Lỗ Hổng CrossCurve Bridge Gây Thiệt Hại 3 Triệu USD Trong Sự Cố Bảo Mật Liên Chuỗi

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

Tóm tắt

Sự cố bảo mật nghiêm trọng đã xảy ra với giao thức CrossCurve, một giao thức thanh khoản và cầu nối đa chuỗi, dẫn đến thiệt hại ước tính 3 triệu USD. Nguyên nhân chính được xác định là do lỗ hổng trong hợp đồng thông minh, nơi thiếu một bước xác minh bảo mật, cho phép kẻ tấn công gửi thông điệp giả mạo và đánh cắp tài sản. Các chuyên gia nhận định sự cố này tương tự vụ tấn công cầu nối Nomad năm 2022 và bày tỏ lo ngại về những lỗi bảo mật cơ bản vẫn lặp lại. Mặc dù CrossCurve từng quảng bá hệ thống của mình là an toàn nhờ sử dụng nhiều cơ chế xác thực độc lập, sự việc này chứng minh chỉ một lỗi lập trình cũng có thể gây hậu quả lớn. Đội ngũ dự án, có sự hậu thuẫn từ người sáng lập Curve Finance, đang tiến hành điều tra và khuyến cáo người dùng ngừng mọi tương tác với giao thức, kiểm tra các khoản đầu tư trong các pool liên quan đến CrossCurve và theo dõi thông báo chính thức.

CrossCurve, một giao thức thanh khoản và cầu nối liên chuỗi, đã xác nhận hệ thống bridge của họ bị tấn công, dẫn đến thiệt hại khoảng 3 triệu USD. Sự cố này ảnh hưởng đến nhiều blockchain và hiện đang được điều tra. CrossCurve cảnh báo người dùng tạm dừng mọi hoạt động tương tác với giao thức.

Cách Kẻ Tấn Công Xâm Nhập Hệ Thống Bridge

Việc thiếu kiểm tra bảo mật từ hợp đồng thông minh của CrossCurve là nguyên nhân chính dẫn đến vụ tấn công này. Hợp đồng thông minh cần xác minh các thông điệp được gửi giữa các blockchain, nhưng một trong các bước xác minh không đầy đủ, cho phép kẻ tấn công đánh lừa hệ thống bằng cách gửi các thông điệp giả mạo trông có vẻ hợp lệ. Điều này cho phép kẻ tấn công đánh cắp token từ hợp đồng.

Các chuyên gia bảo mật cho biết cuộc khai thác này tương tự như vụ tấn công bridge Nomad vào năm 2022, đã làm thất thoát khoảng 190 triệu USD. Họ bày tỏ lo ngại rằng những lỗi bảo mật cơ bản vẫn xảy ra sau nhiều năm bất chấp nhiều cảnh báo trong quá khứ.

CrossCurve từng quảng bá bridge của họ là một trong những cầu nối an toàn và bảo mật hơn những cái khác vì dựa vào nhiều hệ thống xác thực độc lập, như Axelar, LayerZero và mạng oracle riêng của họ. Nhưng sự cố này cho thấy dù có nhiều hệ thống, một lỗi mã hóa duy nhất vẫn có thể bị khai thác.

Người Dùng Cần Làm Gì Sau Sự Cố Khai Thác Này?

Dự án, được hậu thuẫn bởi Michael Egorov, người sáng lập Curve Finance, được cho là đã huy động được khoảng 7 triệu USD từ các nhà đầu tư. Sau sự cố, Curve Finance cảnh báo người dùng xem xét lại các vị thế của họ và cân nhắc loại bỏ những người có tiếp xúc với các pool liên quan đến CrossCurve.

Hiện tại, người dùng không nên tương tác với CrossCurve cho đến khi có thông báo mới và xem xét mọi tiếp xúc với các pool liên quan đến CrossCurve. Họ nên tìm kiếm các cập nhật chính thức từ nhóm phát triển và thận trọng với các cầu nối liên chuỗi.

