After Three Days on Hotel Wi-Fi, My Crypto Wallet Was Drained

marsbitОпубликовано 2026-01-09Обновлено 2026-01-09

Введение

While on vacation, the author connected to an unsecured hotel Wi-Fi network without a password, only a captive portal login. After discussing cryptocurrency topics on a phone call in a shared space, an attacker nearby identified him as a crypto user with a Phantom wallet. The attacker executed a man-in-the-middle attack, injecting malicious code into a webpage the author visited. While using JupiterExchange for a swap, a fraudulent transaction approval request was triggered, disguised as a legitimate platform action. The author approved what appeared to be an authorization or session confirmation—not a direct fund transfer—granting the attacker permission to access his wallet. Days after leaving the hotel, the attacker drained his SOL, tokens, and NFTs. The author lost around $5,000 from a secondary hot wallet, emphasizing mistakes: using public Wi-Fi, discussing crypto in public, and approving transactions without thorough verification. He advises using mobile hotspots, avoiding public crypto discussions, and scrutinizing every wallet request.

Original Author:The Smart Ape

Original Compilation: Deep Tide TechFlow

A few days ago, I went with my family to a very nice hotel for the year-end holiday. One day after leaving the hotel, my wallet was completely drained. I couldn't figure out why, as I hadn't clicked on any phishing links or signed any malicious transactions.

After hours of investigation and seeking help from experts, I finally uncovered the truth. It all turned out to be due to the hotel's Wi-Fi network, a brief phone call, and a series of foolish mistakes.

Like most cryptocurrency enthusiasts, I brought my laptop with me, thinking I could squeeze in some work while on vacation with my family. My wife repeatedly insisted that I shouldn't work during these three days—I really should have listened to her.

Like other guests, I connected to the hotel's Wi-Fi network. This network didn't require a password; it only needed to be logged into via a captive portal.

I worked as usual in the hotel without doing anything risky: I didn't create new wallets, click on strange links, or visit suspicious decentralized applications (dApps). I just checked X (Twitter), my balances, Discord, Telegram, etc.

At one point, I received a call from a crypto friend, and we chatted about market trends, Bitcoin, and other cryptocurrency-related topics. But what I didn't know was that someone nearby was eavesdropping on our conversation and realized I was involved in cryptocurrency. This was my first mistake. The other party learned from our conversation that I was using a Phantom wallet and that I was a user with significant holdings.

This made me his target.

In public Wi-Fi networks, all devices share the same network, and the visibility between devices is actually much higher than you might think. There is almost no real protection between users, which creates an opportunity for "Man-in-the-Middle Attacks." The attacker acts like a middleman, quietly inserting themselves between you and the internet, much like someone secretly reading and tampering with your mail before it reaches you.

While I was browsing the web on the hotel Wi-Fi, one website appeared to load normally, but in reality, malicious code was injected behind the page. I didn't notice anything unusual at the time. If I had installed some security tools, I might have detected these issues, but unfortunately, I hadn't.

Normally, websites might request your wallet to sign certain operations. The Phantom wallet would pop up a window, and you could choose to approve or reject. Generally, you would sign without suspicion because you trust the website and the browser. However, I shouldn't have done so that day.

Just as I was performing a token swap on the @JupiterExchange platform, the malicious code triggered a wallet request that replaced my normal swap operation. I could have detected it as a malicious request by carefully checking the transaction details, but since I was already performing a swap on Jupiter, I didn't suspect anything.

That day, I didn't sign any transaction to transfer funds; instead, I signed an authorization. This was the reason my assets were stolen days later.

The malicious code didn't directly ask me to send SOL (Solana), as that would have been too obvious. Instead, it requested me to "authorize access," "approve account," or "confirm session." In simple terms, I was actually giving another address permission to operate on my behalf.

I approved it because I mistakenly thought it was related to my operation on Jupiter. The message that popped up in the Phantom wallet at the time looked very technical, showing no amounts and no prompt for an immediate transfer.

And that was all the attacker needed. He waited patiently until I left the hotel before taking action. He transferred my SOL, withdrew my tokens, and moved my NFTs to another address.

I never thought something like this would happen to me. Fortunately, this wasn't my main wallet but a hot wallet used for specific operations, not for long-term asset holding. But even so, I made many mistakes, and I believe I am primarily responsible for this.

