Công cụ mới của sản phẩm xám nhắm vào Zhao Changpeng: Cách AI giả mạo ảnh chung trở thành vũ khí?

比推Xuất bản vào 2026-02-05Cập nhật gần nhất vào 2026-02-05

Tóm tắt

Nhà sáng lập Binance, Changpeng Zhao (CZ), gần đây đãy lên tiếng về một tài khoản mạng xã hội giả mạo hình ảnh của ông. Một tài khoản với 863.000 người theo dõi đã đăng tải bức ảnh ghép CZ chụp chung với một người dùng tự nhận là "ủng hộ BNB lâu dài". Tuy nhiên, CZ nhanh chóng phát hiện những điểm bất thường như chiếc áo sơ mi màu tím xanh mà ông chưa từng sở hữu, tấm background sự kiện không tồn tại, và độ phân giải hình ảnh không đồng nhất. CZ chỉ ra rằng lịch sử hoạt động của tài khoản này có sự thay đổi đáng ngờ: nội dung ban đầu hầu như không liên quan đến tiền mã hóa, nhưng sau đó chuyển sang tập trung vào các hoạt động của BNB mà không có sự chuyển tiếp hợp lý. Ông nhận định đây không chỉ là trò đùa mà có thể là một chiến dịch thao túng hình ảnh có chủ đích. CZ khẳng định không quen biết chủ sở hữu tài khoản và đã từng chặn họ từ trước. Ông cũng cảnh báo cộng đồng cần thận trọng trước những nội dung giả mạo được tạo bởi PS hoặc AI, vì việc tin tưởng chúng có thể dẫn đến những hậu quả đáng tiếc.

Tác giả: Nicky, Foresight News

Tiêu đề gốc: Zhao Changpeng bị sản phẩm xám nhắm đến


Gần đây, người sáng lập Binance Zhao Changpeng (CZ) lại gặp "rắc rối".

Trong một bức ảnh trên nền tảng X, CZ đứng trước tấm bảng sự kiện, bên cạnh là một người dùng tự nhận là "ủng hộ BNB lâu dài". Nhưng CZ nhanh chóng phát hiện ra điều bất thường: chiếc áo sơ mi màu tím xanh đó anh chưa từng sở hữu, tấm bảng nền không tồn tại, độ phân giải của nhân vật trước sau không đồng nhất, rõ ràng đã được ghép nối. Đồng thời, một bức ảnh chỉnh sửa khác có nguồn gốc từ ảnh chung của CZ và CEO Aster Leonard.

Đáng suy ngẫm hơn, tài khoản này với 863.000 người theo dõi đã chặn CZ từ lâu.

Vào ngày 4/2, CZ đã công khai bài viết phân tích chi tiết hình ảnh và chỉ ra lịch sử tài khoản này có điểm đứt gãy rõ rệt: nội dung ban đầu hầu như không liên quan đến tiền mã hóa, nhưng sau đó chuyển thành tập trung vào hoạt động BNB, sự thay đổi danh tính thiếu chuyển tiếp hợp lý. Theo anh, những tài khoản vận hành lâu dài nhưng dựa trên tư liệu giả mạo này không chỉ là trò đùa, mà giống như một thao túng hình ảnh có mục tiêu định trước.

CZ cho biết anh không quen biết chủ sở hữu tài khoản này, cũng không nhớ đã chặn họ khi nào, nhưng giờ xem ra việc đó là đúng đắn. Về cái gọi là "thư luật sư" từng lan truyền trước đây, anh nghĩ dấu vết giả mạo quá rõ nên không cần làm rõ, nhưng vẫn thấy một số báo chí chuyển tiếp ảnh liên quan và đưa tin. Anh cảnh báo, nếu ngay cả nội dung PS hoặc AI tạo ra rõ ràng mà không thể phân biệt, cuối cùng có thể phải trả giá.

Đồng thời, một số blogger trong cộng đồng tiếng Trung cũng lần lượt phát hiện, khu vực tiếng Anh có lượng lớn tên tài khoản chứa chữ Trung, biệt danh bao gồm "

Liên kết gốc:https://www.bitpush.news/articles/7609077

Câu hỏi Liên quan

QTại sao CZ (Triệu Trường Bằng) lại gặp rắc rối với những bức ảnh giả mạo?

ACZ phát hiện một tài khoản trên nền tảng X đã đăng tải bức ảnh giả mạo anh đứng chung với một người dùng tự nhận là 'ủng hộ BNB lâu dài'. Anh chỉ ra nhiều điểm bất thường như chiếc áo sơ mi màu tím xanh chưa từng sở hữu, background sự kiện không tồn tại, và độ phân giải hình ảnh không đồng nhất, rõ ràng đã bị chỉnh sửa.

QDấu hiệu nào cho thấy tài khoản đăng ảnh giả có mục đích không minh bạch?

ATài khoản này có 863.000 người theo dõi nhưng đã chặn CZ từ trước. Lịch sử hoạt động của tài khoản có sự gián đoạn rõ rệt: nội dung ban đầu hầu như không liên quan đến tiền mã hóa, sau đó đột ngột chuyển sang tập trung vào các hoạt động của BNB, cho thấy sự thay đổi nhận dạng thiếu chuyển tiếp hợp lý, giống như một hoạt động thao túng hình ảnh có chủ đích.

QCZ đã phản ứng thế nào trước việc bị làm giả ảnh?

AVào ngày 4 tháng 2, CZ đã công khai bài viết phân tích chi tiết các điểm giả mạo trong bức ảnh. Anh cũng nhắc nhở rằng nếu không thể phân biệt được nội dung được tạo bởi PS hoặc AI, mọi người cuối cùng có thể phải trả giá cho điều đó. Anh khẳng định không quen biết chủ sở hữu tài khoản và việc chặn họ từ trước là đúng đắn.

QSự việc này ảnh hưởng đến cộng đồng ra sao?

ASự việc không chỉ dừng lại ở mức độ trêu đùa mà còn được một số phương tiện truyền thông đưa tin, mặc dù CZ cho rằng dấu vết giả mạo là rõ ràng. Đồng thời, một số blogger trong cộng đồng tiếng Trung cũng phát hiện ra nhiều tài khoản trong khu vực tiếng Anh có tên chứa tiếng Trung với hành vi tương tự, cho thấy đây có thể là một công cụ sản xuất hàng loạt (grey industry) nhắm vào CZ.

QBài học nào được rút ra từ sự cố này?

ASự cố nhấn mạnh sự nguy hiểm của việc sử dụng AI và kỹ thuật chỉnh sửa ảnh để tạo ra nội dung giả mạo nhằm thao túng hình ảnh cá nhân. Nó cảnh báo cộng đồng và giới truyền thông cần nâng cao khả năng phân biệt thông tin thật - giả, tránh chia sẻ và đưa tin mà không xác minh, để không vô tình trở thành công cụ cho các hoạt động không minh bạch.

Nội dung Liên quan

WEEX API Fast Connect: Biến Mỗi Lần Đăng Nhập Thành Nhà Giao Dịch Thực Tế Trong Vòng Chưa Đến 10 Giây

WEEX đã ra mắt API Fast Connect, một hệ thống ủy quyền OAuth một cú nhấp chuột, cho phép người dùng liên kết tài khoản WEEX mà không cần tự xử lý khóa API thủ công. Giải pháp mới này, được thiết kế cho các đối tác WEEX Broker, thay thế quy trình tích hợp kỹ thuật truyền thống bằng trải nghiệm liền mạch, nhằm mục đích tăng tốc chuyển đổi người dùng và cải thiện tỷ lệ giữ chân. **Điểm nổi bật:** * **Là gì:** Hệ thống ủy quyền một cú nhấp chuột – giống "Đăng nhập bằng Google" nhưng cho giao dịch tiền mã hóa – loại bỏ việc người dùng phải tự tạo hay quản lý khóa API. * **Giải quyết vấn đề:** Thiết lập khóa API thủ công là điểm mất mát người dùng lớn nhất. Fast Connect loại bỏ hoàn toàn bước này. * **Lợi ích:** Chuyển đổi liền mạch, giảm tỷ lệ rời bỏ, tăng khả năng giữ chân. Người dùng có thể bắt đầu giao dịch thực trong vòng chưa đầy 10 giây sau khi đăng nhập. * **Đối tượng:** Nền tảng tín hiệu AI, công cụ định lượng/chiến lược, bot giao dịch và mọi đối tác WEEX Broker. **Cách hoạt động:** 1. Người dùng nhấp "Đăng nhập với WEEX". 2. Hệ thống chuyển hướng đến trang ủy quyền chính thức của WEEX để xác minh. 3. Người dùng xác nhận phạm vi cấp phép (chỉ đọc và giao dịch, được chọn mặc định). 4. Hệ thống tự động tạo và liên kết khóa API qua kênh mã hóa vào nền tảng đối tác. Người dùng không bao giờ nhìn thấy hoặc xử lý khóa API thô. Fast Connect là một phần trong bộ công cụ dành cho Đối tác WEEX Broker, giúp biến người dùng quan tâm thành người giao dịch ngay lập tức, từ đó thúc đẩy tăng trưởng khối lượng giao dịch.