Tin Tức Crypto Nổi Bật:

Kho Bạc Hoa Kỳ Trừng Phạt Các Sàn Giao Dịch Crypto ở Anh vì Trốn Tránh Lệnh Trừng Phạt Iran

TagsCross-ChainCryptocurrency

Câu hỏi Liên quan

QSự cố bảo mật tại CrossCurve Bridge đã gây thiệt hại bao nhiêu tiền?

ASự cố bảo mật tại CrossCurve Bridge đã dẫn đến tổn thất khoảng 3 triệu đô la Mỹ.

QNguyên nhân chính nào dẫn đến vụ tấn công vào hệ thống bridge của CrossCurve?

ANguyên nhân chính là do thiếu kiểm tra bảo mật trong hợp đồng thông minh của CrossCurve, cụ thể là một bước xác minh thông điệp giữa các blockchain không đầy đủ, cho phép kẻ tấn công gửi thông điệp giả mạo.

QVụ khai thác lỗ hổng này được so sánh với sự cố nào trong quá khứ?

ACác chuyên gia bảo mật cho rằng vụ khai thác này tương tự như vụ tấn công bridge Nomad vào năm 2022, khiến khoảng 190 triệu đô la bị rút sạch.

QNgười dùng nên làm gì sau khi sự cố này xảy ra?

ANgười dùng nên tạm dừng mọi hoạt động tương tác với CrossCurve, xem xét lại các vị thế và loại bỏ những pool có liên quan đến CrossCurve, đồng thời theo dõi các thông báo chính thức từ đội ngũ dự án.

QCrossCurve đã quảng bá hệ thống bridge của mình như thế nào trước sự cố?

ACrossCurve đã quảng bá bridge của họ là an toàn và bảo mật hơn so với các bridge khác nhờ dựa vào nhiều hệ thống xác thực độc lập như Axelar, LayerZero và mạng oracle riêng của họ.

Nội dung Liên quan

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

Mô hình tạo sinh (generative models) từ lâu đã phụ thuộc vào các phương pháp đào tạo nhiều giai đoạn (như diffusion, autoregressive), dẫn đến "exposure bias" - sự khác biệt giữa cách huấn luyện và suy luận. Bài báo "Explorative Modeling" (XM) từ UIUC và Harvard đề xuất một giải pháp đơn giản nhưng mạnh mẽ: thay vì tách quá trình tạo mẫu, hãy tách vòng lặp huấn luyện. Trong mỗi bước huấn luyện, mô hình tạo ra K ứng viên, sau đó chỉ chọn ứng viên gần nhất với dữ liệu thực để cập nhật gradient. Vòng lặp `for` đơn giản này giải quyết vấn đề "mode blurring" - xu hướng của hàm mất mát tái tạo đẩy đầu ra về trung bình của các mode hợp lệ, tạo ra kết quả mờ nhạt. Bằng cách khám phá nhiều ứng viên, mô hình học cách bao phủ nhiều mode khác nhau trong phân phối dữ liệu. Khả năng này được gọi là "biểu đạt tạo sinh" (generative expressivity). Thí nghiệm cho thấy "khám phá" (exploration) trở thành một trục mở rộng quy mô hiệu quả thứ ba, bên cạnh quy mô dữ liệu và tham số. Khi quy mô tăng, lợi ích từ việc khám phá càng lớn, cải thiện hiệu suất FLOP, mẫu và tham số. XM đạt được kết quả tạo ảnh trên ImageNet (FID 1.43 không guidance) ngang bằng các mô hình hàng đầu. Quan trọng hơn, XM cho phép huấn luyện mô hình tạo sinh "end-to-end" thực sự. Trong thí nghiệm điều khiển robot, Explorative Policy chỉ cần một lượt truyền thẳng mạng, đạt hiệu suất tương đương Diffusion Policy cần hàng trăm bước suy luận. Điều này chuyển chi phí tính toán từ giai đoạn suy luận sang giai đoạn huấn luyện, mở ra khả năng cho các mô hình tạo sinh nhanh và hiệu quả hơn. Công trình dựa trên lý thuyết "Mode Forcing" trước đó của nhóm tác giả. Hạn chế hiện tại bao gồm chi phí tính toán cho "Forward XM" trên phân phối nhiều mode và thách thức với mô hình ngôn ngữ tự hồi quy thuần túy.

marsbit46 phút trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

marsbit46 phút trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

Tác giả Google DeepMind Dan Roy đã khởi xướng một kiến nghị trào phúng nhằm phản đối quy định mới của hội nghị AI hàng đầu ICLR, giới hạn mỗi tác giả chỉ được đăng ký tối đa 20 bài báo tham dự ICLR 2027. Quy định này được đưa ra do số lượng bài nộp tăng đột biến 68% vào năm 2026, gây áp lực nặng nề lên hệ thống phản biện. Trong bài đăng của mình, Dan Roy giả vờ ủng hộ việc để AI Agent tạo ra càng nhiều nghiên cứu gia tăng càng tốt, và cho rằng giới hạn này sẽ "làm chậm sự phát triển của AI". Anh còn mỉa mai nhận xét rằng "tất cả công việc phản biện giờ đã được giao cho các mô hình ngôn ngữ lớn xử lý", ám chỉ đến một nghiên cứu trước đó phát hiện khoảng 21% ý kiến phản biện tại ICLR 2026 có khả năng cao là do AI tạo ra. Bài viết chỉ ra rằng thông điệp trào phúng của Roy thực chất phản ánh mối lo ngại về một vòng luẩn quẩn: AI tạo ra bài báo hàng loạt, nhà nghiên cứu gửi đi hàng loạt, và phản biện viên lại dùng AI để đánh giá hàng loạt. Qua đó, tác giả đặt câu hỏi liệu biện pháp giới hạn số lượng cứng nhắc có phải là giải pháp tối ưu cho những thách thức căn bản về chất lượng học thuật trong kỷ nguyên AI này.

marsbit52 phút trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

marsbit52 phút trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

OpenAI đã điều chỉnh giá, giảm 80% cho mô hình GPT-5.6 Luna và 20% cho Terra, đồng thời giới thiệu chế độ Fast cho mô hình mạnh nhất Sol. Động thái này, cùng với việc Anthropic giới thiệu Claude Opus 5 với giá bằng một nửa so với flagship Fable 5, đánh dấu sự thay đổi chiến lược quan trọng: các hãng không còn chỉ tập trung bán mô hình mạnh nhất. Thay vào đó, họ khuyến nghị người dùng kết hợp các mô hình theo nhiệm vụ: dùng Sol (đắt, mạnh) để phân tích và lập kế hoạch phức tạp, sau đó giao cho Luna (rẻ, hiệu quả) thực thi. Điều này cho thấy trọng tâm thương mại đang chuyển từ các mô hình flagship (chứng minh năng lực kỹ thuật) sang các mô hình tầm trung, phục vụ cho lượng truy vấn API khổng lồ hàng ngày của doanh nghiệp, nơi hiệu quả chi phí (ROI) và độ ổn định là yếu tố quyết định. Một yếu tố then chốt giúp giảm chi phí là việc chính các mô hình AI (như Sol) tham gia tối ưu hóa mã nguồn và quy trình vận hành của chính chúng, tạo ra một vòng lặp tự thúc đẩy giảm chi phí. Điều này có thể đẩy nhanh hơn nữa đà giảm giá trong tương lai. Cạnh tranh đang chuyển từ "mô hình thông minh nhất" sang "hệ sinh thái hiệu quả nhất". OpenAI muốn biến các mô hình như Luna thành lựa chọn mặc định cho các tác vụ thường ngày, từ đó gia tăng độ phụ thuộc và chi phí chuyển đổi cho doanh nghiệp. Tương tự như ngành điện hay điện toán đám mây, mục tiêu cuối cùng là AI trở thành một tiện ích phổ biến, hoạt động âm thầm và không thể thiếu trong mọi quy trình, thay vì chỉ là một sản phẩm công nghệ đình đám.

marsbit2 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

Cuộc đua AI đang vấp phải nút thắt mới: thiếu hụt nghiêm trọng lao động lành nghề như thợ điện và công nhân xây dựng để xây dựng các trung tâm dữ liệu quy mô lớn. Tại Mỹ, dự báo cần thêm 130.000 thợ điện và 240.000 công nhân xây dựng từ 2023-2030 cho hạ tầng AI, trong khi mỗi năm có 80.000 vị trí thợ điện không thể lấp đầy. Các công ty AI sẵn sàng trả lương cao (thợ điện giỏi có thể kiếm 240.000-280.000 USD/năm), nhưng sự chậm trễ xây dựng vẫn gây thiệt hại hàng chục triệu USD. Độ phức tạp của các trung tâm dữ liệu AI, với công suất điện khổng lồ, hệ thống phân phối điện và làm mát phức tạp, đòi hỏi lao động có kỹ năng đặc biệt. Để giải quyết, các gã khổng lồ công nghệ như Meta và Google đang đầu tư hàng trăm triệu USD vào đào tạo. Meta mở trường dạy nghề miễn phí, cung cấp cả trợ cấp sinh hoạt, trong khi OpenAI hợp tác với công đoàn xây dựng. Chiến dịch tuyển dụng nhắm đến cả học sinh trung học, góp phần làm tăng mạnh tỷ lệ Gen Z theo học trường nghề. Tuy nhiên, nhu cầu điện cho AI tiếp tục bùng nổ, chiếm phần ngày càng lớn trong tổng tiêu thụ điện và đẩy giá điện lên cao. Một nghịch lý tồn tại: các dự án xây dựng cần hàng nghìn lao động cùng lúc, nhưng khi hoàn thành chỉ cần số ít vận hành, dẫn đến rủi ro dư thừa lao động lành nghề trong tương lai.

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

marsbit2 giờ trước

Làn sóng tấn công Coldcard thứ 4 nghi ngờ quét sạch 389 Bitcoin: Thorn từ Galaxy

Người dùng ví cứng Bitcoin Coldcard đang được cảnh báo về một đợt tấn công mới nhằm đánh cắp tiền điện tử, chỉ vài ngày sau đợt tấn công đầu tiên. Alex Thorn, Trưởng bộ phận Nghiên cứu tại Galaxy, thông báo đã phát hiện 218 giao dịch đáng ngờ trong vài giờ qua, ảnh hưởng đến 462 địa chỉ và di chuyển khoảng 388,9 Bitcoin. Ông cho biết các giao dịch này có đặc điểm phù hợp với lỗ hổng của Coldcard và tốc độ giao dịch cao gấp khoảng 45 lần bình thường. Hầu hết số tiền bị đánh cắp được chuyển đến các địa chỉ đích mới riêng biệt thay vì tập trung vào một ví. Một số đã được chuyển tiếp lần thứ hai. Nguyên nhân được cho là do lỗi phần mềm chưa từng được phát hiện trước đây trên firmware Coldcard, khiến thiết bị tạo ra seed ví với độ ngẫu nhiên thấp hơn dự định. Ước tính hiện tại có hơn 1.100 ví bị ảnh hưởng với tổng số tiền khoảng 90 triệu USD Bitcoin bị đánh cắp. Người dùng bị ảnh hưởng được khuyến cáo có thể thử chuyển số tiền còn lại sang ví an toàn bằng một giao dịch cạnh tranh với phí cao hơn.

cointelegraph2 giờ trước

Làn sóng tấn công Coldcard thứ 4 nghi ngờ quét sạch 389 Bitcoin: Thorn từ Galaxy

cointelegraph2 giờ trước

Giao dịch

Giao ngay
活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow