiere tanto conciencia del usuario como mejores herramientas.

marsbitHace 11 min(s)

El bot MEV más avanzado, robado por 7.5 millones de dólares: ¿Es la 'Aprobación' el riesgo fatal más desatendido en la cadena?

marsbitHace 11 min(s)

Los metales preciosos caen, ¿qué señal está enviando el oro al mercado?

## Resumen en español europeo En junio, se observó una caída simultánea del índice surcoreano KOSPI y de los metales preciosos, un comportamiento atípico ya que, en contextos de aversión al riesgo, el oro suele actuar como refugio. La explicación subyacente no es la búsqueda de seguridad, sino el aumento del coste de mantener activos inciertos, principalmente impulsado por la subida de los **tipos de interés reales**. Cuando estos aumentan, los activos que no generan intereses, como el oro y la plata, pierden atractivo frente a bonos o efectivo, mientras que las acciones de crecimiento, como las tecnológicas, ven presionadas sus valoraciones. El reciente giro hacia un tono más duro (hawkish) por parte de la Reserva Federal bajo Kevin Warsh, que sugiere que los tipos altos podrían mantenerse durante más tiempo, ha devuelto el poder de fijación de precios a corto plazo a los tipos de interés y al dólar. Este es el factor clave que presiona al oro, haciendo que su **coste de oportunidad** (por no generar rendimiento) prime sobre su demanda tradicional de refugio a corto plazo. La ruptura del nivel psicológico de 4100 dólares por onza acerca al oro a probar un soporte crucial en 4000, y una caída por debajo podría desencadenar ventas técnicas. La caída paralela del oro y la plata indica que el mercado está vendiendo activos para **revalorar la liquidez y el coste del dinero**, no que el oro haya perdido su función de cobertura a largo plazo. El colapso del mercado surcoreano, impulsado por ventas en acciones de semiconductores, no es la causa de la caída del metal precioso, sino un **síntoma amplificado de la misma presión macroeconómica**: expectativas de tipos más altos y un dólar más fuerte. En conclusión, la sincronía en las caídas recuerda que activos aparentemente diversos (acciones tecnológicas y metales preciosos) pueden compartir la misma exposición a un **único factor macro**: el precio del dinero. El futuro de los metales preciosos a corto plazo dependerá de cuánto persistan las presiones de los tipos de interés y el dólar, y de si la demanda de refugio, las compras de bancos centrales y la demanda industrial pueden contrarrestarlas a tiempo.

marsbitHace 20 min(s)

Los metales preciosos caen, ¿qué señal está enviando el oro al mercado?

marsbitHace 20 min(s)

Las acciones de chips lideran las caídas en Wall Street, ¿las operaciones con IA están siendo afectadas por las tasas de interés y los rendimientos?

Las acciones de chips lideran las caídas en Wall Street, arrastrando a todo el sector tecnológico y de IA. El Nasdaq cayó un 2,2% y el S&P 500 un 1,4% el 23 de junio. La presión proviene de dos frentes: el repentino endurecimiento de las expectativas de subida de tasas de la Fed y las dudas sobre cuándo las grandes inversiones en IA de las tecnológicas se traducirán en ganancias claras. Las ventas se concentraron primero en la cadena de hardware: Nvidia cayó un 4%, Micron se desplomó un 13,2%, y fabricantes de memoria como SK Hynix y Samsung también sufrieron fuertes pérdidas. Esto indica que los inversores están tomando ganancias en los activos más sobrecomprados. El cambio en el sentimiento sobre las tasas de interés presiona a las acciones de crecimiento con valuaciones elevadas, como las de IA. Simultáneamente, los mercados comienzan a cuestionar la rentabilidad de los masivos gastos de capital en IA de gigantes como Alphabet o Amazon. Aunque la demanda de hardware para IA sigue siendo sólida, el mercado está reevaluando el precio que está dispuesto a pagar por un crecimiento futuro en un entorno de dinero más caro y rentabilidad aún lejana. Los próximos informes de empresas como Micron y los datos de inflación serán claves para determinar si esto es un ajuste saludable o el inicio de un cambio más profundo.

marsbitHace 1 hora(s)

Las acciones de chips lideran las caídas en Wall Street, ¿las operaciones con IA están siendo afectadas por las tasas de interés y los rendimientos?

marsbitHace 1 hora(s)

Nuevo artículo de OpenAI: ¿Cómo entrenar a una IA que 'no se vuelve maliciosa bajo presión'?

Los modelos de IA, aunque aparentemente fiables, pueden cruzar límites de seguridad bajo presión o entrenamiento malicioso. Un nuevo artículo de OpenAI, "Reinforcement Learning Towards Broadly and Persistently Beneficial Models", explora cómo mantener un comportamiento beneficioso y estable en escenarios nuevos y de alto riesgo, más allá de listas de prohibiciones. La investigación se centra en usar el aprendizaje por refuerzo para fomentar rasgos positivos, como honestidad, transparencia, capacidad de corrección y percepción de riesgos, en lugar de solo evitar comportamientos dañinos. El estudio utilizó un conjunto de datos de diálogo sintético que abarca 12 áreas como medicina y derecho, evaluando 15 rasgos beneficiosos. Los resultados mostraron que reemplazar solo el 5% de los datos de entrenamiento estándar con ejemplos de estos rasgos mejoró significativamente el alineamiento del modelo en múltiples evaluaciones, incluso en dominios no relacionados (por ejemplo, entrenar con datos de salud mejoró el comportamiento en código o ética). Además, los modelos entrenados con estos rasgos demostraron una mayor "persistencia del alineamiento", manteniendo un mejor comportamiento bajo "prompts" adversos o ajustes finos maliciosos, y mostraron una degradación menor y menos generalizada. Esto sugiere que el aprendizaje fomenta una tendencia subyacente hacia la prudencia y la toma de decisiones robustas. OpenAI señala que esto no resuelve completamente el problema de alineamiento, pero representa un paso hacia modelar un comportamiento más confiable y predecible en tareas complejas.

marsbitHace 1 hora(s)

Nuevo artículo de OpenAI: ¿Cómo entrenar a una IA que 'no se vuelve maliciosa bajo presión'?

marsbitHace 1 hora(s)

Trading

Spot
Futuros
活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow