Chainalysis: Los flujos de criptomonedas hacia redes de tráfico aumentan un 85%

TheNewsCryptoPublicado a 2026-02-13Actualizado a 2026-02-13

Resumen

Chainalysis informa que los flujos de criptomonedas hacia redes de tráfico ilegal aumentaron un 85% en el último año, con redes asociadas a Telegram y un alto uso de stablecoins. Las transacciones vinculadas a servicios de escort internacionales superaron frecuentemente los $10,000, mostrando la profesionalización de estas actividades. Se identificaron cuatro categorías principales: servicios de escort, agentes de trabajo forzado, redes de prostitución y vendedores de material de abuso infantil. La transparencia de blockchain permite a las autoridades rastrear flujos e interrumpir operaciones. Las redes de prostitución y escort dependen mayormente de stablecoins, mientras que los vendedores de material abusivo migran a redes Layer 1. Las transacciones estructuradas revelan empresas criminales organizadas, con modelos de suscripción para contenido ilegal. También se observa mayor solapamiento con comunidades de extremismo en línea y uso de herramientas de privacidad.

Chainalysis, una plataforma de investigación y cumplimiento de criptomonedas, ha informado que los flujos de criptomonedas hacia servicios sospechosos de tráfico aumentaron un 85% el año pasado, con redes asociadas a Telegram y con alto uso de stablecoins, dejando series rastreables en la cadena.

Aproximadamente el 50% de las transacciones asociadas con servicios de acompañantes internacionales basados en Telegram superaron los $10,000, según el informe. Los datos muestran una creciente profesionalización de estas redes; sin embargo, la transparencia de la cadena de bloques se ha convertido en una herramienta de investigación para las fuerzas del orden.

Chainalysis rastreó cuatro categorías principales de actividad sospechosa de tráfico asistida por criptomonedas: servicios de acompañantes internacionales basados en Telegram, agentes de colocación laboral asociados con complejos de estafas, redes de prostitución y vendedores de material de abuso sexual infantil (CSAM).

El crecimiento está en línea con la expansión de complejos de estafas con sede en el sudeste asiático, operaciones de apuestas en línea y redes de lavado de dinero de habla china, muchas operando a través de Telegram, menciona el informe.

Las transacciones de cadena de bloques dejan rastros para siempre, a diferencia de las transacciones en efectivo. Los supervisores de las fuerzas del orden están utilizando esa visibilidad para rastrear flujos, reconocer puntos de estrangulamiento y interrumpir operaciones, según la empresa.

El comportamiento de pago varía según las categorías. Los servicios de acompañantes internacionales asociados a Telegram y las redes de prostitución dependen intensamente de stablecoins, según los datos. Anteriormente, los vendedores de CSAM elegían Bitcoin, pero ahora están optando fuertemente por redes de Capa 1.

Más sobre la transacción

Monero se utiliza ampliamente para el lavado en operaciones asociadas con CSAM. El uso de stablecoins indica que estas redes priorizan la estabilidad de precios y la rápida salida en lugar del riesgo de congelación de activos por parte de emisores centralizados, según el informe.

Los datos de tamaño de transacción muestran la naturaleza estructurada de estas operaciones. Aproximadamente la mitad de las transacciones de acompañantes basadas en Telegram superaron los $10,000; la red de prostitución se mantiene en el rango de $1,000 a $10,000, y las transacciones de CSAM son comparativamente más bajas, con muchas de ellas por debajo de $100.

Las transferencias grandes muestran empresas criminales organizadas y escaladas en lugar de actores aislados. La actividad asociada con CSAM continúa evolucionando. Los modelos de ingresos basados en suscripción lideran el sector, con pagos normalmente inferiores a $100 cada mes.

Los datos también revelan una mayor superposición entre comunidades de extremismo en línea sádico y un mayor uso de intercambiadores instantáneos y herramientas de privacidad.

Noticias destacadas de criptomonedas hoy:

La SEC de EE. UU. advierte que los mercados de predicción pueden estar sujetos a la ley de valores

EtiquetasChainalysiscomercio ilegalTelegram

Preguntas relacionadas

Q¿Qué porcentaje de aumento reportó Chainalysis en los flujos de criptomonedas hacia redes de tráfico sospechosas el año pasado?

AChainalysis reportó un aumento del 85% en los flujos de criptomonedas hacia servicios de tráfico sospechosos el año pasado.

Q¿A través de qué plataforma de mensajería están asociadas muchas de estas redes de tráfico según el informe?

AMuchas de estas redes de tráfico están asociadas con la plataforma de mensajería Telegram, según el informe.

Q¿Qué tipo de criptomoneda es ampliamente utilizada para el lavado de dinero en operaciones asociadas con material de abuso sexual infantil (CSAM)?

AMonero es ampliamente utilizada para el lavado de dinero en operaciones asociadas con material de abuso sexual infantil (CSAM).

Q¿Qué indica la preferencia por stablecoins en estas redes criminales, según el análisis?

ALa preferencia por stablecoins indica que estas redes priorizan la estabilidad de precios y la rápida conversión a dinero fiduciario, en lugar del riesgo de congelación de activos por parte de emisores centralizados.

Q¿Qué porcentaje de las transacciones de servicios de escort internacionales basados en Telegram superaron los $10,000?

