Quan Chức Úc Bán Công Cụ Mạng với Giá 1,26 Triệu Đô La bằng Tiền Mã Hóa

TheNewsCryptoXuất bản vào 2026-02-20Cập nhật gần nhất vào 2026-02-20

Tóm tắt

Viên chức người Australia Peter Williams đã nhận tội bán 8 công cụ khai thác mạng nhạy cảm, bao gồm cả lỗ hổng zero-day, cho một môi giới người Nga với giá 1,26 triệu USD được thanh toán bằng tiền mã hóa. Các công cụ này vốn được phát triển cho cộng đồng tình báo Mỹ và chia sẻ với các đối tác Five Eyes. Theo Bộ Tư pháp Mỹ, Williams còn có các hợp đồng hợp tác với tổng giá trị lên đến 4 triệu USD. Dù biết FBI đang điều tra, Williams vẫn tiếp tục bán các công cụ cho đến tháng 7/2025, gây thiệt hại 35 triệu USD cho các công ty liên quan. Anh ta đã chuyển đổi tiền mã hóa thành tiền mặt thông qua các giao dịch ẩn danh và chi tiêu hơn 715.000 USD cho kỳ nghỉ, xe hơi sang trọng, trang sức và đặt cọc 1,5 triệu USD cho một bất động sản ở Washington. Công tố viên đề nghị án phạt 9 năm tù, bồi thường 35 triệu USD, phạt 250.000 USD và 3 năm quản chế. Vụ việc làm nổi bật vai trò của tiền mã hóa trong các vụ án gián điệp và an ninh quốc gia.

Một quan chức từ Úc đã nhận tội vì bán các công cụ mạng nhạy cảm cho một nhà môi giới từ Nga, và khoản thanh toán được thực hiện bằng tiền mã hóa theo các hợp đồng đảm bảo hàng triệu đô la hơn, biến tiền mã hóa thành trọng tâm của một vụ án mà các công tố viên tuyên bố đã gây nguy hiểm cho khả năng tình báo của Five Eyes.

Các công tố viên tuyên bố Peter Williams, một người bản xứ Úc, đã bán 8 thành phần khai thác mạng được bảo vệ, bao gồm cả các khả năng zero-day, cho một nhà môi giới có trụ sở tại Nga được biết đến là làm ăn với chính phủ Nga.

Các công cụ được tạo ra để sử dụng bởi cộng đồng tình báo Hoa Kỳ và chia sẻ với các đối tác Five Eyes. Liên minh tình báo này bao gồm Hoa Kỳ, Vương quốc Anh, Canada, Úc và New Zealand.

Bộ Tư pháp Hoa Kỳ chính thức chấp nhận vào tháng 10 năm 2025 rằng Williams đã ký kết nhiều hợp đồng bằng văn bản với nhà môi giới Nga và nhận được hơn 1,26 triệu đô la tiền mã hóa liên quan đến các giao dịch bán.

Hành động bị cáo buộc đang lần đầu tiên được đưa ra ánh sáng khi Williams, một cựu nhân viên Không quân Úc, chuẩn bị nhận án tại Washington trong tuần tới, theo báo cáo của Cairns Post.

Hình Phạt Cho Bị Cáo

Một bản ghi nhớ án tù được công bố đầu tháng này cho thấy các khoản thanh toán bổ sung lên đến 4 triệu đô la được đảm bảo theo các thỏa thuận hợp tác hiện tại. Bản ghi nhớ cũng tiết lộ rằng các công ty liên quan đã mất hơn 35 triệu đô la, đồng thời nói thêm rằng Williams tiếp tục bán các công cụ khai thác cho đến tháng 7 năm 2025 ngay cả sau khi anh ta biết FBI đang điều tra.

Theo các cáo buộc, Williams cũng chuyển tiền mã hóa thông qua các giao dịch ẩn danh trước khi rút tiền mặt và chi hơn 715.000 đô la cho các kỳ nghỉ, xe hơi sang trọng, trang sức và một khoản thanh toán trước 1,5 triệu đô la cho một tài sản ở Washington.

Các công tố viên đang tìm kiếm mức án chín năm tù, 35 triệu đô la hoàn trả bắt buộc, khoản tiền phạt 250.000 đô la và ba năm được giám sát tại ngoại. Các vụ truy tố trong vài năm qua cho thấy tiền mã hóa đã xuất hiện như thế nào trong các vụ án gián điệp và an ninh quốc gia.

