被黑客攻击的WazirX推出55/45恢复计划策略

币界网Dipublikasikan tanggal 2024-07-30Terakhir diperbarui pada 2024-07-30

币界网报道:

印度加密货币交易所WazirX最近因2.3亿美元(占用户资金的45%)被黑客攻击,宣布了一项恢复和分配计划。该平台正在实施社会化损失策略,以便在所有用户之间公平地产生影响。

WazirX提出了一种55/45的方法,希望为受影响的用户提供更快、更灵活的解决方案。该交易所表示,新策略将允许持有人立即获得更大比例的资产,直到其完全恢复。

WazirX在其恢复计划中为用户提供了两种选择

被黑客攻击的印度加密货币交易所为用户提供了两种选择,并附带了特定的福利和条件。WazirX建议允许55%的用户加密资产可用于交易和/或提款,而剩余的资产将转换为等值的USDT并锁定。

它提到,无论用户选择什么选项,都会使用一部分加密资产创建一个平衡的解锁部分投资组合(55%)。但是,如果55%的未锁定投资组合持有受影响的代币,则将通过用一篮子可用的未受影响代币替换受影响的部分来实现平衡。

交易所将根据截至2024年7月21日印度标准时间晚上8:30的平均价格计算解锁投资组合的价值(55%)。价格将从CoinMarketCap和选定的全球交易所中选择。

损失恢复是交易所重新开放的关键

WazirX的创始人Nischal Shetty在一篇X帖子中表示,重新开放被黑客攻击的交易所业务的最快方法是将损失在加密货币投资组合中社交化。他表示,这一过程不会影响印度卢比钱包余额。部分锁定仅适用于加密货币投资组合余额。这将标志着第一阶段的结束和第二阶段的开始,第二阶段将侧重于恢复。

Shetty强调,WazirX的追回工作将涉及追回被盗资产,同时寻找合作伙伴和外部帮助。然而,收回如此巨额的资金需要更长的时间。他表示,如果该平台能够像过去其他受影响的交易所那样将损失社会化,那么它将更有能力更快地开放。

上周,全球加密货币市场出现了波动。7月21日,比特币(BTC)在6600美元-67000美元附近交易,然后跌至6300美元的水平。BTC已经设法恢复,在过去7天里上涨了2%以上。截至发稿时,比特币的平均交易价格为68201美元。

以太坊(ETH)在7月21日徘徊在3500美元左右。在过去的几天里,它跌至3100美元的区间。ETH价格在过去7天下跌了6%。截至发稿时,第二大加密货币的平均交易价格为3278美元。

Bacaan Terkait

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

**Ringkasan:** **Prompt Sudah Ketinggalan Zaman, Loop adalah Paradigma Baru.** Menurut Huang Renxun (Jensen Huang), pendiri NVIDIA, tugas utama di era AI sekarang bukan lagi menulis perintah (prompt), tetapi **menulis dan mengelola loop (siklus).** **Apa itu Loop?** Loop adalah sistem di mana Anda mendefinisikan suatu tujuan, dan AI menjalankannya secara mandiri—memeriksa hasil, memperbaiki kesalahan, dan mengulangi proses tersebut hingga tugas selesai atau mencapai batas tertentu. Manusia beralih peran dari "pemberi perintah" menjadi **"perancang aturan" atau "arsitek sistem."** **Loop vs. Agent:** Agent adalah "pekerja" yang menjalankan tugas. Loop adalah **mekanisme pengelolaan** yang memungkinkan Agent bekerja terus-menerus tanpa pengawasan manusia. Agent dengan loop menjadi sistem yang dapat berjalan otomatis. **Contoh Penerapan:** Produk seperti Claude Code (dengan fitur /loop, /goal, /schedule) dan OpenAI Codex telah menerapkan konsep ini. Mereka membagi tugas kompleks ke beberapa Agent yang berjalan paralel di lingkungan terisolasi, dengan model terpisah untuk menulis kode dan memvalidasi hasil, memastikan objektivitas. **Bagaimana Memulai Loop?** 1. **Uji Kelayakan:** Pastikan tugas berulang, dapat divalidasi otomatis, dan anggaran token mencukupi. 2. **Mulai dari Loop Minimal:** Bangun sistem dengan pemicu otomatis, keterampilan (skill), file status (STATE.md), dan "gerbang" validasi (seperti pengujian). 3. **Pisahkan Pemeriksa dan Pelaksana:** Gunakan model atau Agent berbeda untuk menulis kode dan memeriksa/mengujinya. Ini kunci untuk kualitas. 4. **Hindari Jebakan Umum:** Tetapkan batas pengulangan dan token, simpan status, hindari tugas yang membutuhkan pertimbangan manusia, dan tetap tinjau perubahan kode (diff). 5. **Ukur Efektivitas:** Metrik utama adalah **biaya rata-rata per perubahan yang diterima.** **Evolusi Paradigma:** Perkembangan AI menunjukkan pergeseran berkelanjutan: 1. **Prompt Engineering** (2023-2024): Fokus pada cara menulis perintah. 2. **Context Engineering** (2024-2025): Fokus pada informasi dan latar belakang yang diberikan ke AI. 3. **Harness Engineering** (2025-2026): Fokus pada lingkungan eksekusi dimana AI dapat menggunakan alat dan sumber daya. 4. **Loop Engineering** (sekarang): Fokus pada merancang sistem siklus otomatis yang berjalan mandiri. Konsep loop memiliki akar akademis, seperti dalam framework **ReAct** (Reasoning + Acting) yang dikembangkan oleh Yao Shunyu dkk., yang menggabungkan penalaran dan tindakan dalam sebuah siklus. **Catatan Penting:** Meskipun menjanjikan, teknologi ini masih awal. Perlu kehati-hatian terhadap biaya token dan kompleksitas. Seperti dikutip Andrej Karpathy, **"Anda dapat mengalihdayakan pemikiran Anda, tetapi Anda tidak dapat mengalihdayakan pemahaman Anda."** Pemahaman mendalam tentang masalah tetap berada di tangan manusia.