AAproximadamente el 50% de las transacciones asociadas con servicios de escort internacionales basados en Telegram superaron los $10,000.

Lecturas Relacionadas

¿Rubin Ultra recorta especificaciones? ¿Ni siquiera NVIDIA puede soportar el aumento del precio de la memoria?

El informe de SemiAnalysis ha desencadenado un intenso debate en la industria de la IA al revelar posibles ajustes importantes en las especificaciones de Rubin Ultra, la próxima GPU flagship de NVIDIA para IA. Según el informe, Rubin Ultra mantendría el mismo pico teórico de potencia computacional (35 PFLOPs) que Rubin, pero sufriría una reducción significativa en la memoria: se especificaría con 192GB HBM apilado en 8 capas (8-Hi), incluso menos que los 288GB (12-Hi) de Rubin. El ancho de banda de memoria solo aumentaría ligeramente (1 TB/s), y el consumo energético sería similar o ligeramente superior. La mejora principal se centraría en la capacidad de interconexión a escala, soportando clusters de hasta 576 GPUs unidas mediante NVLink (frente a 72 en Rubin), creando un "super-GPU lógico". La causa principal de esta revisión sería el rápido aumento del precio de la memoria HBM, cuyo costo se habría triplicado desde 2025, impactando fuertemente el costo total de los sistemas. Al reducir la cantidad de HBM (bajando su participación en el costo del ~40% al ~28%) e invertir más en la interconexión (subiendo del 4% al 12%), NVIDIA optimizaría la relación costo-rendimiento del sistema completo. Esta noticia provocó una caída de aproximadamente el 8% en las acciones de los principales fabricantes de HBM, SK Hynix y Samsung, reflejando la preocupación del mercado sobre un posible punto de inflexión en la demanda de memoria de alta gama por parte del mayor comprador, NVIDIA, y el fin de una era de expansión sin restricciones en la infraestructura de IA.

Odaily星球日报Hace 9 min(s)

¿Rubin Ultra recorta especificaciones? ¿Ni siquiera NVIDIA puede soportar el aumento del precio de la memoria?

Odaily星球日报Hace 9 min(s)

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

El entrenamiento de modelos generativos siempre ha sido un reto debido a la "desviación por exposición" (exposure bias): durante el entrenamiento solo se aprenden pequeños pasos, mientras que la generación requiere cientos de iteraciones, lo que causa acumulación de errores. Esto ha impedido que los modelos generativos sean entrenados de extremo a extremo (end-to-end), a diferencia de otras tareas de aprendizaje profundo. Un reciente artículo de la Universidad de Illinois y Harvard introduce "Explorative Modeling (XM)", un nuevo paradigma que resuelve este problema mediante un bucle simple (for). La idea clave es que, en cada paso de entrenamiento, el modelo genera K candidatos y solo retropropaga el gradiente a partir del candidato más cercano a los datos reales. Este enfoque evita que el modelo converja a un promedio borroso entre múltiples modos (mode blurring), un problema inherente a las funciones de pérdida de reconstrucción típicas. XM identifica una tercera dimensión escalable, además de los parámetros y los datos: la "expresividad generativa". Los experimentos en imágenes, video y lenguaje muestran que aumentar la exploración (K) mejora monótonamente el rendimiento, con ganancias de eficiencia en FLOPs, muestras y parámetros. En tareas de control robótico, una política exploratoria XM iguala o supera a políticas de difusión que requieren 100 veces más cómputo en inferencia. El trabajo sugiere que, a gran escala, la expresividad generativa se convierte en el cuello de botella principal, y XM ofrece un camino para modelos generativos verdaderamente end-to-end, generando muestras de alta calidad en una sola pasada hacia adelante.

marsbitHace 1 hora(s)

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

marsbitHace 1 hora(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

Un investigador de DeepMind satiriza la nueva norma de ICLR que limita a 20 artículos por autor. La conferencia de IA ICLR 2027 ha establecido una nueva regla: cada autor solo puede figurar en un máximo de 20 trabajos enviados. Los que excedan este límite serán advertidos y, de no corregirse, algunos serán rechazados aleatoriamente. La justificación es la enorme presión sobre el sistema de revisión, tras un aumento del 68% en los envíos para ICLR 2026 (19,525 trabajos). Dan Roy, investigador de Google DeepMind, respondió con una "petición" irónica en X, pidiendo que se elimine el límite. Su mensaje, cargado de sarcasmo, sugiere que los agentes de IA ahora pueden producir investigaciones incrementales y que, "dado que todo el trabajo de revisión ya lo hacen los grandes modelos de lenguaje", debería animarse a enviar más trabajos, no menos. Su sátira apunta a un problema real: el uso de IA tanto en la autoría como en la revisión. Un análisis de 2025 detectó que aproximadamente el 21% de las revisiones de ICLR 2026 eran probablemente generadas completamente por IA. La broma de Roy plantea una pregunta seria: en un entorno donde agentes generan artículos, autores los envían en masa y revisores potencialmente usan IA, ¿limitar el número de envíos es la solución adecuada? El debate sobre la calidad versus la cantidad, y el papel de la IA en la academia, continúa.

marsbitHace 1 hora(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

marsbitHace 1 hora(s)

Trading

Spot
活动图片