Казначейство США ввело санкции против группы ополченцев Мьянмы за предполагаемые мошенничества с криптовалютой

cryptonews.ruXuất bản vào 2025-03-06Cập nhật gần nhất vào 2025-05-06

Министерство финансов США ввело санкции против группы ополченцев Мьянмы, известной как Каренская национальная армия (KNA), обвинив ее в мошенничестве с криптовалютой и другой преступной деятельности.

Согласно пресс-релизу агентства от 5 мая, Каренская национальная армия организовала множество мошенничеств с криптовалютой, включая печально известные романтические аферы, также называемые «забой свиней», которые все больше и больше заманивают жертв вкладывать в поддельные криптосхемы. Американцы «коллективно потеряли миллиарды долларов» из-за мошенничеств, подобных тем, что исходят из Мьянмы, говорится в пресс-релизе, без указания суммы.

«Сегодня Управление по контролю за иностранными активами Министерства финансов США (OFAC) ввело санкции против Каренской национальной армии (KNA), военизированной группировки в Бирме, как транснациональной преступной организации, вместе с лидером группировки Со Чит Ту и его двумя сыновьями, Со Хту Э Му и Со Чит Чит, за их роль в содействии кибермошенничестве, торговле людьми и трансграничной контрабанде, которые наносит вред гражданам США», — говорится в пресс-релизе.

Многие международные организации, включая США, продолжают ссылаться на «Бирму», прежнее название страны, чтобы продемонстрировать, что они не признают военные режимы, которые находились у власти в разное время после переворота 1989 года, в ходе которого военные изменили название на Мьянму. KNA действует на юго-востоке Мьянмы, вдоль границы с Таиландом.

Управление по контролю за иностранными активами (OFAC) Министерства финансов США за последние несколько лет ввело многочисленные санкции против криптопреступников, включая террористические группы на Ближнем Востоке, подразделения по борьбе с киберпреступностью, работающие за рубежом, и ориентированные на конфиденциальность криптотехнологии, такие как Tornado Cash.

Криптомошенничество нацелено на жителей США

По данным Федерального бюро расследований (ФБР), в 2024 году из-за криптомошенничества американцы потеряли 9,3 млрд долларов, примерно на 66% больше, чем в 2023 году. Наиболее пострадавшая группа — это люди старше 60 лет, которые сообщили о совокупном убытке в размере 2,8 млрд долларов.

Аферы с забоем свиней известны своим значительным влиянием на жертв как в криптовалютном пространстве, так и за его пределами. Афера представляет собой долгосрочное финансовое мошенничество, при котором мошенники постепенно завоевывают доверие жертв, часто через социальные сети или платформы обмена сообщениями, прежде чем убедить их инвестировать в поддельные или манипулируемые криптосхемы. По данным TRM Labs, компании, занимающейся блокчейн-разведкой, в 2023 году эти мошенничества составили более 4,4 млрд долларов, украденных в 2023 году.

Согласно пресс-релизу Министерства финансов, этот тип мошенничества в настоящее время распространен в Юго-Восточной Азии, в основном с участием жертв торговли людьми. Каренская национальная армия предположительно занимается организацией как мошенничеств с забоем свиней, так и сетями торговли людьми, что позволяет им действовать в больших масштабах.