First, I should never have connected to the hotel's public Wi-Fi. I should have used my phone's hotspot for internet access.

My second mistake was talking about cryptocurrency in the hotel's public area, where many people might have overheard our conversation. My father once warned me never to let others know you're involved in cryptocurrency. This time, I was lucky; some people have even faced kidnapping or worse because of their crypto assets.

Another mistake was approving the wallet request without paying full attention. Because I was sure the request came from Jupiter, I didn't analyze it carefully. In fact, every wallet request should be carefully reviewed, even on applications you trust. Requests can be intercepted and may not actually come from the app you think.

In the end, I lost about $5,000 from a secondary wallet. While it wasn't the worst-case scenario, it was still very frustrating.

Связанные с этим вопросы

QWhat was the primary security vulnerability that led to the author's wallet being drained?

AThe author connected to the hotel's unsecured public Wi-Fi network, which allowed an attacker to perform a Man-in-the-Middle (MitM) attack, intercept and inject malicious code into web pages, and trick the author into signing a malicious transaction approval.

QHow did the attacker identify the author as a potential target for the cryptocurrency theft?

AThe attacker overheard the author's phone conversation about cryptocurrency, market trends, and Bitcoin in a public area, which revealed that the author used a Phantom wallet and was a sizable holder.

QWhat specific action did the author unknowingly approve that led to the theft days later?

AThe author approved a malicious transaction that granted authorization or permission for another address to operate on their behalf, rather than directly transferring funds. This approval was disguised as part of a normal token swap on Jupiter Exchange.

QWhat security measures does the author mention could have prevented this incident?

AThe author states they should have used a mobile hotspot instead of public Wi-Fi, avoided discussing cryptocurrency in public, and carefully inspected every wallet transaction request, even from trusted applications.

QWhat was the financial impact of the attack on the author?

AThe author lost approximately $5,000 from a secondary hot wallet used for specific operations, not their main wallet, which mitigated the severity of the loss.

Похожее

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

В статье представлен новый подход к обучению генеративных моделей под названием Explorative Modeling (XM), который позволяет осуществлять сквозное (end-to-end) обучение. Традиционные генеративные модели, такие как диффузионные или авторегрессионные, страдают от «смешения мод» (mode blurring), когда модель усредняет множество возможных правильных ответов, что приводит к размытым или нереалистичным результатам. Это также вызывает «смещение экспозиции» (exposure bias), когда ошибки накапливаются во время вывода. Ключевая идея XM проста: на каждом шаге обучения модель генерирует K кандидатов, а для обратного распространения градиента выбирает только того кандидата, который наиболее близок к реальным данным. Этот цикл, реализованный в несколько строк кода, повышает «генеративную выразительность» модели, позволяя ей охватывать несколько мод распределения данных, а не усреднять их. Авторы показывают, что «исследование» (exploration) становится третьей осью масштабирования наряду с увеличением параметров и данных. Эксперименты с изображениями, видео и текстом демонстрируют монотонное улучшение качества: при увеличении масштаба данных выгода от исследования возрастает с 7% до 36%, а эффективность использования вычислений (FLOP) повышается в 4.1 раза. В задачах управления роботами сквозная модель XM с одним проходом вперед достигает результатов, сравнимых с диффузионными моделями, требующими сотни проходов. Таким образом, Explorative Modeling предлагает путь к truly end-to-end генеративным моделям, перенося сложность с этапа вывода на этап обучения, что открывает потенциал для более эффективных и мощных систем.

marsbit48 мин. назад

Может ли модель генерации обучаться end-to-end? В основе — простой цикл for

marsbit48 мин. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

Корейская биржа Upbit провела внутреннюю ребалансировку 864 миллиардов токенов SHIB между своими кошельками. Движение активов на сумму около 4 миллионов долларов произошло после роста стоимости SHIB на 36%, что привлекло внимание трейдеров. Однако анализ помеченных адресов показывает, что это была стандартная операция по перераспределению средств между "горячими" и другими внутренними кошельками биржи, а не вывод средств или подготовка к продаже. Общий объем перемещений включал 384 миллиарда SHIB, отправленных с основного горячего кошелька, и 480 миллиардов SHIB, возвращенных обратно. Этот случай подчеркивает важность проверки контекста и меток кошельков при интерпретации крупных ончейн-транзакций, чтобы избежать ошибочных выводов о продаже или давлении на рынок.

bitcoinist48 мин. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

bitcoinist48 мин. назад

Максимум 20 статей на человека? Исследователи DeepMind «просят» снять ограничения ICLR

Новая политика конференции ICLR 2027 ограничивает количество подаваемых одним автором работ до 20. По мнению организаторов, это необходимо для снижения нагрузки на рецензентов, учитывая рекордный рост числа заявок — на 68% за год. В ответ на это исследователь Google DeepMind Дэн Рой иронично запустил «петицию» против лимита, заявив, что он замедлит прогресс в ИИ, особенно в эпоху, когда агенты ИИ могут генерировать множество статей, а рецензии часто пишутся с помощью больших языковых моделей (по некоторым данным, до 21% рецензий на ICLR 2026 могли быть полностью сгенерированы ИИ). Его сатирический пост поднимает серьёзный вопрос о целесообразности простого ограничения количества работ вместо решения системных проблем, связанных с массовым производством статей и автоматизацией рецензирования в современной академической среде.

marsbit53 мин. назад

Максимум 20 статей на человека? Исследователи DeepMind «просят» снять ограничения ICLR

marsbit53 мин. назад

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

Уязвимость в аппаратном кошельке Coldcard привела к краже 1367,05 BTC (около 89 млн долларов) с 4585 адресов. Инцидент, связанный с ошибкой в генерации сид-фраз в определенной прошивке, вызвал массовую миграцию средств пользователей на новые безопасные адреса. Это привело к аномальному всплеску активности в сети Биткоин, исказив ключевые ончейн-индикаторы, такие как активность долгосрочных держателей и объем мелких транзакций. Активность и рыночные настроения достигли уровня, сравнимого с периодом после краха FTX. Расследование столкнулось с трудностями из-за ограничений коммерческих ИИ-моделей (например, в США), которые блокируют анализ вредоносных данных даже для целей защиты. Следователи были вынуждены использовать открытые модели, такие как китайский GLM 5.2, для отслеживания украденных средств. Этот случай высветил проблему асимметрии: злоумышленники используют неограниченные ИИ-инструменты, в то время как защитники сталкиваются с барьерами коммерческих систем безопасности, что критично в сфере криптовалют, где скорость отслеживания средств крайне важна.

marsbit1 ч. назад

Уязвимость Coldcard привела к краже $89 млн и вызвала самую масштабную миграцию средств в блокчейне после краха FTX

marsbit1 ч. назад

Заработок в миллион на электриках: Meta спешно открывает собственное ПТУ

Новый этап конкуренции в сфере искусственного интеллекта столкнулся с неожиданным препятствием — острой нехваткой квалифицированных технических специалистов, особенно электриков и строителей, для возведения сверхмощных центров обработки данных. В США, согласно прогнозам, к 2030 году для инфраструктуры ИИ потребуется дополнительно 130 000 электриков и 240 000 строителей, однако ежегодно остается незаполненными около 80 000 вакансий электриков. Компании, такие как OpenAI (проект "Stargate" стоимостью $160 млрд), Meta и Microsoft, сталкиваются с огромными убытками из-за задержек строительства. Например, задержка ввода центра мощностью 60 МВт может обернуться потерей $14,2 млн в месяц. Причина спроса — беспрецедентная сложность строительства ИИ-центров. Они потребляют колоссальную энергию (сотни мегаватт), требуют уникальных систем электроснабжения и охлаждения (жидкостное или иммерсионное), что делает работу высококвалифицированных монтажников, сантехников и инженеров незаменимой. Для решения проблемы кадрового голода ИИ-гиганты начали масштабные программы обучения. Meta инвестировала $115 млн в создание собственной школы строителей с бесплатным обучением и стипендией, а OpenAI сотрудничает с профсоюзами. Активная вербовка ведется даже среди старшеклассников. Потребление энергии ИИ-центрами растет экспоненциально, опережая общий рост энергопотребления в 16 раз и увеличивая счета за электричество для потребителей. Однако строительство таких объектов носит проектный характер: для возведения центра "Stargate" требуется 6400 рабочих, а для его обслуживания — всего 100-1000. Это создает риск перенасыщения рынка труда после завершения строительного бума, что может привести к падению зарплат в отрасли.

marsbit2 ч. назад

Заработок в миллион на электриках: Meta спешно открывает собственное ПТУ

marsbit2 ч. назад

Торговля

Спот
活动图片