Tin Tức Tiền Mã Hóa Nổi Bật Hôm Nay:

Bybit EU Ra Mắt Chiến Dịch Kiếm Lãi Stablecoin USDC và EURC Trên Toàn Châu Âu

Câu hỏi Liên quan

QViên chức Úc nào đã bị kết tội bán công cụ mạng nhạy cảm cho Nga?

APeter Williams, một cựu nhân viên Không quân Úc, đã nhận tội bán các công cụ mạng nhạy cảm cho một môi giới người Nga.

QTổng giá trị thanh toán bằng tiền mã hóa trong vụ việc là bao nhiêu?

AWilliams đã nhận được hơn 1,26 triệu đô la Mỹ thanh toán bằng tiền mã hóa từ các giao dịch này.

QCác công cụ mạng này được thiết kế cho mục đích sử dụng ban đầu của ai?

ACác công cụ mạng khai thác này được tạo ra để sử dụng cho cộng đồng tình báo Hoa Kỳ và được chia sẻ với các đối tác trong liên minh Five Eyes.

QMức hình phạt mà công tố viên đề nghị cho Williams là gì?

ACông tố viên đề nghị mức án 9 năm tù, hoàn trách bắt buộc 35 triệu đô la, phạt 250.000 đô la và 3 năm quản chế.

QWilliams đã sử dụng số tiền mã hóa kiếm được để chi tiêu vào những việc gì?

AAnh ta đã chuyển đổi tiền mã hóa và chi hơn 715.000 đô la cho các kỳ nghỉ, xe hơi hạng sang, trang sức và một khoản thanh toán trước 1,5 triệu đô la cho một bất động sản ở Washington.

Nội dung Liên quan

Báo cáo Ethereum Q1 2026: Phí giảm, người dùng và khối lượng giao dịch lập kỷ lục mới

Báo cáo Q1/2026 của Ethereum cho thấy một xu hướng đối lập: lượng người dùng, số giao dịch và thông lượng mạng lưới đều đạt mức cao kỷ lục, trong khi phí giao dịch, tổng giá trị bị khóa (TVL), khối lượng giao dịch và vốn hóa pha loãng hoàn toàn (FDV) của ETH lại giảm. Hiện tượng này được giải thích là "Nghịch lý Jevons": việc giảm chi phí sử dụng mạng lưới sau đợt nâng cấp Fusaka đã giải phóng nhu cầu, thúc đẩy tăng trưởng quy mô. Báo cáo nhấn mạnh sự chuyển dịch trong định vị cốt lõi của Ethereum từ một blockchain DeFi sang một tầng thanh toán tài chính toàn cầu. Ethereum tiếp tục thống trị thị trường tài sản được mã hóa, chiếm phần lớn thị phần trong các lĩnh vực stablecoin (61,8%), quỹ được mã hóa (73%), hàng hóa được mã hóa (84%) và cổ phiếu được mã hóa. Sự tham gia của các tổ chức lớn như BlackRock, JPMorgan và Fidelity đang đẩy nhanh quá trình "thể chế lên chuỗi". Mặc dù phí giao dịch tầng cơ sở giảm mạnh (-47,9%), đây được xem là một sự đánh đổi có chủ đích để đổi lấy tăng trưởng mạng lưới dài hạn. Chiến lược này nhằm củng cố vị thế là nền tảng định sẵn cho việc thanh toán và quyết toán các tài sản tài chính ngày càng được mã hóa, từ đó tạo ra giá trị cơ bản cho ETH thông qua nhu cầu sử dụng mạng lưới.

marsbit19 phút trước

Báo cáo Ethereum Q1 2026: Phí giảm, người dùng và khối lượng giao dịch lập kỷ lục mới

marsbit19 phút trước

CEO Intel Anrrit Patel lần đầu phỏng vấn podcast: Mục tiêu của chúng tôi là '10 lần trong 5-10 năm', đặt cược vào đóng gói tiên tiến, bản nền bằng kính và kim cương nhân tạo

Giám đốc điều hành Intel, Lip-Bu Tan, đặt mục tiêu tạo ra lợi nhuận gấp 10 lần trong 5-10 năm. Chiến lược tập trung vào ba lĩnh vực then chốt: đóng gói tiên tiến (như công nghệ EMIB), vật liệu bán dẫn mới (GaN, SiC, InP, kim cương nhân tạo) và công nghệ nền tảng thế hệ tiếp theo (như nền thủy tinh). Ông nhấn mạnh nhu cầu CPU mạnh mẽ từ AI thông minh và suy luận, đồng thời cam kết xây dựng lại doanh nghiệp sản xuất của Intel với trọng tâm là tỷ lệ phần trăm hoàn hảo, độ tin cậy và thời gian chu kỳ để giành lấy niềm tin của khách hàng. Tan cũng tiết lộ hợp tác Terafab với Elon Musk để giải quyết tình trạng thiếu hụt cơ sở hạ tầng bán dẫn. Ông xem giai đoạn hiện tại là "bò" và dự đoán tiềm năng thực sự của Intel, vượt ra ngoài PC để đến với điện toán biên và AI vật lý, sẽ được công nhận đầy đủ sau năm 2030.

marsbit22 phút trước

CEO Intel Anrrit Patel lần đầu phỏng vấn podcast: Mục tiêu của chúng tôi là '10 lần trong 5-10 năm', đặt cược vào đóng gói tiên tiến, bản nền bằng kính và kim cương nhân tạo

marsbit22 phút trước

Anh ấy vừa gọi được 2,7 tỷ USD, Lý Phi Phi cũng rót tiền đầu tư

"Generalist AI", công ty khởi nghiệp trí tuệ thể hiện (embodied AI) do Pete Florence - cựu nhà khoa học nghiên cứu cốt cán của Google DeepMind và là một trong những người đặt nền móng cho kiến trúc mô hình VLA (Vision-Language-Action) - sáng lập, vừa huy động thành công 4 tỷ USD (tương đương 27 tỷ RMB) ở vòng gọi vốn mới, định giá 20 tỷ USD. Vòng đầu tư có sự tham gia của các tổ chức và cá nhân uy tín như NVentures (từ NVIDIA), NFDG, Bezos Expeditions, đồng sáng lập Xiaomi Lin Bin, người sáng lập Zoom Eric Yuan, và nhà khoa học nổi tiếng Fei-Fei Li. Mặc dù được coi là người tiên phong trong lĩnh vực "mô hình thế giới" (world model), Florence lại công khai phản đối việc dán nhãn này cho công ty mình. Triết lý của ông, chịu ảnh hưởng từ người thầy Russ Tedrake tại MIT, là ưu tiên "mục tiêu" cụ thể hơn các "nhãn" công nghệ chung chung. Mục tiêu tối thượng của Generalist AI là tạo ra những robot đa năng có thể thực hiện với độ tin cậy cực cao nhiều nhiệm vụ chưa từng thấy mà không cần dữ liệu huấn luyện riêng cho từng tác vụ. Để hiện thực hóa điều này, Generalist AI đã lần lượt ra mắt các mô hình GEN-0 và GEN-1. GEN-1, được công bố vào tháng 4/2026, được huấn luyện trên hơn 50 nghìn giờ dữ liệu tương tác vật lý thu thập qua một thiết bị đeo tay đặc biệt. Theo công ty, mô hình này đạt tỷ lệ thành công 99% trong một số nhiệm vụ thao tác lặp lại và tinh vi (như gấp hộp, đóng gói), với tốc độ nhanh gấp ba lần GEN-0 và chỉ cần khoảng một giờ để thích ứng với tác vụ mới. Thành tựu này chứng minh lộ trình phát triển rõ ràng của công ty và là lý do chính thu hút được sự ủng hộ mạnh mẽ từ các nhà đầu tư hàng đầu, đưa Generalist AI trở thành một trong những công ty được kỳ vọng nhất trong lĩnh vực robot và trí tuệ thể hiện.

marsbit27 phút trước

Anh ấy vừa gọi được 2,7 tỷ USD, Lý Phi Phi cũng rót tiền đầu tư

marsbit27 phút trước

Mất hai huyền thoại trong ba ngày: Con đập nhân tài AI của Google đang vỡ?

Chỉ trong ba ngày, Google đã chứng kiến hai huyền thoại AI rời đi: Noam Shazeer (đồng tác giả Transformer, lãnh đạo Gemini) gia nhập OpenAI, và John Jumper (người đoạt giải Nobel Hóa học 2024, lãnh đạo AlphaFold) chuyển sang Anthropic. Đây không phải là trường hợp cá biệt mà là một xu hướng rõ ràng, bổ sung cho việc cựu thành viên sáng lập OpenAI Andrej Karpathy gia nhập Anthropic trước đó. Các tài năng AI hàng đầu đang tập trung ngày càng nhiều vào OpenAI và Anthropic, khiến Google trở thành nguồn cung cấp chính trong cuộc tái cấu trúc nhân tài này. Sự dịch chuyển này bắt nguồn từ sự khác biệt cốt lõi về sứ mệnh. Google, với doanh thu chính phụ thuộc vào quảng cáo, thường đặt các dự án AI trong khuôn khổ phục vụ mục tiêu sản phẩm và lợi nhuận. Ngược lại, OpenAI (với sứ mệnh AGI) và Anthropic (tập trung vào AI an toàn) cho phép các nhà nghiên cứu tập trung hoàn toàn vào việc đẩy xa giới hạn năng lực mô hình. Ngoài ra, cơ hội thu lợi nhuận lớn từ cổ phiếu trước thềm IPO của hai công ty này là động lực hấp dẫn mà Google - một gã khổng lồ trưởng thành - khó có thể sánh được. Việc sáp nhập Google Brain và DeepMind vào năm 2023 cũng tạo ra những lực ly tâm mới, làm xói mòn văn hóa nghiên cứu dài hạn dưới áp lực phải phù hợp với lộ trình sản phẩm. Sự ra đi của các nhân vật then chốt như Jumper và Shazeer phản ánh điều này. Cuộc khủng hoảng nhân tài này mang tính cấu trúc. Google có thể sở hữu cơ sở hạ tầng máy tính khổng lồ và kho dữ liệu đồ sộ, nhưng việc thiếu những bộ óc xuất sắc nhất để khai thác chúng khiến lợi thế đó trở nên vô nghĩa. Trong khi OpenAI và Anthropic củng cố vị thế với đội ngũ tinh nhuệ ngày càng mạnh, Google đang mất dần hào quang là trung tâm hấp dẫn nhân tài AI toàn cầu. Trong cuộc đua mà mật độ tài năng quyết định năng lực mô hình và thị phần, đây là một thách thức tồn vong thầm lặng nhưng nghiêm trọng của Google.

marsbit2 giờ trước

Mất hai huyền thoại trong ba ngày: Con đập nhân tài AI của Google đang vỡ?

marsbit2 giờ trước

Phía sau bảng điểm AI, ẩn giấu một 'người ra đề' gốc Hoa

Mỗi khi một mô hình AI tiên tiến ra mắt, giới công nghệ lại dõi theo những “bảng điểm” quen thuộc như MMLU-Pro, MMMU hay MMMU-Pro. Đây là các tiêu chuẩn đánh giá quan trọng giúp so sánh năng lực của các mô hình lớn như GPT, Claude hay Gemini. Tuy nhiên, ít người biết rằng đằng sau những bộ đề thi này là một nhà nghiên cứu người Hoa: Chen Wenhu (Trần Văn Hổ), trợ lý giáo sư tại Đại học Waterloo, Canada. Ông cùng phòng thí nghiệm TIGERLab (còn gọi là Hổ Đầu Bang) đã tạo ra MMLU-Pro vào năm 2024 để giải quyết vấn đề “mất chuẩn” của bộ đánh giá MMLU cũ, khi nhiều mô hình tiên tiến đạt điểm gần tuyệt đối, khó phân biệt được sự khác biệt thực sự. MMLU-Pro với hơn 12.000 câu hỏi, mở rộng lựa chọn và tăng cường các câu đòi hỏi suy luận, đã giúp kéo giãn khoảng cách điểm số và đánh giá ổn định hơn. Trước đó, nhóm của Chen Wenhu cũng phát triển MMMU - bộ đánh giá đa phương thức (multimodal) yêu cầu mô hình kết hợp hiểu biết hình ảnh, biểu đồ với kiến thức chuyên môn để trả lời câu hỏi. Ngay cả các mô hình mạnh nhất thời điểm đó như GPT-4V cũng chỉ đạt độ chính xác khoảng 56%. Phiên bản MMMU-Pro sau này được thiết kế để đảm bảo mô hình không thể “bỏ qua” thông tin hình ảnh mà chỉ dựa vào văn bản để đoán đáp án. Nghiên cứu của Chen Wenhu tập trung vào việc hiểu thông tin phức tạp, hỏi đáp tri thức và suy luận. Ông từng làm việc tại Google Research và DeepMind, tham gia vào dự án Gemini, trước khi gia nhập Đại học Waterloo và thành lập TIGERLab. Phòng thí nghiệm không chỉ tạo ra các bộ đánh giá mà còn nghiên cứu phát triển mô hình, chẳng hạn trong lĩnh vực xử lý video. Hiện tại, Chen Wenhu làm việc tại Phòng thí nghiệm Siêu trí tuệ (Super Intelligent Lab) của Meta, tiếp tục tập trung vào dữ liệu huấn luyện và đánh giá đa phương thức. Công việc của ông và nhiều nhà nghiên cứu người Hoa khác đang đóng góp quan trọng vào sự phát triển chung của ngành AI, dù có thể không nằm dưới ánh đèn sân khấu.

marsbit2 giờ trước