Nội dung Liên quan

Vừa qua, DeepSeek V4 cập nhật DSpark, tốc độ suy luận tăng 80%

Vừa qua, DeepSeek V4 đã được cập nhật với framework giải mã suy đoán mới là **DSpark**, giúp tăng tốc độ suy luận lên tới 80%. Cốt lõi của bản cập nhật này là framework **DSpark**, một kỹ thuật giải mã suy đoán được triển khai trên DeepSeek-V4-Pro hiện có để tăng tốc độ suy luận, chứ không phải là nâng cấp kiến trúc mô hình. DSpark giải quyết các điểm nghẽn về độ trễ và thông lượng trong môi trường sản xuất, đặc biệt ở các tình huống có tải cao. DSpark kết hợp hai cải tiến chính: 1. **Kiến trúc sinh bán tự hồi quy (Semi-Autoregressive Generation)**: Giữ lợi thế về thông lượng cao của mô hình phác thảo song song, đồng thời thêm mô-đun nối tiếp nhẹ để mô hình hóa mối quan hệ phụ thuộc giữa các token, giúp giảm thiểu tỷ lệ chấp nhận suy giảm. 2. **Xác minh theo lịch trình độ tin cậy, nhận biết phần cứng (Confidence-Scheduled Verification)**: Một "đầu độ tin cậy" (Confidence Head) được sử dụng để đánh giá xác suất tồn tại của mỗi token phác thảo. Hệ thống điều phối sẽ xác định độ dài xác minh tối ưu một cách linh hoạt dựa trên đặc điểm tải và phần cứng, chỉ phân bổ tài nguyên tính toán cho những token có khả năng được chấp nhận cao nhất. Trong các thử nghiệm trên nhiều lĩnh vực như suy luận toán học, tạo mã và hội thoại, DSpark vượt trội so với các phương pháp tiên tiến hiện tại như Eagle3 và DFlash. So với cơ sở sinh token đơn trước đó (MTP-1), DSpark đã **tăng tốc độ phản hồi cho người dùng từ 57% đến 85%** (tuỳ thuộc vào việc sử dụng mô hình Flash hay Pro) trong khi vẫn duy trì cùng tổng thông lượng. Cùng với DSpark, DeepSeek cũng công khai mã nguồn **DeepSpec**, một bộ công cụ toàn diện để đào tạo và đánh giá các mô hình phác thảo cho giải mã suy đoán. DeepSpec cung cấp một đường ống công việc tiêu chuẩn bao gồm chuẩn bị dữ liệu, đào tạo và đánh giá, hỗ trợ nhiều thuật toán (DSpark, DFlash, Eagle3) và mô hình mục tiêu (hiện tại là Qwen3 và Gemma).

marsbit6 giờ trước

Vừa qua, DeepSeek V4 cập nhật DSpark, tốc độ suy luận tăng 80%

marsbit6 giờ trước

Cách mà thần đồng Karpathy sử dụng Claude, hóa ra là như thế này?

Andrej Karpathy, một chuyên gia hàng đầu trong lĩnh vực AI, được cho là đã sử dụng một tệp CLAUDE.md cá nhân để hướng dẫn Claude - công cụ AI lập trình từ Anthropic - hoạt động hiệu quả hơn. Dù tính xác thực của tệp này chưa được kiểm chứng, nhưng nội dung của nó phản ánh chính xác những nguyên tắc Karpathy thường chia sẻ. Tài liệu này đưa ra các quy tắc then chốt để tránh những lỗi phổ biến khi AI viết code. Trọng tâm bao gồm: **Đọc kỹ code hiện có** trước khi viết mới để đảm bảo tính nhất quán; **Suy nghĩ thấu đáo** về yêu cầu và các phương án triển khai trước khi bắt tay vào code; **Giữ mọi thứ đơn giản nhất có thể**, tránh thiết kế thừa và chỉ xử lý những vấn đề thực sự tồn tại; **Sửa đổi một cách "phẫu thuật"**, chỉ thay đổi phần cần thiết và tuân thủ phong cách code sẵn có của dự án. Các hướng dẫn khác bao gồm việc luôn **xác minh code** bằng kiểm thử, làm việc **theo mục tiêu rõ ràng**, **gỡ lỗi có phương pháp**, thận trọng khi thêm **phụ thuộc mới**, và **giao tiếp hiệu quả** về những thay đổi. Tài liệu cũng chỉ ra các "mẫu thất bại" thường gặp như làm quá nhiều việc cùng lúc, tạo ra sự trừu tượng hóa không cần thiết, hoặc lạc quyết định ban đầu. Về cơ bản, những nguyên tắc này nhằm biến Claude từ một thực thể tạo code chung chung thành một trợ lý lập trình thực sự hiểu ngữ cảnh, tuân thủ dự án và giảm thiểu nhu cầu viết lại code. Dù tệp gốc có phải của Karpathy hay không, các nguyên tắc này được cộng đồng đánh giá cao và đã có dự án trên GitHub tổng hợp chúng, được cho là giúp giảm tỷ lệ lỗi code do AI tạo ra một cách đáng kể.

marsbit7 giờ trước

Cách mà thần đồng Karpathy sử dụng Claude, hóa ra là như thế này?

marsbit7 giờ trước

Giao dịch

Giao ngay
活动图片