TheNewsCrypto8 phút trước

WEEX API Fast Connect: Biến Mỗi Lần Đăng Nhập Thành Nhà Giao Dịch Thực Tế Trong Vòng Chưa Đến 10 Giây

TheNewsCrypto8 phút trước

XRP Ledger v3.3.0 Mang Năm Bản Sửa Đổi Vào Tầm Ngắm

Bản phát hành xrpld v3.3.0 sắp tới sẽ tập trung vào năm bản sửa đổi của XRP Ledger, nhằm vào tài sản mã hóa, chi phí trừu tượng, ủy quyền, xử lý theo lô và chức năng MPT linh hoạt hơn. Năm tính năng bao gồm MPT Bảo mật, Xử lý theo lô, Ủy quyền Quyền, Phí & Dự trữ được Tài trợ và MPT Động. Tuy nhiên, việc kích hoạt chúng đòi hỏi phải có sự đồng thuận của 80% trình xác thực, vì vậy chúng không tự động có hiệu lực ngay khi mã được phát hành. Bản nâng cấp này rất quan trọng cho các trường hợp sử dụng nâng cao như tài sản mã hóa thể chế, cải thiện trải nghiệm người dùng và linh hoạt hoạt động. Cơ chế Phí được Tài trợ có thể giảm ma sát khi người dùng mới tham gia, trong khi các tính năng MPT Bảo mật và Động cung cấp cho nhà phát hành nhiều công cụ kiểm soát hơn. Tính năng Xử lý theo lô và Ủy quyền Quyền có thể đơn giản hóa các giao dịch phức tạp và luồng hoạt động. Tác động thực tế sẽ chỉ xảy ra sau khi các trình xác thực chấp thuận các bản sửa đổi. Bản phát hành này củng cố lộ trình phát triển của XRPL, nhưng thử thách tiếp theo là mức độ hỗ trợ từ trình xác thực và việc áp dụng từ các nhà phát triển.

bitcoinist24 phút trước

XRP Ledger v3.3.0 Mang Năm Bản Sửa Đổi Vào Tầm Ngắm

bitcoinist24 phút trước

Báo sáng Phố Wall: V-shaped recovery vào cuối tháng nhưng Nasdaq lập tháng 7 tồi tệ nhất 12 năm, vốn tập trung nhanh về các gã khổng lồ điện toán đám mây

Báo cáo sáng Wall Street: Thị trường phục hồi hình chữ V vào cuối tháng nhưng Nasdaq ghi nhận tháng 7 tồi tệ nhất trong 12 năm, vốn đổ dồn vào các gã khổng lồ điện toán đám mây. Thị trường chứng khoán Mỹ có một phiên phục hồi hình chữ V vào cuối tuần, nhưng toàn tháng 7, chỉ số Nasdaq đã giảm 3,2%, đây là mức tháng 7 tồi tệ nhất kể từ năm 2004. Dầu thô lao dốc hơn 8% sau khi Tổng thống Trump hủy bỏ cuộc tấn công quân sự vào Iran và OPEC+ đồng ý tăng hạn ngạch sản xuất. Vàng giao dịch quanh mức 4.050 USD/ounce, tăng nhẹ 0,91% trong tháng. Cục Dự trữ Liên bang Mỹ và Nhật Bản đã can thiệp hiếm hoi để hỗ trợ đồng yên. Lợi suất trái phiếu kho bạc kỳ hạn 30 năm đạt mức cao nhất kể từ năm 2007. Bất chấp áp lực giảm vay mua (deleveraging), nhóm cổ phiếu công nghệ đám mây thể hiện sức mạnh đáng chú ý. Chỉ trong tuần trước, vốn hóa thị trường của các gã khổng lồ như Microsoft, Amazon và Google đã tăng tổng cộng gần 1.500 tỷ USD. Amazon bật tăng 15,32% sau báo cáo lợi nhuận AWS mạnh mẽ. Ngược lại, Apple lao dốc 7,35% do lo ngại về hạn chế nguồn cung. Các cổ phiếu bộ nhớ như Micron điều chỉnh giảm, trong khi các cổ phiếu viễn thông quang học như Coherent tăng giá. Palantir và SpaceX là những mã đáng chú ý trong tuần này với lịch công bố báo cáo tài chính và đợt mở bán cổ phiếu hạn chế lớn. Tuần này, thị trường sẽ chú ý đến báo cáo tài chính của Berkshire Hathaway, Palantir, AMD, SpaceX cùng với hội nghị Ai4 2026 và FMS. Dữ liệu việc làm phi nông nghiệp tháng 7 của Mỹ (ngày 7/8) sẽ là chỉ số kinh tế vĩ mô quan trọng nhất.

marsbit47 phút trước

Báo sáng Phố Wall: V-shaped recovery vào cuối tháng nhưng Nasdaq lập tháng 7 tồi tệ nhất 12 năm, vốn tập trung nhanh về các gã khổng lồ điện toán đám mây

marsbit47 phút trước

Rubin Ultra bị cắt giảm mạnh cấu hình, NVIDIA cũng không chịu nổi giá bộ nhớ tăng?

Tuần qua, một báo cáo từ công ty nghiên cứu SemiAnalysis đã gây xôn xao ngành AI, tiết lộ thông số kỹ thuật của Rubin Ultra - phiên bản cao cấp nhất trong kiến trúc Rubin mới của NVIDIA - đã bị giảm mạnh so với kỳ vọng trước đó. Theo báo cáo, Rubin Ultra sẽ giữ nguyên hiệu suất tính toán lý thuyết đỉnh (35 PFLOPs) so với Rubin thông thường, nhưng dung lượng bộ nhớ (VRAM) bị cắt giảm nghiêm trọng, chỉ còn 192GB (8-Hi), thậm chí thấp hơn Rubin tiêu chuẩn (288GB, 12-Hi). Băng thông bộ nhớ gần như không cải thiện và mức tiêu thụ điện năng thậm chí còn tăng nhẹ. Thay vào đó, nâng cấp chính của Rubin Ultra tập trung vào khả năng mở rộng kết nối hệ thống, có thể liên kết tối đa 576 GPU thành một "siêu GPU logic" duy nhất thông qua NVLink. Nguyên nhân chính của việc giảm cấu hình được cho là do chi phí HBM (High Bandwidth Memory) tăng quá cao, ảnh hưởng đến tính kinh tế chung của hệ thống AI. Giá HBM3 đã tăng mạnh từ mức 180-220 USD (Q2/2025) lên 700-850 USD (Q2/2026). Việc điều chỉnh thiết kế giúp giảm chi phí nguyên vật liệu (BOM) cho một tủ máy từ khoảng 8 triệu USD xuống còn 6,4 triệu USD, chuyển trọng tâm đầu tư từ HBM đắt đỏ sang khả năng kết nối mở rộng. Thông tin này đã khiến thị trường lo ngại về đỉnh cao nhu cầu HBM, dẫn đến cổ phiếu của các hãng sản xuất bộ nhớ hàng đầu như SK Hynix và Samsung giảm khoảng 8%. Động thái của NVIDIA cho thấy ngay cả gã khổng lồ dẫn đầu về sức mạnh tính toán cũng đang bắt đầu tính toán kỹ lưỡng chi phí, đánh dấu sự dịch chuyển trong ngành AI từ việc "tích trữ linh kiện và tăng giá vô tội vạ" sang tối ưu hóa hiệu quả chi phí toàn hệ thống.

Odaily星球日报1 giờ trước

Rubin Ultra bị cắt giảm mạnh cấu hình, NVIDIA cũng không chịu nổi giá bộ nhớ tăng?

Odaily星球日报1 giờ trước

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.

marsbit2 giờ trước

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

marsbit2 giờ trước

Giao dịch

Giao ngay
活动图片