Bloomberg: Cencora заплатил хакерам рекордные $75 млн в биткоине

cryptonews.ruDipublikasikan tanggal 2020-12-18Terakhir diperbarui pada 2024-09-18

За рекордной выплатой $75 млн в биткоинах операторам вируса-шифровальщика Dark Angels стоит фармацевтический гигант Cencora, пострадавший от взлома в феврале. Об этом сообщает Bloomberg со ссылкой на осведомленные источники.

По их информации, выплаты произведены тремя платежами в марте. Первоначальное требование о выкупе составляло $150 млн.

Представители Cencora отказались комментировать «домыслы и слухи». Они добавили, что понесенные в связи с событием кибербезопасности расходы указаны в квартальных отчетах компании. Согласно документам от марта и июля, речь идет о «большей части суммы» в $28,5 млн и $31,3 млн. Неясно, что именно покрывали эти деньги в связи со взломом.

Через два месяца после раскрытия инцидента Cencora начала уведомлять частных лиц и государственные органы о краже персональных данных пациентов, включая имена, адреса, даты рождения, диагнозы, рецепты и лекарства.

В сообщении SEC от февраля фармацевтический гигант отметил, что инцидент существенно не отразился на его деятельности, однако влияние на финансовое положение компании еще предстоит оценить.

О выплате рекордной суммы в пользу вымогателей впервые сообщили исследователи Zscaler ThreatLabz в июле, указав жертвой неназванную компанию из списка Fortune 50.

Согласно августовскому отчету Chainalysis, 2024 год отметился ростом дохода операторов вирусов-вымогателей. В суммарном значении за шесть месяцев объем составил $459,8 млн — немногим больше, чем $449,1 млн годом ранее. Но резко увеличился размер потерь от атаки, отметили аналитики.

Ранее ForkLog сообщал, что бывший генеральный директор образовательной и исследовательской криптоплатформы Revelo Intel Ник Дрейкон стал жертвой вооруженного нападения вымогателей и перевел им деньги компании.

Bacaan Terkait

Di Balik Skor AI, Ada "Pembuat Soal" Seorang Tionghoa

Setiap peluncuran model AI terbaru, industri sering merujuk pada sejumlah "rapor" standar seperti MMLU-Pro, MMMU, dan MMMU-Pro. Di balik sistem evaluasi kunci ini, terdapat seorang "penyusun soal" bernama Chen Wenhu, asisten profesor di University of Waterloo. MMLU-Pro dikembangkan oleh Chen dan timnya sebagai respons atas keterbatasan MMLU lama. Ketika model-model mutakhir seperti o3 OpenAI mulai mencapai skor hampir sempurna, MMLU-Pro hadir dengan 12.032 soal yang lebih menantang, memperluas pilihan jawaban dan menekankan penalaran, sehingga berhasil membedakan kemampuan model yang sebelumnya tampak setara. Chen juga terlibat dalam MMMU, tolok ukur multimodal yang mengevaluasi pemahaman model terhadap gambar, grafik, dan teks secara terintegrasi. MMMU-Pro kemudian menyempurnakannya dengan memastikan model tidak bisa mengandalkan teks saja. Latar belakang Chen dalam pemahaman informasi kompleks dan pengembangannya di Google DeepMind untuk proyek Gemini memberinya wawasan mendalam. Ia mendirikan TIGERLab (atau "Geng Harimau"), yang tidak hanya fokus pada evaluasi tetapi juga riset model, seperti UniVideo untuk video dan MoCha untuk karakter virtual. Saat ini, Chen bergabung dengan Meta Super Intelligence Lab, terus berkontribusi pada data dan evaluasi multimodal. Karyanya mengingatkan bahwa di balik kemajuan AI yang terlihat, ada banyak talenta seperti dirinya yang membangun fondasi penting bagi perkembangan industri.

