Dữ Liệu Mới Cho Thấy Tổn Thất Do Hack Tiền Mã Hóa Giảm 60% Vào Tháng 12

bitcoinistXuất bản vào 2026-01-03Cập nhật gần nhất vào 2026-01-03

Tóm tắt

Theo dữ liệu mới từ PeckShield, tổn thất do các vụ hack tiền mã hóa trong tháng 12 đã giảm khoảng 60%, xuống còn khoảng 76 triệu USD so với 194 triệu USD của tháng 11. Sự sụt giảm mạnh này chủ yếu do ít vụ đánh cắp quy mô lớn xảy ra hơn, mặc dù các sự cố vẫn gây thiệt hại đáng kể. Tháng 12 ghi nhận khoảng 26 vụ khai thác lỗ hổng lớn, trong đó nổi bật là vụ lừa đảo "đầu độc địa chỉ" chiếm đoạt 50 triệu USD. Các tổn thất lớn khác bao gồm 27 triệu USD từ rò rỉ khóa cá nhân, 7 triệu USD từ lỗ hổng Trust Wallet và 3,9 triệu USD liên quan đến giao thức Flow. Mặc dù tổn thất bằng USD giảm, các mối đe dọa bảo mật như lừa đảo dựa vào lỗi con người và xâm nhập kỹ thuật vẫn tồn tại. Giám sát chặt chẽ từ các cơ quan quản lý và bên liên quan được kỳ vọng sẽ tăng cường để bảo vệ người dùng và nền tảng tốt hơn.

Theo PeckShield, tổn thất từ các vụ hack tiền mã hóa đã giảm khoảng 60% vào tháng 12, giảm xuống còn khoảng 76 triệu USD so với khoảng 194 triệu USD vào tháng 11.

Mức giảm mạnh theo tháng đó được thúc đẩy bởi ít các vụ trộm quy mô lớn hơn, nhưng thiệt hại xảy ra vẫn còn đáng kể. Các báo cáo đã tiết lộ sự kết hợp của các vụ lừa đảo và lỗi kỹ thuật khiến tháng 12 không hề không có rủi ro.

Tổn Thất Tháng 12 Giảm 60%

PeckShield đã theo dõi khoảng 26 vụ khai thác lớn trong tháng. Thiệt hại đơn lẻ lớn nhất là một vụ lừa đảo đầu độc địa chỉ đã chiếm khoảng 50 triệu USD. Trong kế hoạch đó, nạn nhân bị lừa gửi tiền đến một địa chỉ trông gần giống hệt với một địa chỉ hợp pháp.

Các tổn thất lớn khác bao gồm 27 triệu USD bị rút từ một ví đa chữ ký liên quan đến rò rỉ khóa riêng tư, khoảng 7 triệu USD liên quan đến việc khai thác Trust Wallet và khoảng 3,9 triệu USD liên quan đến các vấn đề liên quan đến giao thức Flow. Những con số này đã được báo cáo trên nhiều kênh và khớp với tổng số do PeckShield tổng hợp.

#PeckShieldAlert Tháng 12 năm 2025 chứng kiến ~26 vụ khai thác tiền mã hóa lớn, dẫn đến tổng tổn thất ~76 triệu USD.

Con số này thể hiện mức giảm hơn 60% so với tổng số 194,27 triệu USD của tháng 11, đánh dấu sự sụt giảm đáng kể về tổn thất hàng tháng.

Đáng chú ý:
🔺Ví 0xcB80...819 mất 50 triệu USD... pic.twitter.com/CNW3R6646j

— PeckShieldAlert (@PeckShieldAlert) 1 tháng 1, 2026

Các Vụ Lừa Đảo Lớn Vẫn Gây Thiệt Hại Nặng Nề

Lừa đảo đầu độc địa chỉ nổi bật vì nó dựa vào lỗi của con người hơn là một giao thức bị hỏng. Một sai lầm nhỏ - sao chép sai địa chỉ - có thể xóa sổ một giao dịch lớn.

Tổn thất của Trust Wallet có liên quan đến điểm yếu của tiện ích mở rộng trình duyệt cho phép kẻ tấn công di chuyển tiền. Trong một số trường hợp, các dịch vụ bị ảnh hưởng đang thảo luận về việc hoàn trả.

Các báo cáo đã tiết lộ rằng việc lộ khóa riêng tư, ngay cả trong các ví được cho là an toàn, tiếp tục là nguyên nhân gốc rễ phổ biến của các tổn thất lớn.

Tổng vốn hóa thị trường tiền mã hóa hiện tại là 3 nghìn tỷ USD. Biểu đồ: TradingView

Một số chuyên gia nói rằng sự sụt giảm tổn thất bằng đô la phản ánh ít các vi phạm lớn hơn, không phải là mối đe dọa biến mất. Các nhóm an ninh đã hoạt động tích cực hơn, và một số ví đã siết chặt các kiểm tra.

Nhưng các phương pháp mà kẻ tấn công sử dụng đã không biến mất. Các vụ lừa đảo nhắm vào sai lầm, như thủ thuật địa chỉ, vẫn còn hoạt động, và các cuộc xâm nhập tinh vi vẫn có thể xảy ra.

Người ta quan sát thấy rằng một số ít sự cố chiếm phần lớn tổng số của tháng 12, điều này giúp giải thích sự dao động lớn trong tổng số hàng tháng.

Việc giám sát chặt chẽ các xu hướng này bởi các cơ quan quản lý và các bên liên quan khác như các nhà điều hành nền tảng sẽ tiếp tục. Đã có những áp lực ngày càng tăng để cung cấp các biện pháp bảo vệ tốt hơn cho các sàn giao dịch và các ví khác khi có vi phạm; và cho các hành động kịp thời hơn sau khi vi phạm đã được xác định.

Hình ảnh nổi bật từ Unsplash, biểu đồ từ TradingView

Câu hỏi Liên quan

QTheo dữ liệu mới, tổn thất từ các vụ hack tiền điện tử trong tháng 12 đã giảm bao nhiêu phần trăm?

ATổn thất từ các vụ hack tiền điện tử trong tháng 12 đã giảm khoảng 60% so với tháng 11.

QTổng giá trị thiệt hại do các vụ hack tiền điện tử trong tháng 12 là bao nhiêu?

ATổng giá trị thiệt hại trong tháng 12 là khoảng 76 triệu đô la.

QVụ scam nào gây thiệt hại lớn nhất trong tháng 12 và giá trị là bao nhiêu?

AVụ scam gây thiệt hại lớn nhất là 'address poisoning scam' (lừa đảo đầu độc địa chỉ) với giá trị khoảng 50 triệu đô la.

QNguyên nhân phổ biến nào tiếp tục được báo cáo là gốc rễ của các tổn thất lớn?

AViệc lộ khóa riêng tư (private key exposure), ngay cả trong các ví được cho là an toàn, tiếp tục là nguyên nhân phổ biến gây ra các tổn thất lớn.

QSự sụt giảm về tổn thất theo đô la trong tháng 12 phản ánh điều gì theo các chuyên gia?

ATheo các chuyên gia, sự sụt giảm này phản ánh việc có ít các vụ vi phạm quy mô lớn hơn, chứ không phải là mối đe dọa đã biến mất.

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