OFAC制裁使用加密货币支付的俄罗斯无人机开发商KB Vostok

金色财经Publié le 2024-08-28Dernière mise à jour le 2024-08-28

来源:Chainalysis;编译:陶朱,金色财经

2024 年 8 月 23 日,美国财政部外国资产控制办公室 (OFAC) 宣布对近 400 家实体实施进一步制裁,这是多边努力削弱俄罗斯军事供应链和采购网络的一部分。今天被制裁的实体包括 KB Vostok OOO,这是一家俄罗斯无人机 (UAV) 开发商,以设计俄罗斯军队在乌克兰使用的无人机而闻名。KB Vostok 不仅在其网站上征集加密货币捐款,还可能通过加密货币促进无人机的销售。

KB Vostok 是谁?

据财政部新闻稿称,该公司又名东方设计局,负责设计俄罗斯军队部署的无人机。

新闻稿将东方设计局的 Scalpel 无人机描述为“单向攻击平台,可搭载重达 5 公斤的有效载荷”。该公司在 2023 年 9 月俄罗斯通讯社塔斯社报道的一份声明中指出,“我们正在与军方就飞机的技术要求进行持续对话。”

截图显示了东方设计局推销这些无人机的宣传材料。

n9GfifyYyqHrLNSNSyJujfcxUT16AiuVfq573RRr.jpeg

hgxSQK2jAfLPdAhIydfelJgC8DsV4CbEX5ArwZuD.jpeg

据俄罗斯媒体报道,与同类无人机相比,“手术刀”无人机生产简单、价格实惠,每架无人机售价约为 20 万卢布,约合 2,200 美元。鉴于俄罗斯面临巨大的制裁压力(俄罗斯与伊朗密切合作,在乌克兰采购和部署致命无人机),以及在冲突地区部署更可持续、更实惠的无人机的普遍趋势,更实惠的无人机的出现具有重要意义。

检查 KB Vostok 的链上活动

OFAC 的指定包括一个用于募集捐款的 USDT 钱包地址,在下面的 KB Vostok 网站的截图中也可以看到。

7QyyQgho7AAOn9sLz1cRUWzyt7zReBHti28jvjG5.jpeg

对钱包链上活动的分析显示,KB Vostok 性价比高的无人机可能被购买。在下面的 Chainalysis Investigations 图表中,我们看到了可能代表购买 Scalpel 的交易。

usrayaidHnvAzksrDvVwbnlPwqwO9sR0SDiCLc9A.png

在 OFAC 特别指定国民 (SDN) 名单上的 KB Vostok 地址收到的 18 笔 USDT 存款中,有 16 笔来自同一个交易对手。如上图所示,这些存款的价格通常与 Scalpel 的价格相近或成倍数。这可能表明该交易对手可能正在从 KB Vostok 购买无人机。

鉴于 KB Vostok 对俄罗斯军事行动的直接物质支持,以及交易对手处理的数量,交易对手可能是俄罗斯军事供应链中更大的实体,可能属于企业而非个人用户。自 2023 年 1 月 12 日以来,该交易对手已处理了近 4000 万美元的转账,通常一次转账数十万或数百万美元。

此外,交易对手在受制裁的俄罗斯交易所 Garantex 使用了多个存款地址。这些存款地址累计处理了超过 1 亿美元的 USDT,表明如果该钱包的所有者与俄罗斯的军事供应链有联系,那么他们正在广泛利用 Garantex 来促进该活动,如下所示。

a3WlTHF56Nz3Zd1v6eAfKy10Ind20AsFeVAQusSZ.pngOFAC 对 KB Vostok 及其相关钱包地址的指定凸显了俄罗斯战争机器使用加密货币资助军事活动的持续趋势。与针对俄罗斯涉及加密货币的军事行动的其他制裁一样,这一行动凸显了区块链分析在追踪和破坏这些努力方面发挥的关键作用。

随着加密货币日益融入全球金融体系,美国政府正在努力破坏俄罗斯军工综合体的金融便利网络,包括通过加密货币,这证实了其削弱敌对军事能力和支持乌克兰防御的承诺。

Lectures associées

Tiger Research : Les cartes de paiement crypto de 1,5 milliard de dollars de transactions mensuelles, coincées dans les années 1990

L'article analyse le développement actuel des cartes de paiement en cryptomonnaies, soulignant que malgré une croissance impressionnante des volumes transactionnels mensuels (atteignant 15 milliards de dollars), le secteur en est encore à un stade rudimentaire, comparable à celui des cartes de débit des années 1990. Le principal défi identifié est l'absence de relation financière habituelle avec les utilisateurs. Contrairement aux comptes bancaires traditionnels utilisés pour les salaires et les prélèvements, la plupart des portefeuilles crypto ne permettent pas ces flux, les utilisateurs se contentant de recharger des stablecoins. La demande provient principalement des marchés émergents (Bangladesh, Inde, Égypte, Nigéria) où l'accès aux services financiers en dollars est limité, et non des économies développées. L'article détaille quatre modèles commerciaux dominants : les infrastructures d'émission de cartes (comme Rain), les cartes liées aux plateformes d'échange (pour fidéliser les clients), les portefeuilles décentralisés (DeFi) et les "néobanques" à stablecoins. Chacun présente des limites, notamment des barrières techniques, une expérience utilisateur complexe ou une dépendance à des incitations comme les remises en jetons. La conclusion est que la fonction de paiement pure est insuffisante pour une viabilité à long terme. Pour réussir, les acteurs doivent : 1) Contrôler directement les flux de capitaux, 2) Consolider leur position dans les marchés émergents porteurs, et 3) Construire un système de compte utilisateur propriétaire et indispensable, similaire au compte bancaire principal traditionnel. Sans cela, les cartes de paiement crypto risquent de rester des outils de niche prépayés.

marsbitIl y a 48 mins

Tiger Research : Les cartes de paiement crypto de 1,5 milliard de dollars de transactions mensuelles, coincées dans les années 1990

marsbitIl y a 48 mins

Un latte à 0,38 RMB, Gemini 3.1 et GPT-5.5 mettent un café en faillite, 210 000 RMB brûlés en 2 mois

À Stockholm, un petit café de 40 m² appelé Andon Café a été entièrement géré par un agent IA nommé Mona, propulsé par Gemini 3.1 Pro. Pendant deux mois, Mona a pris toutes les décisions : achats, prix, marketing, emploi du temps. Le résultat a été catastrophique sur le plan financier. Mona a approuvé sans vérification des remises extrêmes, comme une réduction de 99% sur un café, le vendant à l'équivalent de 0,38 yuan. Elle a accepté de financer intégralement des événements coûteux proposés par des clients et a effectué des achats massifs et inadaptés (huile d'olive pour deux ans, tomates alors qu'aucun plat n'en nécessitait), créant un énorme gaspillage. Les stocks invendus pourrissaient tandis que des ingrédients essentiels manquaient pour le menu. Malgré un bilan comptable affichant des profits, le café a perdu 21 000 dollars, brûlant ses réserves de trésorerie. Mi-juin, l'équipe a remplacé le modèle par GPT-5.5. L'IA est devenue extrêmement prudente, refusant presque toutes les propositions de collaboration et réduisant les achats au point de rendre des articles du menu indisponibles. Bien que rentable sur le papier, cette version a étouffé toute opportunité de croissance, refusant par exemple d'étendre les horaires d'ouverture malgré une analyse suggérant son potentiel. Cette expérience révèle le fossé entre l'intelligence des modèles de langage et la prise de décision fiable dans le monde réel. Formés à satisfaire les requêtes, ils manquent de jugement pratique et de compréhension contextuelle pour gérer une entreprise, oscillant entre une générosité ruineuse et une prudence paralysante.

marsbitIl y a 1 h

Un latte à 0,38 RMB, Gemini 3.1 et GPT-5.5 mettent un café en faillite, 210 000 RMB brûlés en 2 mois

marsbitIl y a 1 h

Trading

Spot
活动图片