香港财库局和金管局采纳CertiK建议 助力稳定币监管制度发展

币界网Dipublikasikan tanggal 2024-07-22Terakhir diperbarui pada 2024-07-22

币界网报道:

图片

香港财经事务及库务局(财库局)和香港金融管理局(金管局)于17日联合发布了《咨询总结 - 在香港实施稳定币发行人监管制度的立法建议》。在该咨询总结中,财库局和金管局采纳了头部Web3.0安全审计公司CertiK提出的两项建议。此外,蚂蚁集团、币安、毕马威会计师事务所和渣打银行等机构提出的若干建议也得到了采纳。

图片

CertiK被采纳的建议包括:

建议1.13:从风险管理及用户保障角度出发,我们明白在不同使用场景下私人密钥的储存及提供钱包服务的重要性。政府与金融监管机构正在探讨对这些活动所采取的监管模式,并将会在过程中与公众及相关权益人保持联系。

建议3.2.42:事故管理工作应包括但不限于制定事故管理政策、监察机制和事故应变计划,使发行人能及时启动恢复行动并向金融管理专员汇报事故。

2023年12月27日,财库局和金管局联合发表了有关香港稳定币发行人拟议监管制度的咨询文件,咨询期于2024年2月29日结束,共收到108份意见书。大部分回应者支持良好的监管环境是香港稳定币生态圈可持续发展的先决条件

财库局局长许正宇表示:“除了现行的虚拟资产交易平台监管制度,建立法币稳定币发行人的发牌制度将加强香港的虚拟资产规管框架,与国际标准保持一致,并有效缓减发行法币稳定币相关活动对金融稳定所构成的风险。”

金管局总裁余伟文表示:“我们衷心感谢回应者提供了宝贵的意见,亦对他们普遍支持拟议的监管制度感到鼓舞。我们相信一个良好的监管环境有助于推动香港稳定币生态系统可持续和负责任地发展。”

香港Web3.0发展专责小组成员、CertiK联合创始人顾荣辉教授表示:“CertiK很荣幸能够参与香港稳定币监管框架的制定,并为该框架的完善提供意见。CertiK期待与金管局及其他行业伙伴继续合作,共同推进稳定币及相关虚拟资产的安全与创新。我们认为,通过实施这些监管措施,不仅能够提升香港作为国际金融中心的竞争力,更能推动稳定币生态系统的可持续发展,为用户带来更加安全、可靠的数字资产服务。”

财库局和金管局会参考回应者的意见和建议,敲定立法建议以实施监管制度,并会尽快向立法会提交条例草案。《咨询总结》原文可通过文末链接进行查看。

https://www.hkma.gov.hk/media/chi/doc/key-information/press-release/2024/20240717c3a1.pdf

Bacaan Terkait

Model Besar AS Menuju Keterbatasan, Atas Nama Keamanan

Penulis: Xiao Jing, Editor: Xu Qingyang Pada akhir Juni 2026, pemerintah AS melakukan intervensi langsung terhadap model AI terdepan. Anthropic harus menarik model Fable 5 dan Mythos 5, sementara OpenAI meluncurkan GPT-5.6 dengan akses API terbatas hanya untuk mitra yang disetujui pemerintah. Proses ini menciptakan siklus "hentikan – negosiasi – izin bersyarat" dalam waktu kurang dari sebulan. Inti masalahnya adalah apakah model-model ini benar-benar terlalu kuat dan berbahaya. OpenAI dan Anthropic menyatakan, berdasarkan kerangka keamanan mereka sendiri, model-model ini tidak melewati ambang batas risiko yang tidak dapat diterima. Namun, pemerintah AS, yang dianggap kurang memiliki keahlian teknis di bidang AI terdepan, tetap memberlakukan pembatasan. Keputusan ini didorong oleh beberapa faktor: kemampuan model yang dapat didemonstrasikan, laporan keamanan dari pesaing (seperti Amazon), dan perintah eksekutif AI baru dari Presiden Trump yang membutuhkan contoh penegakan hukum. Situasi ini mengingatkan pada "Perang Kripto" tahun 1990-an, di mana pemerintah AS berusaha membatasi ekspor algoritma enkripsi kuat dengan alasan keamanan nasional. Upaya itu akhirnya gagal karena teknologi menyebar secara global, dan pembatasan justru merugikan perusahaan AS. Para ahli memperingatkan bahwa pembatasan serupa pada model AI dapat menghambat inovasi, mengganggu logika investasi industri, dan memperlambat difusi teknologi yang penting untuk keunggulan kompetitif jangka panjang. Dean W. Ball, mantan penasihat AI Gedung Putih, mengkritik proses persetujuan yang tidak transparan, tanpa standar jelas, dan tidak memiliki batas waktu. Dia memperingatkan bahwa jika hanya segelintir orang dan lembaga yang memiliki akses ke AI terdepan, hal itu justru dapat meningkatkan risiko konsentrasi kekuasaan. Sementara itu, model AI China terus berkembang dengan pendekatan sumber terbuka. Insiden Juni 2026 ini mungkin menandai dimulainya era di mana pemerintah AS menjadi gerbang wajib untuk peluncuran model AI terdepan, mengubah dinamika industri yang sebelumnya lebih terbuka.

链捕手40m yang lalu

Model Besar AS Menuju Keterbatasan, Atas Nama Keamanan

链捕手40m yang lalu

Ethereum Turun 45% Sejak Awal Tahun – Lalu Mengapa SharpLink dan Paus Masih Membeli?

Meskipun harga Ethereum (ETH) turun 20-45% sejak awal tahun, minat institusional terhadap aset kriptu terkemuka ini tetap kuat. SharpLink, setelah jeda delapan bulan, kembali membeli 5.000 ETH senilai sekitar $7,88 juta, diikuti penambahan 26.324 LSETH senilai $45,54 juta. Total kepemilikannya kini mencapai 876.285 ETH, menunjukkan keyakinan pada utilitas jangka panjang dan pendapatan staking Ethereum, meski menghadapi kerugian belum terealisasi hampir $1,71 miliar. Tren akumulasi ini juga tercermin pada aktivitas "paus" (whale), dengan satu dompet baru mengakumulasi 18.361 ETH senilai $28,9 juta dalam sembilan hari terakhir, menandakan persiapan untuk pergerakan harga di masa depan. Namun, kepercayaan yang kembali bangun ini belum sepenuhnya tercermin dalam permintaan institusional yang lebih luas. ETF Spot Ethereum justru mencatat arus keluar bersih, dengan penarikan $12,85 juta pada 26 Juni. Meski demikian, total aset yang dipegang penerbit ETF masih signifikan, senilai lebih dari $8,38 miliar, yang mengindikasikan penyesuaian posisi berkelanjutan daripada pelepasan total. Pada intinya, akumulasi oleh treasury perusahaan dan paus mendukung prospek jangka panjang Ethereum, tetapi pemulihan berkelanjutan masih bergantung pada membaiknya sentimen pasar dan arus masuk ETF yang lebih kuat untuk mengimbangi tekanan penjualan institusional yang masih ada.

ambcrypto6j yang lalu

Ethereum Turun 45% Sejak Awal Tahun – Lalu Mengapa SharpLink dan Paus Masih Membeli?

ambcrypto6j yang lalu

Baru Saja, DeepSeek V4 Perbarui DSpark, Kecepatan Inference Meningkat 80%

Baru-baru ini, DeepSeek V4 diperbarui dengan framework *Speculative Decoding* baru bernama **DSpark**, yang diklaim meningkatkan kecepatan inferensi hingga 80%. Pembaruan ini, yang juga disertai open-sourcing framework **DeepSpec**, berfokus pada optimasi teknikal dan peningkatan performa, bukan perubahan arsitektur model inti. DSpark mengimplementasikan **Semi-Autoregressive Generation** untuk menjaga throughput tinggi dan meningkatkan akurasi token yang dihasilkan oleh model draf (*draft model*). Inovasi utamanya adalah **Confidence-Scheduled Verification**, yaitu sistem penjadwalan yang cerdas dan adaptif. Sistem ini menggunakan *Confidence Head* untuk memperkirakan probabilitas penerimaan setiap token kandidat dan secara dinamis menyesuaikan panjang verifikasi berdasarkan beban kerja sistem (*hardware-aware*), sehingga mengalokasikan daya komputasi hanya ke token yang paling potensial. Dalam pengujian di berbagai domain (penalaran matematika, generasi kode, percakapan), DSpark menunjukkan peningkatan signifikan dibandingkan model *state-of-the-art* seperti Eagle3 dan DFlash. Pada kondisi *throughput* yang setara, DSpark meningkatkan kecepatan respons pengguna sebesar 57%-85% untuk model DeepSeek-V4 Flash dan Pro. DeepSpec, yang dirilis bersamaan, adalah *codebase* lengkap untuk melatih dan mengevaluasi model draf *speculative decoding*. Framework ini menyediakan pipeline standar (persiapan data, pelatihan, evaluasi) dan mendukung beberapa algoritma (DSpark, DFlash, Eagle3) serta model target (Qwen3, Gemma), memudahkan peneliti dan insinyur untuk mengembangkan dan menerapkan teknik percepatan inferensi pada model bahasa besar mereka sendiri.

marsbit7j yang lalu

Baru Saja, DeepSeek V4 Perbarui DSpark, Kecepatan Inference Meningkat 80%

marsbit7j yang lalu

Trading

Spot
活动图片