marsbit1j yang lalu

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

marsbit1j yang lalu

GPT Merancang GPT

OpenAI akhirnya merilis chip pertamanya, Jalapeño. Meski banyak yang menganggapnya sebagai tantangan bagi Nvidia, inti dari langkah ini justru adalah pengakuan terbuka OpenAI bahwa mereka tidak puas hanya menjadi perusahaan model AI. Mereka ingin mengontrol seluruh proses produksi kecerdasan, dari model, chip, hingga pusat data dan energi. Perbedaan kemampuan model semakin menyempit, namun kesenjangan dalam komputasi justru melebar. Dalam era AI, satuan biaya terpenting bukan lagi harga server atau GPU, melainkan biaya produksi setiap Token. Sebagai penyedia layanan seperti ChatGPT dan API, OpenAI menghadapi kenyataan bahwa semakin sukses produk mereka, semakin besar "pajak inferensi" yang harus dibayarkan ke penyedia hardware eksternal. Jalapeño adalah upaya membangun "pabrik Token" sendiri untuk mengurangi ketergantungan ini. Yang menarik, siklus pengembangan chip Jalapeño hanya sembilan bulan, jauh lebih cepat dari standar industri. Kunci percepatan ini adalah pengetahuan OpenAI tentang beban kerja model nyata. Mereka bahkan menggunakan model AI mereka sendiri untuk mempercepat bagian proses desain dan optimasi chip. Ini menciptakan siklus umpan balik: model yang lebih baik membantu mendesain chip yang lebih baik, yang kemudian menurunkan biaya menjalankan model generasi berikutnya. Jalapeño difokuskan untuk inferensi, bukan pelatihan. Inferensi adalah pengeluaran tunai harian yang masif, terutama dengan berkembangnya Agent dan tugas-tugas rantai panjang. Dengan mengurangi "pajak inferensi" ini, OpenAI dapat meningkatkan margin keuntungan layanannya. Strategi OpenAI semakin mirip dengan Apple: membangun ekosistem tertutup yang terintegrasi, dari model (perangkat lunak intelijen), antarmuka seperti ChatGPT, hingga chip dan infrastruktur fisik. Mereka tidak ingin menjual "sekop" (seperti Nvidia), tetapi memiliki "tambang" dan menjual "kecerdasan" yang dihasilkannya. Pada akhirnya, artikel ini menyimpulkan bahwa aset terpenting di era AI sedang bergeser. Model akan terus berubah seperti "aliran traffic," tetapi infrastruktur produksi—chip, jaringan, pusat data, energi—akan menjadi "tanah" yang dikuasai oleh sedikit pemain. Dengan Jalapeño, OpenAI menyatakan ambisinya: tidak hanya menjadi perusahaan paling cerdas, tetapi mengontrol produksi kecerdasan itu sendiri.

marsbit1j yang lalu

GPT Merancang GPT

marsbit1j yang lalu

Trading

Spot
Futures
活动图片