Хакер Loopscale ведет переговоры о возврате украденной криптовалюты

cryptonews.ruPublicado a 2024-09-29Actualizado a 2025-04-29

Хакер, стоящий за недавним эксплойтом Loopscale на 5,8 млн долларов, ведет переговоры о возврате украденных средств в обмен на вознаграждение, заявил протокол на базе Solana.

26 апреля он украл около 5,7 млн ​​долларов США и 1200 токенов SOL из двух хранилищ доходности Loopscale, что побудило протокол децентрализованных финансов временно приостановить свои кредитные рынки.

На следующий день хакеры отправили ончейновое сообщение, «указывающее на готовность вернуть украденные средства в обмен на вознаграждение», — сообщил Loopscale в сообщении X от 27 апреля.

«Мы согласны сотрудничать с вами для достижения соглашения «белой шляпы». Однако мы хотели бы обсудить процент вознаграждения; мы ожидаем 20%», — сказал хакер. «Чтобы продемонстрировать нашу приверженность кооперативному подходу, мы немедленно вернем 5000 средств wSOL после передачи этого сообщения», — добавили они.

Согласно публичному обмену сообщениями на Etherscan, переговоры по оставшимся средствам продолжаются.


Сообщения, которыми обменивались с хакером Loopscale. Источник: Etherscan

Эксплоит

Протоколы Web3 часто предлагают вознаграждения хакерам в обмен на возврат утерянных средств. Однако удалось вернуть лишь небольшую часть из более чем 1,6 млрд долларов в криптовалюте, украденной в первом квартале 2025 года.

Эксплойт Loopscale затронул только хранилища USDC и SOL протокола, при этом потери составили около 12% от общей заблокированной стоимости (TVL), сообщила соучредитель Loopscale Мэри Гунератне в сообщении X от 26 апреля.


Источник: Loopscale

После атаки Loopscale временно приостановил кредитование, но с тех пор «возобновил погашение кредитов, пополнение и закрытие цикла», — говорится в сообщении X.

«Все остальные функции приложения (включая снятие средств из хранилища) по-прежнему временно ограничены, пока мы расследуем и обеспечиваем смягчение последствий этого эксплойта», — заявил Loopscale.

Запущенный 10 апреля Loopscale — это кредитный протокол DeFi, цель которого — повысить эффективность капитала за счет прямого сопоставления кредиторов и заемщиков.

Кроме того, Loopscale способствует развитию специализированных рынков кредитования, таких как «структурированный кредит, финансирование дебиторской задолженности и кредитование с недостаточным обеспечением», — говорится в апрельском объявлении.

Lecturas Relacionadas

Claude se volvió 'tonto' en toda la red, y Anthropic aclara el motivo: No es el modelo quien te falla

**Los usuarios de Claude Code se quejaban de que el modelo se volvió más torpe, pero Anthropic aclara: el problema no era el modelo, sino el ajuste de "Esfuerzo".** En marzo, muchos desarrolladores notaron que Claude Code parecía menos competente: omitía leer archivos o ejecutar pruebas. La comunidad criticó fuertemente a Anthropic. La causa real fue un cambio en la configuración predeterminada del nivel de **Esfuerzo (Effort)**, de "alto" a "medio", realizado para reducir la latencia. Este ajuste afectó cuánto trabajo invertía Claude en una tarea, no su conocimiento fundamental. Anthropic explica la diferencia clave entre **Modelo** y **Esfuerzo**: * **Modelo (Sonnet, Opus, Fable):** Representa la "inteligencia" o conocimiento base del modelo (pesos congelados del entrenamiento). Cambiarlo resuelve problemas de "¿puede hacerlo?". * **Esfuerzo (Effort):** Representa la "actitud" o cuánto trabajo está dispuesto a realizar en una tarea específica (leer archivos, ejecutar pruebas, verificar). Un Esfuerzo bajo hace que Claude responda rápido pero pida más contexto; un Esfuerzo alto lo hace investigar y trabajar de forma más autónoma. **Conclusión importante:** Un modelo más pequeño (como Sonnet) con un Esfuerzo alto puede superar a un modelo más grande (como Opus) con un Esfuerzo bajo en muchas tareas. El cambio de marzo demostró que los usuarios a menudo subestimaban el impacto del control de Esfuerzo, culpando erróneamente al modelo. **Marco para solucionar problemas:** 1. Verifica primero el contexto y las instrucciones (prompt). 2. Si Claude se equivoca, pregúntate: **¿Es que "no sabe" o "no se esfuerza lo suficiente"?** * **No se esfuerza (ej., omite pasos):** Aumenta el nivel de Esfuerzo. * **No sabe (ej., errores persistentes a pesar del contexto):** Cambia a un modelo más capaz. La lección es que el uso efectivo de herramientas de IA como Claude Code ya no se trata solo de elegir el modelo más potente, sino de aprender a **gestionar y asignar recursos** (modelo y esfuerzo) de manera inteligente para cada tarea, optimizando tanto el rendimiento como el coste.

marsbitHace 58 min(s)

Claude se volvió 'tonto' en toda la red, y Anthropic aclara el motivo: No es el modelo quien te falla

marsbitHace 58 min(s)

Casi un centenar de jugadores se lanzan al sector de datos embodiment: 44.700 millones de financiación en un año, ¿quién puede ganar dinero realmente "vendiendo datos"?

**Resumen en español europeo:** Más de 90 empresas, incluidas 70 dedicadas a la recopilación, compiten en el emergente campo de los datos de inteligencia encarnada en China. En el último año, 15 proveedores de datos independientes recaudaron aproximadamente 4.470 millones de RMB. El artículo, basado en estadísticas de "Quantum Bit", describe diez aspectos clave del sector: 1. **Métodos de recopilación:** Se dividen en cuatro categorías: teleoperación de robots reales, recopilación sin robot (con captura de movimiento), simulación y destilación de vídeos de internet. La mayoría de las empresas (43%) utilizan múltiples métodos, siendo la teleoperación la ruta única más común (31%). 2. **Perfil de los actores:** Los proveedores de datos independientes son el grupo más numeroso (40%), seguidos por plataformas de datos estatales (26%) y fabricantes de robots (25%). Dos tercios de las empresas son "nativas" del sector. 3. **Capacidad y distribución:** La capacidad anual actual se estima en 1,6-1,8 millones de horas, con el objetivo de multiplicarla por 15-20 en 1-3 años. Las "fábricas de datos" están presentes en 20 provincias, concentrándose en el delta del Yangtsé. 4. **Financiación y etapa:** La financiación del último año para proveedores independientes (44.700 millones RMB) es modesta comparada con la inversión total en inteligencia encarnada. El sector está muy fragmentado, con una sola "unicornio" (Lightwheel AI) que acaparó el 70% de la inversión. 69 fondos han invertido, pero ninguno de forma significativa, mostrando cautela. 5. **Conclusión:** El mercado de datos encarnados es ya una industria independiente y generadora de empleo, pero se encuentra en una fase muy temprana. Aún no está claro si "vender datos" será un negocio rentable, y los próximos 1-2 años serán cruciales para validar el modelo.

marsbitHace 4 hora(s)

Casi un centenar de jugadores se lanzan al sector de datos embodiment: 44.700 millones de financiación en un año, ¿quién puede ganar dinero realmente "vendiendo datos"?

marsbitHace 4 hora(s)

Trading

Spot
活动图片