BestChange: Причиной нашей блокировки могла стать недобросовестная конкуренция

investing.ruPublié le 2025-02-14Dernière mise à jour le 2025-02-14

Накануне блокировки сервера сайта BestChange.ru 13 февраля подверглись DDoS-атакам, направленным на перегрузку сетевой инфраструктуры, а также вывод из строя устройств и каналов связи. Кроме того, 10 февраля около 30 медиаресурсов опубликовали материалы, которые, по мнению команды BestChange.ru, выглядят как заказные, содержат недостоверную информацию и рекламу альтернативных платформ.

В негативных публикациях BestChange называли платформой «обмана пользователей» и сервисом, «который не может защитить своих клиентов». В качестве первопричин, повлекших за собой «множество жалоб», приводились отсутствие сервисной поддержки, проблемы с модерацией обменников и гарантиями безопасности, размещение не совсем достоверной информации о курсах криптоактивов.

«Характер публикаций указывает на возможную целенаправленную кампанию по дискредитации бренда BestChange. Массовый постинг мог быть нацелен на формирование впечатления о необходимости замены сервиса на альтернативные решения конкурентов. Рекламные площадки продолжают сообщать о запросах на публикацию ложно-негативных материалов о BestChange и попытках размещения рекламы конкурентов», ― говорится в документе, который сервис предоставил изданию ForkLog.

Представители BestChange не собираются участвовать в «репутационной войне» с конкурентами и намерены использовать законные контрмеры.

Ранее Роскомнадзор заблокировал доступ к BestChange.ru во внесудебном порядке по инициативе Банка России.

Читайте оригинальную статью на сайте Bits.media

Lectures associées

Vitalik Buterin affirme que l'obfuscation pourrait renforcer la confidentialité des blockchains

Le co-fondateur d'Ethereum, Vitalik Buterin, a publié une analyse sur l'obfuscation (obscurcissement) dans la cryptographie. Il explique que cette technique, qui transforme un code en une forme chiffrée tout en conservant ses fonctionnalités, pourrait renforcer la confidentialité et la sécurité des blockchains. Contrairement au chiffrement des données, l'obfuscation protège la logique même du code, permettant de créer des applications sans divulguer d'informations propriétaires. Buterin souligne que l'obfuscation seule est insuffisante pour gérer des actifs numériques, mais combinée à la technologie blockchain — qui enregistre la propriété de manière transparente — elle pourrait permettre des systèmes de paiement sécurisés, des applications financières et des opérations commerciales confidentielles, tout en réduisant le recours à des autorités centrales. Cependant, des difficultés techniques majeures persistent. Les recherches actuelles, comme l'obfuscation par indistinguabilité, aboutissent à des implémentations extrêmement inefficaces, certaines nécessitant un temps de calcul démesuré. Des améliorations en cryptographie et en mathématiques sont nécessaires. Buterin conclut que l'obfuscation pratique prendra du temps, mais qu'elle ouvrira la voie à des produits blockchain hautement sécurisés et sans tiers de confiance.

TheNewsCryptoIl y a 1 mins

Vitalik Buterin affirme que l'obfuscation pourrait renforcer la confidentialité des blockchains

TheNewsCryptoIl y a 1 mins

Transformer réinventé : Rendre les LLM plus intelligents en modifiant simplement leur architecture

En 2026, alors que l'industrie des grands modèles linguistiques (LLM) se concentre sur l'ajout de paramètres via des architectures comme le *Mixture of Experts* (MoE), une nouvelle étude propose une approche radicalement différente. Les chercheurs de Mila, Cornell et de l'Université de Montréal démontrent que redistribuer les paramètres existants au sein d'un modèle, sans en ajouter, peut significativement améliorer ses performances. Leur constat de départ : dans les Transformers standards, toutes les couches ont la même « capacité » (largeur du réseau feed-forward). Or, des recherches antérieures (sortie anticipée, élagage, interprétabilité) indiquent que ces couches n'ont pas la même importance. Les premières traitent des informations basiques (syntaxe), tandis que les dernières affinent la sémantique, parfois en répétant des conclusions déjà établies. L'équipe teste alors des modèles « effilés » (*Tapered Language Models* - TLMs), où la largeur du réseau feed-forward décroît progressivement des couches profondes vers les couches superficielles, tout en conservant la moyenne originale et donc le nombre total de paramètres et d'opérations. Plusieurs courbes de décroissance sont essayées : linéaire, cosinus et sigmoïde. Les résultats sont frappants. Sur un Transformer de 440M de paramètres, la configuration optimale (décroissance cosinus, largeur initiale x1.5, finale x0.5) réduit la perplexité de 16.28 à 14.44, une amélioration de 1.84 point sans coût supplémentaire. Cette conclusion se généralise à d'autres architectures (à attention à grille, Hope-attention, Titans) et à des modèles plus grands (760M, 1.3B), avec des gains systématiques en raisonnement et prédiction langagière, sans nuire à la gestion de longs contextes. L'explication réside dans l'analyse des sorties : les couches profondes montrent une plus forte similarité avec les informations déjà présentes, confirmant qu'elles « réitèrent » plus qu'elles ne « créent ». Allouer plus de capacité aux premières couches, qui font un travail de fondation plus varié, est donc plus efficace. Cette recherche met en lumière un levier de conception longtemps négligé : la forme de la distribution de la capacité, et non seulement sa quantité. Une simple réallocation des paramètres existants offre ainsi une amélioration significative et gratuite, une perspective applicable potentiellement aux Transformers visuels, aux modèles de diffusion et multimodaux.

marsbitIl y a 6 mins

Transformer réinventé : Rendre les LLM plus intelligents en modifiant simplement leur architecture

marsbitIl y a 6 mins

De SpaceX à Galaxy Digital, découvrez les 37 nouvelles entreprises d'IA et les 7 outsiders de la cryptomonnaie ajoutés par Russell

L'article de Odaily Planet Daily analyse la récente reconstitution des indices Russell américains (Russell 3000, 1000 et 2000), intervenue fin juin 2026, et qui a établi un record de volume transactionnel. Cette mise à jour, suivie par plus de 12 000 milliards de dollars d'actifs, a entraîné l'entrée de 224 nouvelles sociétés dans l'indice phare Russell 3000. Parmi ces nouvelles entrées, environ 37 entreprises (soit 17%) évoluent dans le secteur de l'IA et des semi-conducteurs. La plus notable est SpaceX, qui, après son introduction en bourse, a rejoint directement le Russell 1000 avec une valorisation dépassant 2000 milliards de dollars. Son inclusion devrait renforcer la part des actions de croissance dans les portefeuilles indices. Par ailleurs, environ 7 entreprises (3%) liées à la cryptomonnaie font leur apparition dans le Russell 3000, dont Galaxy Digital. Cinq d'entre elles sont actives dans le domaine des DAT (Digital Asset Trust), couvrant des écosystèmes comme ETH, SOL et TRON, signe de la pérennisation de ce modèle selon l'article. L'inclusion dans ces indices signifie que ces sociétés bénéficieront désormais d'achats automatiques de la part de fonds indiciels passifs, ce qui pourrait soutenir leur liquidité et leur performance boursière future.

Odaily星球日报Il y a 11 mins

De SpaceX à Galaxy Digital, découvrez les 37 nouvelles entreprises d'IA et les 7 outsiders de la cryptomonnaie ajoutés par Russell

Odaily星球日报Il y a 11 mins

Token est non économique

Le phénomène de « Token non économique » décrit la situation où les entreprises constatent une consommation élevée de tokens (unités de calcul des modèles d'IA) sans retour sur investissement proportionnel. Des acteurs comme Microsoft, Uber et Amazon ont rencontré des dépassements de budget et une faible qualité de production, les conduisant à resserrer leurs politiques d'utilisation. Cette inefficacité provient de plusieurs facteurs. Côté offre, les prix des tokens augmentent, notamment pour les modèles performants comme ceux d'Anthropic (Claude), tandis que les modèles économiques voient aussi leurs tarifs grimper avec la demande. Côté utilisation technique, des gaspillages structurels existent : pièges du contexte long, opacité des tokenizers entraînant une inflation des coûts, appels redondants à des compétences (skills) peu utiles, et surconsommation liée à la coordination et aux dérives dans les tâches longues des agents multiples. Le problème fondamental réside dans la demande. L'application efficace des tokens reste largement confinée à des scènes numériques comme l'assistance au codage, où la rétroaction automatique permet un apprentissage efficace. Pour des secteurs comme le droit, la vérification humaine reste indispensable, rendant le retour sur investissement plus faible. Le saut vers le monde physique (robotique) est encore plus difficile en raison du coût prohibitif de la validation dans la réalité, contrairement aux environnements simulés. Ces inefficacités concentrent les risques au milieu de la chaîne de valeur de l'IA. Les fabricants de modèles, bien que leurs revenus explosent, restent non rentables et dépendent de financements circulaires complexes avec les fournisseurs de matériel. Par ailleurs, l'expansion frénétique des centres de données nécessaires grève les ressources locales (électricité, eau), affectant les communautés. Pour inverser la tendance, des solutions techniques (compression sémantique du contexte, optimisation des skills, routage intelligent des modèles, contraintes budgétaires strictes pour les agents) et de gouvernance (gestion des coûts, quotas) sont nécessaires. L'essentiel sera de trouver des scénarios d'application à grande échelle où les tokens génèrent une valeur économique claire, au-delà du codage. Le retour à une discipline stricte du retour sur investissement (ROI) sera crucial pour que l'ère des agents intelligents passe du gaspillage à une création de valeur durable.

marsbitIl y a 13 mins

marsbitIl y a 13 mins

45 jours, le cours de l'action divisé par deux, Circle est-il le « baromètre du DeFi » ?

L'entreprise Circle, émettrice du stablecoin USDC, a vu son cours boursier divisé par deux en 45 jours, tombant autour de 63 dollars, tandis que la circulation d'USDC a chuté d'environ 70 milliards par rapport à son pic. Cette baisse contraste avec la stabilité relative de l'USDT de Tether. Un analyste pointe que Circle agit comme un « baromètre » de l'activité DeFi, car environ 75 % des USDC sont utilisés dans des échanges cryptos et des protocoles DeFi plutôt que pour des paiements quotidiens. La concentration élevée des détentions d'USDC sur Ethereum (0,32% des adresses détenant 93,55% du total) confirme cette dépendance au secteur spéculatif. La baisse récente semble liée au recul du TVL (valeur totale bloquée) dans la DeFi, notamment après l'incident de sécurité de Kelp DAo. Pour stimuler la demande, Circle s'efforce de faire d'USDC un actif de règlement sur diverses plateformes comme Hyperliquid, tout en promouvant son utilisation pour les paiements institutionnels. Cependant, ces cas d'usage réels semblent avoir un impact limité sur l'émission massive d'USDC, qui reste fortement corrélée à la santé de la DeFi. L'avenir de Circle dépendra de sa capacité à réduire cette dépendance ou d'une reprise durable de la confiance dans le secteur de la finance décentralisée.

marsbitIl y a 1 h

45 jours, le cours de l'action divisé par deux, Circle est-il le « baromètre du DeFi » ?

marsbitIl y a 1 h

Trading

Spot