marsbit25m yang lalu

Di Balik Skor AI, Ada "Pembuat Soal" Seorang Tionghoa

marsbit25m yang lalu

Posisi Baru yang Paling Banyak Dicari di Silicon Valley Telah Muncul

Selama tiga tahun terakhir, posisi yang paling diminati di industri AI adalah ilmuwan model. Namun, kini fokus perusahaan raksasa seperti OpenAI, Anthropic, dan Google telah berubah. Mereka kini paling ingin merekrut Forward Deployment Engineer (FDE) – insinyur penyebaran garis depan. Posisi ini, yang melibatkan kerja lapangan, rapat, dan modifikasi proses, menandai pergeseran besar industri: mitos model meredup, perang implementasi dimulai. Laporan LinkedIn 2026 menunjukkan bahwa perekrutan FDE global meningkat 42 kali lipat dari 2023 hingga 2025, tiga kali lebih cepat daripada pertumbuhan posisi insinyur AI. Ini mengungkap kenyataan: model sudah canggih, tetapi banyak perusahaan gagal mengadopsinya karena kendala organisasi, seperti data lama, alur kerja yang kaku, dan masalah integrasi sistem. Palantir Technologies adalah pelopor dalam mengembangkan peran FDE. Alih-alih menjual perangkat lunak standar, mereka mengirim insinyur untuk tinggal di lokasi klien, memahami proses, dan menyesuaikan solusi. Metode ini kini menjadi acuan. Pada Mei 2026, tiga raksasa AI mengambil langkah serius untuk implementasi. Anthropic meluncurkan perusahaan patungan senilai $15 miliar untuk men-deploy model Claude. OpenAI membentuk anak perusahaan Deployment Company (DeployCo) dengan investasi awal lebih dari $40 miliar dan mengakuisisi firma konsultan Tomoro. Google Cloud secara masif membuka lowongan untuk FDE. Ini adalah sinyal kuat bahwa fokus telah beralih dari pembuatan model ke penyebaran hasil. FDE tidak hanya menjual alat, tetapi menjamin hasil. Mereka harus memahami teknologi sekaligus dinamika organisasi, menggantikan peran manajer produk, arsitek, manajer proyek, dan insinyur AI. Gaji mereka yang tinggi (hingga $500.000) mencerminkan kompleksitas tugas: mengatasi hambatan organisasi seperti budaya korporat, kepatuhan, dan pembagian tanggung jawab, yang seringkali menjadi penyebab utama kegagalan proyek AI, seperti yang dialami oleh Goldman Sachs dan Target. Kesimpulannya, saat model, daya komputasi, dan Agen menjadi semakin murah, kemampuan yang menjadi sangat berharga adalah memahami organisasi, mengubah proses, dan mendorong perubahan. FDE populer karena industri AI akhirnya mengakui bahwa bagian tersulit dari revolusi teknologi bukanlah teknologinya, melainkan manusianya.

marsbit38m yang lalu

Posisi Baru yang Paling Banyak Dicari di Silicon Valley Telah Muncul

marsbit38m yang lalu

STRC Mendevaluasi 11%, Akankah Mesin Abadi Strategy Terus Berputar?

Strategi Capital menghadapi ujian kredibilitas. Saham preferennya, STRC, mengalami disangga (depegging) lebih dari 11% dari nilai target US$100, anjlok ke posisi sekitar US$88. Hal ini mengancam model "flywheel capital" inti Strategi, di mana STRC dirancang sebagai mesin pendanaan tanpa henti. Melalui penerbitan STRC di atas US$100, Strategi mengumpulkan dana untuk membeli Bitcoin, tanpa mengencerkan saham biasa (MSTR). Namun, dengan harga di bawah US$100, kemampuan pendanaan ini terhenti. Penyebab disangga ini kompleks. Di permukaan, ada faktor likuidasi leverage dari dana arbitrase. Namun, kekhawatiran yang lebih mendalam adalah kesehatan likuiditas Strategi. Laporan Morgan Stanley menyoroti cadangan tunai terbatas untuk membayar dividen STRC, sementara Strategi berargumen aset Bitcoin-nya mencukupi untuk puluhan tahun. Ketegangan ini memuncak saat Strategi baru-baru ini menjual sedikit Bitcoin, mengingkari narasi "beli dan tahan" jangka panjang mereka. Intinya, pasar sedang menilai ulang keseluruhan struktur modal Strategi. Jika STRC tetap didiskon, pendanaan akan macet dan kekhawatiran akan penjualan Bitcoin lebih lanjut untuk memenuhi dividen akan meningkat. Hal ini berpotensi mengubah Strategi dari pembeli besar menjadi penjual Bitcoin, memberikan tekanan signifikan pada harga aset kripto tersebut.

Odaily星球日报39m yang lalu

STRC Mendevaluasi 11%, Akankah Mesin Abadi Strategy Terus Berputar?

Odaily星球日报39m yang lalu

Saat Piala Dunia Bertemu Agen: Dari Web2 ke Web3, Bagaimana Dompet Menuju ke Agentic Wallet?

Piala Dunia menjadi momen yang relevan untuk mengamati evolusi dompet digital (wallet). Dalam skenario prediksi Piala Dunia di platform seperti Polymarket, dompet web3 tradisional berfungsi sebagai pintu masuk interaksi on-chain bagi pengguna. Namun, perubahan yang lebih mendasar terjadi ketika AI Agent mulai diintegrasikan ke dalam skenario dompet, mengubah cara pengguna berinteraksi dengan dunia on-chain. Contohnya, imToken bereksperimen dengan menyematkan AI Agent dalam aktivitas prediksi Piala Dunia. Agent di situs web dan Discord ini dapat membantu pengguna menyelesaikan transaksi taruhan secara lebih alami. Pengguna tidak lagi harus membuka aplikasi dompet secara langsung, tetapi dapat berpartisipasi melalui Discord atau halaman web, kemudian dengan mulus dipandu kembali ke transaksi on-chain oleh Agent. Ini merupakan bentuk awal dari "Agentic Wallet", di mana dompet masa depan mungkin hadir dalam bentuk AI yang ada di mana-mana, bukan hanya sebagai aplikasi mandiri. Inti perubahan ini adalah pergeseran dari dompet sebagai "menu fungsi" menjadi "penerjemah intensi" (intent interpreter). Daripada pengguna memutuskan untuk mentransfer, menukar aset, atau menyambung ke DApp, mereka cukup menyampaikan keinginan dalam bahasa alami. Agent kemudian akan menguraikan langkah-langkahnya, dan dompet akan mengeksekusi rangkaian aksi on-chain. Piala Dunia menjadi pintu masuk yang ideal karena menyediakan konteks alami di mana pengguna memiliki intensi untuk berekspresi dan membuat keputusan. Perkembangan serupa juga terlihat di sektor keuangan tradisional. Mastercard meluncurkan "Agent Pay for Machines", yang mendefinisikan kerangka kerja untuk agen AI tepercaya yang berpartisipasi dalam pembayaran dengan otorisasi pengguna. Ini menekankan pentingnya identifikasi, otorisasi, batasan, dan audit untuk agen AI yang terlibat dalam transaksi bernilai—tantangan yang juga dihadapi oleh dompet web3. Oleh karena itu, tantangan utama bagi Agentic Wallet bukanlah seberapa banyak yang dapat dilakukan AI, tetapi bagaimana memastikan pengguna tetap memahami dan mengontrol tindakan AI. Keamanan dan batasan yang jelas menjadi sangat penting. Dompet masa depan perlu secara jelas memberi tahu pengguna tentang identitas Agent, kemampuan yang dapat digunakannya, durasi otorisasi, batas transaksi, dan memberikan opsi untuk menjeda atau mencabut akses kapan saja. Eksperimen dalam skenario ringan seperti prediksi Piala Dunia merupakan langkah awal menuju masa depan di mana dompet cerdas dapat meningkatkan pengalaman pengguna tanpa mengorbankan kendali dan keamanan aset mereka.

marsbit2j yang lalu

Saat Piala Dunia Bertemu Agen: Dari Web2 ke Web3, Bagaimana Dompet Menuju ke Agentic Wallet?

marsbit2j yang lalu

Opsi Tidak Bisa Diterapkan di DeFi? Mungkin Vitalik Tidak Sepakat

Untuk membangun stablecoin algoritmik tanpa mekanisme likuidasi, Vitalik Buterin mengusulkan skema yang membagi 1 ETH menjadi dua aset: aset stabil (P) yang mempertahankan nilai hingga harga strike tertentu, dan aset pertumbuhan (N) yang menangkap keuntungan di atasnya. Struktur ini meniru opsi call covered, di mana P bertindak seperti penjual opsi dan N seperti pembeli. Tantangan utamanya adalah P perlu secara terus-menerus merolling opsi call dalam-the-money agar tetap stabil, berisiko terhadap slippage dan front-running. Selain itu, setiap unit aset stabil memerlukan pihak yang memegang aset pertumbuhan N, yang pada dasarnya merupakan posisi long ETH berleverage tanpa biaya pendanaan atau risiko likuidasi. Keberlanjutan sistem bergantung pada permintaan berkelanjutan untuk posisi leverage khusus ini. Penulis, berdasarkan pengalaman dengan Rysk, berpendapat bahwa opsi dalam DeFi lebih cocok sebagai infrastruktur dasar untuk produk yang lebih kompleks (seperti stablecoin atau produk terstruktur) daripada sebagai produk perdagangan langsung. Pendekatan ini menghindari risiko counterparty dan likuidasi, menggunakan kolateral penuh, dan menyelesaikan secara fisik saat jatuh tempo.

marsbit2j yang lalu

Opsi Tidak Bisa Diterapkan di DeFi? Mungkin Vitalik Tidak Sepakat

marsbit2j yang lalu

Trading

Spot
Futures
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow