Tren Teknologi

Mengulas inovasi terbaru, peningkatan protokol, solusi cross-chain, dan mekanisme keamanan dalam ekosistem blockchain. Ini memberikan perspektif yang berfokus pada pengembang untuk menganalisis tren teknologi yang muncul dan potensi terobosan.

Solana Uji Coba Transaksi Tahan-Kuantum dalam Pilot Project Eleven Baru

Yayasan Solana bermitra dengan Project Eleven, perusahaan keamanan kripto pascakuantum, untuk mempersiapkan jaringan blockchain Solana menghadapi ancaman komputasi kuantum. Dalam pilot project ini, Project Eleven melakukan penilaian ancaman komputasi kuantum lengkap dan membuat purwarupa testnet Solana yang menggunakan tanda tangan digital pascakuantum. Klaimnya, transaksi yang tahan kuantum ini "praktis dan dapat diskalakan." Ini merupakan klaim penting karena kriptografi pascakuantum biasanya dianggap membutuhkan biaya komputasi yang jauh lebih tinggi daripada kriptografi tradisional. Standar enkripsi yang digunakan belum dikonfirmasi, namun NIST AS telah mengesahkan tiga standar pascakuantum pada Agustus 2024. Langkah ini mencerminkan kekhawatiran industri kripto terhadap ancaman kuantum. Pendapat ahli tentang waktu ancaman ini bervariasi, dari sebelum 2030 hingga 20-40 tahun mendatang. Tantangan terbesar bagi blockchain seperti Bitcoin diyakini bukanlah sisi teknologi, tetapi konsensus governance untuk memigrasikan aset ke alamat yang tahan kuantum.

cointelegraph12/17 12:33

Solana Uji Coba Transaksi Tahan-Kuantum dalam Pilot Project Eleven Baru

cointelegraph12/17 12:33

a16z Usulkan 'Media Berjamin': Permainan Baru Melawan Berita Palsu dengan Deposit

Dalam artikel berjudul "a16z Proposes 'Staked Media': A New Game to Combat Fake News with Deposits", konsep "Staked Media" (Media Berjaminan) diperkenalkan sebagai solusi potensial melawan misinformasi di media sosial, terutama dengan maraknya konten AI yang sulit dibedakan dari konten asli. Intinya, media atau individu harus membuktikan kredibilitasnya dengan teknologi enkripsi seperti zk, membuat "pernyataan" yang tercatat di blockchain (seperti Ethereum) dan menyetor jaminan dalam bentuk aset kripto (ETH, USDC, dll). Jika konten terbukti palsu, jaminan akan disita. Sistem ini mendorong kejujuran dan akuntabilitas. Mekanisme meliputi: penentuan nilai jaminan berdasarkan pengaruh konten, verifikasi kebenaran melalui kombinasi voting komunitas (oleh pengguna yang juga menyetor jaminan) dan algoritma, serta arbitrase oleh komite ahli. Pelaku yang ketahuan menyebarkan berita palsu akan mendapat reputasi buruk, kenaikan nilai jaminan di masa depan, dan bahkan konsekuensi hukum. Konsep ini diharapkan dapat diterapkan dalam 2 tahun ke depan, menciptakan ekosistem informasi yang lebih tepercaya.

比推12/17 06:59

a16z Usulkan 'Media Berjamin': Permainan Baru Melawan Berita Palsu dengan Deposit

比推12/17 06:59

Mengurai Konsep Baru a16z 'Media Bertaruh': 'Buat Janji + Taruh Uang' Online, Solusi Ekonomi untuk Berita Palsu

a16z memperkenalkan konsep baru "Staked Media" (Media yang Dipertaruhkan) untuk memerangi misinformasi dan konten AI palsu di media sosial. Intinya, pembuat konten harus "membuat pernyataan" di blockchain (seperti Ethereum) dan mempertaruhkan aset kripto (misalnya ETH atau USDC) sebagai jaminan. Jika kontennya terbukti salah, asetnya disita. Konsep ini mendorong kejujuran karena pembuat konten akan lebih berhati-hati. Misalnya, seorang YouTuber yang merekomendasikan produk harus mempertaruhkan uang; jika kontennya palsu, uangnya hilang. Jumlah taruhan bervariasi, tergengarung pada pengaruh konten. Media besar mungkin mempertaruhkan ribuan dolar, sedangkan pengguna biasa cukup puluhan dolar. Kebenaran konten diverifikasi melalui kombinasi komunitas (yang memilih dengan mempertaruhkan aset) dan algoritma. Jika ada sengketa, komite ahli dapat melakukan arbitrase. Pelaku pembuat konten palsu akan memiliki catatan buruk, taruhan yang lebih tinggi di masa depan, dan bahkan konsekuensi hukum. Dengan teknologi seperti zk, pembuat konten juga dapat menghasilkan bukti asal-usul yang dapat diverifikasi. Sistem ini diharapkan dapat terwujud dalam dua tahun ke depan.

marsbit12/17 06:08

Mengurai Konsep Baru a16z 'Media Bertaruh': 'Buat Janji + Taruh Uang' Online, Solusi Ekonomi untuk Berita Palsu

marsbit12/17 06:08

Saya Putus Sekolah SMA, Belajar dengan AI, dan Sukses Menjadi Peneliti OpenAI

Ringkasan: Kisah Gabriel Petersson, seorang peneliti OpenAI yang putus sekolah SMA dan berhasil "berbalik arah" dengan bantuan AI. Ia menggunakan metode "recursive knowledge gap-filling" — belajar secara top-down dengan memulai dari proyek nyata, lalu mengejar setiap celah pengetahuan dengan bertanya tanpa henti pada AI seperti ChatGPT. Kunci suksesnya: tidak menggunakan AI sebagai generator jawaban, melainkan sebagai mentor yang sabar untuk mendorong pemahaman mendalam. Penelitian Microsoft (2025) menunjukkan bahwa penggunaan AI yang pasif justru dapat menurunkan kemampuan kritis pengguna. Metode Gabriel mengajarkan: 1. Mulai dari masalah praktis 2. Gunakan AI sebagai tutor 3. Ajukan pertanyaan berulang hingga konsep benar-benar dipahami 4. Validasi jawaban AI untuk menghindari halusinasi 5. Dokumentasi proses belajar Trend ke depan: AI memungkinkan bentuk "perusahaan satu orang" dengan kombinasi keahlian yang beragam, selama kita aktif menggunakannya sebagai alat penguat kognitif, bukan pengganti pemikiran.

深潮12/17 02:25

Saya Putus Sekolah SMA, Belajar dengan AI, dan Sukses Menjadi Peneliti OpenAI

深潮12/17 02:25

BitsLab Anak Perusahaan MoveBit Rilis Penelitian｜Belobog: Kerangka Uji Kabur Move yang Berorientasi pada Serangan Nyata

MoveBit, anak perusahaan BitsLab, telah merilis penelitian berjudul "Belobog: Move Language Fuzzing Framework For Real-World Smart Contracts". Penelitian ini mengatasi tantangan dalam pengujian fuzzing untuk bahasa pemrograman Move, yang digunakan dalam ekosistem seperti Sui dan Aptos. Move memiliki sistem tipe yang kuat dan semantik sumber daya yang unik, tetapi kerentanan sering muncul dari interaksi kompleks antar modul, asumsi izin, dan urutan panggilan yang dieksploitasi. Belobog menggunakan pendekatan inovatif dengan memanfaatkan sistem tipe Move sebagai panduan untuk menghasilkan urutan transaksi yang valid dan bermakna, bukan mengandalkan generasi acak yang sering gagal. Framework ini menggabungkan concolic execution (gabungan eksekusi konkret dan simbolis) untuk menembus batasan kompleks dan mencapai jalur kode yang dalam. Dalam evaluasi pada 109 kontrak Move dunia nyata, Belobog mendeteksi 100% kerentanan Critical dan 79% kerentanan Major yang dikonfirmasi oleh audit manual. Ini juga mampu mereproduksi serangan penuh tanpa pengetahuan sebelumnya. Belobog dirancang untuk developer dan akan dirilis sebagai proyek open-source, bertujuan menjadi infrastruktur yang dapat diperluas oleh komunitas. Penelitian ini sedang dalam proses peer review untuk konferensi PLDI’26.

