DeFi Thala удалось вернуть украденные криптовалюты на $25,5 млн

investing.ruPublié le 2024-11-17Dernière mise à jour le 2024-11-17

Happycoin.club - DeFi Thala удалось вернуть криптовалюты на сумму $25,5 млн, похищенные в результате хакерской атаки 15 ноября.

Представители Thala сообщили, что злоумышленник смог украсть цифровые активы, воспользовавшись уязвимостью в недавно обновлённых смарт-контрактах. Он получил несанкционированный доступ к криптохранилищам платформы и завладел монетами, находившимися в пулах ликвидности.

Мы сразу же отключили все релевантные смарт-контракты и заморозили выпущенные Thala токены (MOD на сумму $9 млн и THL стоимостью $2,5 млн).

При поддержке стражей правопорядка, Seal 911, Ogle [белые хакеры] и других нам удалось быстро идентифицировать личность преступника и договориться о возврате всех активов в обмен на вознаграждение в размере $300 000, — написали работники Thala.

Очевидно, что хакер решил отдать похищенные монеты, чтобы избежать уголовного наказания. Благодаря этому клиентам Thala компенсируют убытки в полной мере, однако смарт-контракты с выявленной уязвимостью пока не работают. Сейчас сотрудники стартапа проводят комплексную аудиторскую проверку, чтобы исключить вероятность повторения аналогичных инцидентов.

Thala предоставляет децентрализованные сервисы, связанные с кредитами, стейкингом и торговлей цифровыми активами. Платформой пользуются почти 600 000 человек, а стоимость заблокированных на площадке криптовалют оценивается в $153,4 млн. Таким образом, хакер смог украсть 16,6% хранившихся в криптокошельках монет.

Читайте оригинальную статью на сайте Happycoin.club

Lectures associées

Dernier article long de Fei-Fei Li : Lorsque la génération vidéo, la robotique et NVIDIA se disent tous des modèles du monde, nous avons besoin d'une taxonomie

Dans un article, Li Fei-Fei propose une taxonomie pour clarifier le terme largement utilisé et souvent confus de « modèle du monde » en IA. Elle s'appuie sur le cadre classique du POMDP (processus de décision markovien partiellement observable) où un agent exécute des actions qui modifient l'état du monde, et reçoit en retour des observations. Elle distingue trois catégories fonctionnelles de « modèles du monde » selon leur sortie dans cette boucle : 1. **Le moteur de rendu (Renderer)** : Génère des observations (pixels visuels). Son critère est la fidélité visuelle (ex : Sora, Genie). Commercialement mature, il a une limite car la beauté ne garantit pas l'exactitude physique. 2. **Le simulateur (Simulator)** : Génère ou modélise des états du monde, avec une représentation géométrique et physiquement précise (ex : Omniverse de NVIDIA). C'est le pont clé et sous-estimé, car il sert à la fois aux humains (visualisation) et aux machines (entraînement de robots, planification). Il travaille sur la structure même du monde (géométrie, physique). 3. **Le planificateur (Planner)** : Génère des actions. À partir d'une observation et d'un but, il détermine la prochaine action d'un agent (ex : modèles vision-langage-action). C'est le plus excitant mais le moins mature, avec un écart important entre les démonstrations en labo et un déploiement réel fiable. Li Fei-Fei argue que le simulateur est le pivot crucial, car la maîtrise de la simulation fournit une base pour le rendu et la planification. La tendance actuelle est à la fusion de ces trois catégories, reposant sur l'idée qu'elles partagent une compréhension sous-jacente commune du monde. L'objectif final est un modèle du monde unifié capable de basculer entre ces fonctions. Cette convergence redéfinira l'intelligence spatiale, permettant aux machines non seulement de parler du monde (via le langage) mais de le comprendre, de l'imaginer et d'interagir avec lui.

marsbitIl y a 4 h

Dernier article long de Fei-Fei Li : Lorsque la génération vidéo, la robotique et NVIDIA se disent tous des modèles du monde, nous avons besoin d'une taxonomie

marsbitIl y a 4 h

Trading

Spot
活动图片