Мошенничества и взломы в сфере криптовалют достигли $370 млн в январе: CertiK

TheNewsCryptoОпубликовано 2026-02-02Обновлено 2026-02-02

Введение

Согласно отчету CertiK, в январе общий объем украденных криптовалют в результате мошеннических схем и взломов достиг 370,3 миллиона долларов, что стало рекордным месячным показателем за последние 11 месяцев и примерно в четыре раза превысило показатели января прошлого года. Основная часть ущерба пришлась на фишинговые атаки, которые составили 311,3 миллиона долларов. Крупнейшим инцидентом месяца стала социальная инженерия, в результате которой одна жертва потеряла около 284 миллионов долларов. Среди других значительных взломов — атака на Step Finance (28,9 миллиона долларов) и эксплойт протокола Truebit (26,4 миллиона долларов). Общее количество хакерских атак в январе достигло 16, а суммарные потери снизились на 1,42% по сравнению с прошлым годом, но выросли на 13% по сравнению с декабрем.

Общая стоимость похищенных криптовалют в результате эксплойтов и мошенничеств достигла $370,3 миллиона в прошлом месяце, что стало самым высоким месячным показателем за 11 месяцев и примерно четырехкратным увеличением по сравнению с январем прошлого года.

CertiK, крупнейший поставщик услуг безопасности Web3, сообщил 31 января, что из 40 инцидентов мошенничества, произошедших в январе, основная часть общей похищенной суммы пришлась на одну жертву, которая потеряла около $284 миллионов из-за мошенничества с социальной инженерией.

Около $370 миллионов похищенных средств пришлось на фишинговые аферы, которые за месяц украли более $311,3 миллионов. Этот показатель месяца является крупнейшей потерей, за которой следует взлом Bybit в феврале 2025 года.

В феврале 2025 года хакеры похитили в общей сложности около $1,5 миллиарда за месяц, основная часть которых пришлась на взлом криптобиржи Bybit на $1,4 миллиарда. Недавняя сумма означает рост более чем на 277% по сравнению с январем 2025 года, когда злоумышленники похитили $98 миллионов.

Самый большой скачок

CertiK также отметил, что это также на 214% больше, чем в декабре, когда было потеряно $117,8 миллионов из-за крипто-краж. Компания по анализу данных и безопасности блокчейна PeckShield сообщила 1 февраля, что взлом Step Finance в последний месяц января стал крупнейшим за месяц.

Злоумышленники похитили $28,9 миллионов в результате атаки на трекер портфеля децентрализованных финансов, где многие из его казначейских кошельков оказались под угрозой, и было изъято более 261 000 Solana (SOL). После этого крупнейшим эксплойтом месяца стала атака на протокол Truebit 8 января на $26,4 миллиона, когда ошибка в смарт-контракте позволила злоумышленнику чеканить токены практически бесплатно. Это также обрушило цену токена Truebit (TRU).

PeckShield также выделила взлом поставщика ликвидности SwapNet на $13,3 миллиона 26 января и взлом блокчейн-протокола Saga на $7 миллионов 21 января. Фирма упомянула, что в январе в общей сложности произошло около 16 взломов, что эквивалентно потерям в $86,01 миллиона, что на 1,42% меньше, чем год назад, но более чем на 13% больше, чем в декабре.

Главные крипто-новости сегодня:

Эксплойт моста CrossCurve приводит к потере $3 миллионов в результате межсетевого нарушения безопасности

Связанные с этим вопросы

QКакова общая сумма украденных криптовалют в январе по данным CertiK?

AОбщая сумма украденных криптовалют в январе составила 370,3 миллиона долларов.

QКакой тип мошенничества принес наибольшие убытки в январе и какова была сумма?

AФишинговые атаки принесли наибольшие убытки, составившие более 311,3 миллиона долларов.

QКакая была самая крупная единичная атака в январе и на какую сумму?

AКрупнейшей единичной атакой была социальная инженерия, в результате которой одна жертва потеряла около 284 миллионов долларов.

QКакие два взлома, помимо крупнейшего, упоминаются PeckShield как значительные инциденты января?

APeckShield выделила взлом протокола Truebit на 26,4 миллиона долларов 8 января и взлом Step Finance на 28,9 миллиона долларов в конце января.

QКак изменился объем убытков от взломов в январе по сравнению с декабрем предыдущего года?

AОбъем убытков от взломов в январе увеличился более чем на 13% по сравнению с декабрем предыдущего года.

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.

marsbit45 мин. назад

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

marsbit45 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.

bitcoinist46 мин. назад

Upbit проводит ребалансировку 864 млрд SHIB при перемещении между внутренними кошельками

bitcoinist46 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.

marsbit51 мин. назад

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

marsbit51 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