marsbit12/16 09:16

BitsLab Anak Perusahaan MoveBit Rilis Penelitian｜Belobog: Kerangka Uji Kabur Move yang Berorientasi pada Serangan Nyata

marsbit12/16 09:16

Perusahaan Crypto Hadapi Serangan 'Zoom Palsu' Harian yang Dikaitkan dengan Korea Utara, Kata Para Ahli

Menurut para peneliti keamanan, peretas yang dikaitkan dengan Korea Utara melakukan serangan 'panggilan Zoom palsu' hampir setiap hari untuk mencuri aset kripto. Melalui aplikasi pesan seperti Telegram, pelaku mengundang korban ke panggilan video yang terlihat sah. Mereka kemudian berpura-pura ada masalah teknis dan menawarkan "perbaikan" berupa file atau tautan berbahaya yang menginstal malware (seperti NimDoor untuk macOS). Malware ini mencuri kredensial, kunci kripto, dan data browser. Serangan ini menggunakan rekayasa sosial canggih, termasuk deepfake AI dan undangan kalender palsu, untuk meyakinkan korban. Kerugian diperkirakan mencapai $300 juta, menargetkan individu dan perusahaan kecil. Para ahli menyarankan untuk tidak menjalankan file yang tidak diverifikasi selama panggilan jarak jauh dan selalu waspada terhadap permintaan yang tidak diminta.

bitcoinist12/16 09:08

Perusahaan Crypto Hadapi Serangan 'Zoom Palsu' Harian yang Dikaitkan dengan Korea Utara, Kata Para Ahli

bitcoinist12/16 09:08

Dompet Kripto Menjadi Target Eksploitasi Library JavaScript—Perusahaan Keamanan Siber

Kerentanan kritis (CVE-2025-55182) dalam React Server Components versi 19.0 hingga 19.2.0 sedang dieksploitasi secara aktif oleh peretas untuk menyuntikkan kode berbahaya ke situs web. Menurut firma keamanan Security Alliance (SEAL), penyerang memanfaatkan celah ini untuk menjalankan kode arbitrer pada server yang rentan, yang kemudian digunakan untuk mencuri aset kripto dari dompet digital pengguna. Eksploitasi ini memungkinkan penjahat siber menyisipkan skrip penipuan yang meminta pengguna menghubungkan dompet Web3, lalu mengalihkan atau membajak transaksi. Dalam beberapa kasus, antarmuka pengguna dimanipulasi agar korban mengirim dana ke alamat penyerang tanpa disadari. Lebih dari 50 organisasi, termasuk sektor keuangan dan teknologi, telah melaporkan upaya kompromi. Para peneliti memperingatkan bahwa alat pemindaian dan kit eksploitasi telah banyak dibagikan di forum bawah tanah, sehingga mempercepat serangan. SEAL mendesak semua operator untuk segera memeriksa dan memperbarui komponen React mereka ke versi yang telah ditambal (19.0.1, 19.1.2, 19.2.1) serta memantau server secara terus-menerus untuk mencegah serangan lebih lanjut.

bitcoinist12/16 03:08

Dompet Kripto Menjadi Target Eksploitasi Library JavaScript—Perusahaan Keamanan Siber

bitcoinist12/16 03:08

Vitalik Buterin Usulkan ZK-proofs untuk Audit Algoritma dan Peringkat X

Vitalik Buterin, pendiri Ethereum, mendesak platform media sosial seperti X untuk menggunakan bukti tanpa pengetahuan (ZK-proofs) dan teknologi blockchain guna meningkatkan transparansi algoritma peringkat konten. Dalam postingannya, Buterin menyarankan sistem yang dapat diverifikasi yang mencatat semua keputusan algoritma, waktu, suka, dan retweet di blockchain untuk mencegah sensor atau manipulasi. Ia juga merekomendasikan publikasi kode algoritma lengkap dengan penundaan 1-2 tahun. Buterin mengkritik kepemimpinan Elon Musk di X, menyatakan bahwa kebijakan platform justru dapat merugikan kebebasan berbicara. Gagasan ini didukung oleh komunitas crypto yang khawatir dengan kontrol terpusat dan potensi penyensoran. Artikel ini juga menyoroti upaya Uni Eropa melalui Digital Services Act yang mewajibkan transparansi algoritma dan akses data untuk peneliti, serta denda terhadap X karena ketidakpatuhan.

cointelegraph12/15 11:23

Vitalik Buterin Usulkan ZK-proofs untuk Audit Algoritma dan Peringkat X

cointelegraph12/15 11:23

Ulasan Tahunan Crypto x AI 2025: Narasi Apa yang Bertahan?

Ringkasan: Pada tahun 2025, narasi Crypto x AI yang bertahan dan berkembang adalah DeFAI (AI Keuangan Terdesentralisasi), AI Terdesentralisasi (DeAI), dan AI untuk Pasar Prediksi. DeFAI berevolusi dari lapisan abstraksi menjadi agen otonom dan vault AI, meningkatkan akses dan efisiensi di DeFi. DeAI, dipimpin oleh Bittensor, berfokus pada pelatihan terdesentralisasi, pembelajaran penguatan, dan sistem multi-agen, menarik talenta global dan sumber daya komputasi. AI untuk Pasar Prediksi memanfaatkan sistem machine learning untuk taruhan dan penyediaan likuiditas, meski menghadapi tantangan likuiditas terbatas. Tren keseluruhan bergerak dari narasi spekulatif ke solusi praktis, dengan 2026 diprediksi sebagai tahun adopsi produk AI crypto yang sesungguhnya.

深潮12/15 07:29

Ulasan Tahunan Crypto x AI 2025: Narasi Apa yang Bertahan?

深潮12/15 07:29

Mengapa Model Bahasa Besar Tidak Lebih Pintar Daripada Anda?

Model bahasa besar (LLM) tidak memiliki ruang terpisah untuk penalaran, melainkan beroperasi sepenuhnya dalam aliran bahasa berkelanjutan. Aliran ini memiliki wilayah "atraktor" yang distabilkan oleh distribusi data pelatihan, di mana setiap wilayah mendukung jenis komputasi berbeda. Bahasa formal (ilmiah/matematis) mengaktifkan wilayah atraktif yang mendukung penalaran terstruktur, presisi relasional, dan stabilitas konseptual, sementara bahasa informal cenderung memicu respons berbasis asosiasi atau naratif yang kurang stabil. Stabilitas penalaran LLM sangat bergantung pada kemampuan pengguna dalam merumuskan permintaan. Pengguna yang dapat menyusun prompt dengan bahasa terstruktur dan formal akan mengarahkan model ke wilayah atraktif yang lebih kapabel, sementara pengguna dengan kebiasaan bahasa informal akan membatasi model pada wilayah penalaran yang lebih dangkal. Dengan kata lain, kinerja model tidak hanya ditentukan oleh kemampuannya sendiri, tetapi juga oleh kapasitas pengguna dalam mengaktifkan potensi tersebut. Solusi sementara adalah menerapkan pendekatan dua tahap: "konstruksi lalu terjemahkan". Pertama, bangun kerangka konseptual menggunakan bahasa formal untuk memastikan stabilitas penalaran, kemudian terjemahkan hasilnya ke bahasa alami. Hal ini mengungkap kebutuhan mendasar untuk memisahkan ruang penalaran dan ruang bahasa dalam arsitektur AI di masa depan.

深潮12/15 07:23

Mengapa Model Bahasa Besar Tidak Lebih Pintar Daripada Anda?

深潮12/15 07:23

活动图片

Kategori Populerright-arrow

Tag Populerright-arrow

Analisis Pasar