El Crimen Cripto Recibe un Duro Golpe: 700 Millones de Dólares Congelados por el Grupo de Acción del Departamento de Justicia

bitcoinistPublicado a 2026-04-25Actualizado a 2026-04-25

Resumen

Resumen: El Departamento de Justicia de EE.UU. congeló más de 700 millones de dólares en criptomonedas vinculadas a estafas de inversión. La operación derribó 500 sitios web fraudulentos y un canal de Telegram utilizado para reclutar víctimas. Se emitieron órdenes de arresto contra dos ciudadanos chinos acusados de operar un esquema de fraude en Birmania. El Departamento de Estado ofreció una recompensa de 10 millones por información sobre estos centros de estafa. Singapur también realizó una operación paralela evitando pérdidas de 2.86 millones. Las pérdidas totales por cibercrimen superaron los 20 mil millones de dólares en 2025.

Un grupo de trabajo de aplicación de la ley de EE.UU. incautó cientos de sitios web de inversión falsos y desclasificó órdenes de arresto contra dos sospechosos vinculados a un complejo de estafas cripto en Birmania.

Recompensa de EE.UU. por Información sobre Centros de Estafa

El Departamento de Estado de EE.UU. está ofreciendo 10 millones de dólares a cualquier persona que ayude a desarticular los centros de estafa Tai Chang en Birmania — una recompensa que indica la seriedad con la que Washington se está tomando el problema del fraude industrializado en el Sudeste Asiático.

Ese anuncio llegó junto con una acción contundente el jueves del Grupo de Acción contra Centros de Estafa de EE.UU., que dijo haber congelado más de 700 millones de dólares en criptomonedas conectadas a estafas de inversión dirigidas a víctimas estadounidenses.

Los fondos fueron retenidos mediante una combinación de cooperación voluntaria de exchanges de criptomonedas y procesos legales formales.

Sitios Falsos, un Canal de Telegram Incautado y Dos Órdenes de Arresto

El alcance de la operación fue más allá de las congelaciones de activos. Las autoridades derribaron más de 500 sitios web de inversión fraudulentos que se habían utilizado para atraer a las víctimas a depositar criptomonedas. Los visitantes que intentan acceder a esos dominios ahora ven un aviso de incautación del gobierno.

También se incautó un canal de Telegram. Los informes dicen que había sido utilizado para reclutar buscadores de empleo desprevenidos en un centro de estafas cripto que operaba en Camboya — una táctica común en el Sudeste Asiático, donde los traficantes se hacen pasar por empleadores para atraer a trabajadores hacia trabajo forzado en complejos de fraude.

Fuente: Departamento de Justicia de EE.UU.

Dos ciudadanos chinos, Huang Xingshan y Jiang Wen Jie, fueron nombrados en denuncias penales y órdenes de arresto desclasificadas como parte de la operación. Se acusa a la pareja de dirigir un esquema de fraude de inversión en criptomonedas en el complejo Shunda en Birmania. Esa instalación fue tomada por el Ejército de Liberación Nacional Karen en noviembre de 2025.

Exchanges y Empresas de Blockchain se Unen a la Lucha

EE.UU. no actuó solo el jueves. La policía de Singapur ejecutó una operación paralela de un mes de duración desde mediados de marzo hasta mediados de abril, trabajando junto a Coinbase, Gemini, Coinhako, Independent Reserve, y las empresas de análisis blockchain TRM Labs y Chainalysis.

BTCUSD cotizando actualmente a $78,076. Gráfico: TradingView

Ese esfuerzo evitó más de 2.86 millones de dólares en pérdidas potenciales e incluyó más de 90 intervenciones directas con víctimas de estafas — algunas por teléfono, otras en persona.

La disposición de las principales plataformas de criptomonedas a cooperar con la aplicación de la ley marca un cambio en cómo se están manejando estos casos. Las transacciones blockchain son rastreables, y esa transparencia se está utilizando cada vez más contra los mismos criminales que confían en las criptomonedas por su velocidad y anonimato.

Pérdidas que Alcanzan los Miles de Millones

La escala del problema es difícil de exagerar. El FBI recibió más de un millón de quejas de cibercrimen solo en 2025, con pérdidas totales reportadas superando los 20 mil millones de dólares.

Los 701 millones de dólares congelados el jueves, aunque una cifra significativa, representan una fracción de lo que ya se ha perdido.

Imagen destacada de Meta, gráfico de TradingView

Preguntas relacionadas

Q¿Qué cantidad de criptomonedas fue congelada por la Fuerza de Tareas contra Centros de Estafa de EE.UU. y cómo se logró?

ALa Fuerza de Tareas congeló más de 700 millones de dólares en criptomonedas. Esto se logró mediante una combinación de cooperación voluntaria de exchanges de cripto y procesos legales formales.

Q¿Qué recompensa ofrece el Departamento de Estado de EE.UU. y por qué información específica?

AEl Departamento de Estado ofrece una recompensa de 10 millones de dólares a cualquier persona que proporcione información que ayude a desarticular los centros de estafa Tai Chang' en Birmania.

QAdemás de la congelación de fondos, ¿qué otras medidas tomaron las autoridades en esta operación?

ALas autoridades eliminaron más de 500 sitios web de inversión fraudulentos, incautaron un canal de Telegram utilizado para el reclutamiento y desclasificaron órdenes de arresto contra dos presuntos estafadores.

Q¿Quiénes son Huang Xingshan y Jiang Wen Jie y de qué se les acusa?

AHuang Xingshan y Jiang Wen Jie son dos ciudadanos chinos acusados de dirigir un esquema de fraude de inversión en criptomonedas en el complejo Shunda en Birmania.

Q¿Qué papel desempeñaron las empresas de criptomonedas y análisis de blockchain en la operación paralela de Singapur?

AEmpresas como Coinbase, Gemini, Coinhako, Independent Reserve, TRM Labs y Chainalysis colaboraron con la policía de Singapur, ayudando a prevenir más de 2.86 millones de dólares en pérdidas potenciales e interviniendo directamente con más de 90 víctimas de estafas.

Lecturas Relacionadas

a16z: La 'amnesia' de la IA, ¿puede curarla el aprendizaje continuo?

En el artículo de a16z, se explora la "amnesia" de la IA, comparándola con el personaje de "Memento" que no puede formar nuevos recuerdos. Los modelos de lenguaje actuales, tras su entrenamiento, congelan el conocimiento en sus parámetros, sin poder actualizarse con nueva información. Para compensar, se usan contextos externos como historiales de chat o sistemas de recuperación, pero estos no internalizan realmente el conocimiento. El aprendizaje contextual (ICL) es útil, pero tiene limitaciones: no maneja bien problemas que requieren descubrimiento genuino, adaptación adversarial o conocimiento implícito. La solución propuesta es el "aprendizaje continuo", donde los modelos actualizan sus parámetros después del despliegue, comprimiendo nueva información en lugar de solo recuperarla. Se discuten tres enfoques: 1. **Contexto**: Mejora de ventanas de contexto y sistemas de recuperación. 2. **Módulos**: Uso de adaptadores o memorias externas para especializar modelos. 3. **Pesos**: Actualización directa de parámetros mediante técnicas como metaaprendizaje o auto-mejora. Aunque el aprendizaje contextual es efectivo y escalable, el artículo argumenta que la compresión en los parámetros es crucial para problemas complejos. Sin embargo, actualizar pesos conlleva riesgos como olvido catastrófico o problemas de seguridad. El futuro probablemente combine contextos, módulos y actualizaciones de pesos para lograr IA que aprenda de verdad, no solo recuerde.

marsbitHace 2 hora(s)

a16z: La 'amnesia' de la IA, ¿puede curarla el aprendizaje continuo?

marsbitHace 2 hora(s)

¿Ganar 34.000 dólares con un secador de pelo? Desentrañando la paradoja de la reflexividad en los mercados de predicción

Un hombre ganó 34.000 dólares calentando un sensor meteorológico en el aeropuerto de París, lo que influyó en el resultado de un mercado de predicción de Polymarket. Este caso ilustra la paradoja central de los mercados de predicción: están diseñados para reflejar la realidad, pero su existencia incentiva a los participantes a manipularla. El artículo analiza cuatro tipos de mercados especialmente vulnerables: 1. **Datos físicos puntuales:** Como estaciones meteorológicas, fáciles de manipular físicamente. 2. **Información privilegiada:** Donde personas con conocimiento previo (ej. equipo de MrBeast o militares israelíes) aprovechan su ventaja. 3. **El sujeto del evento:** Cuando el propio actor (ej. Andrew Tate) puede alterar el resultado para beneficiarse. 4. **Acciones individuales:** Donde una persona puede provocar el evento apostado (ej. lanzar un objeto en un partido). La actitud de las plataformas varía. Kalshi, con verificación de identidad (KYC), aplica sanciones públicas y reporta a reguladores. Polymarket, más anónima, ha mostrado cierta tolerancia, argumentando que la información privilegiada hace que los precios sean más precisos, aunque colabora con las autoridades en casos graves. La paradoja final es que estos mercados, al financiarizar la realidad, dejan de ser espejos pasivos y se convierten en motores que pueden distorsionar los eventos que pretenden predecir. Cuanto más exitoso es un mercado, mayor es el incentivo para manipular la realidad que refleja.

marsbitHace 3 hora(s)

¿Ganar 34.000 dólares con un secador de pelo? Desentrañando la paradoja de la reflexividad en los mercados de predicción

marsbitHace 3 hora(s)

Trading

Spot
Futuros
活动图片