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

S&P Dow Jones và Pantera Ra Mắt Chỉ Số Tiền Mã Hóa, Bitcoin Bị Loại Vì "Không Tạo Ra Doanh Thu"

Chỉ số tài sản kỹ thuật số mới S&P Pantera Digital Asset Index vừa được S&P Dow Jones Indices và Pantera Capital ra mắt, tập trung vào các tài sản crypto có nguồn thu thực tế và đã loại trừ Bitcoin, XRP và các meme coin. Chỉ số này áp dụng tiêu chí sàng lọc lấy cảm hứng từ S&P 500, yêu cầu các giao thức phải có thu nhập ròng dương trong nhiều quý liên tiếp và giá trị phải được phân phối cho người nắm giữ token. Bitcoin bị loại vì không đáp ứng tiêu chí "tạo ra doanh thu giao thức". 18 tài sản thành phần (danh sách đầy đủ chưa công bố) được lựa chọn dựa trên thu nhập, với 5 nắm giữ lớn nhất là Ethereum (ETH), BNB, Solana (SOL), TRON (TRX) và Hyperliquid (HYPE). Pantera giải thích việc loại Bitcoin nhằm phục vụ các nhà đầu tư tổ chức, những người đã có sẵn kênh tiếp cận riêng qua ETF và cần một công cụ benchmark để đánh giá cơ bản các giao thức tạo ra doanh thu. Chỉ số hiện mới chỉ là benchmark; các sản phẩm ETF theo dõi chỉ số này đang được thảo luận. Sự hợp tác giữa Pantera và Morgan Stanley có thể mở đường phân phối sản phẩm đến khách hàng giàu có. Thông tin này làm dấy lên tranh luận trong cộng đồng: liệu việc loại trừ Bitcoin có củng cố định vị "vàng kỹ thuật số" của nó, trong khi các tài sản khác bị phân loại như nền tảng công nghệ tạo doanh thu. Pantera chỉ ra một khoảng trống sản phẩm lớn, khi nhiều tổ chức muốn tiếp cận crypto nhưng thiếu các công cụ đầu tư đa dạng, có cơ sở cơ bản rõ ràng.

marsbit3 phút trước

S&P Dow Jones và Pantera Ra Mắt Chỉ Số Tiền Mã Hóa, Bitcoin Bị Loại Vì "Không Tạo Ra Doanh Thu"

marsbit3 phút trước

Claude ra mắt tính năng mới: Ghi màn hình + Giọng nói, chưng cất Kỹ năng (Skill) với một cú nhấp chuột để tự động hóa công việc

Claude vừa ra mắt tính năng "Ghi lại Kỹ năng", cho phép người dùng tạo kỹ năng tự động hóa bằng cách ghi màn hình và giải thích bằng giọng nói. Tính năng này hiện có sẵn cho người dùng Pro, Max và Team trên ứng dụng desktop Claude Cowork. Người dùng chỉ cần thực hiện quy trình công việc trên máy tính, vừa làm vừa mô tả bằng lời nói, sau đó Claude sẽ tự động phân tích và tạo ra một "Skill" có thể tái sử dụng, được gọi bằng lệnh gạch chéo (/). Điểm đột phá của tính năng này là bỏ qua bước "viết" hướng dẫn phức tạp thủ công, giúp chuyển đổi tri thức ngầm và kinh nghiệm thực tế thành quy trình tự động một cách dễ dàng. Nó không chỉ là công cụ nâng cao hiệu suất, mà còn làm giảm đáng kể rào cản trong việc số hóa và lưu giữ quy trình nghiệp vụ chuyên môn, điều mà các hệ thống quản lý tri thức truyền thống thường gặp khó khăn. Bài viết cũng đề cập đến mặt khác của tự động hóa: một trường hợp cho thấy mối quan hệ hợp tác lâu năm có thể bị thay thế bởi một bộ kỹ năng được tạo sẵn. Nghiên cứu từ Harvard Business School chỉ ra rằng khi AI phát triển, giá trị công việc sẽ dịch chuyển từ "biết cách làm" sang "biết cách làm những việc người khác không thể làm". Tính năng mới của Claude đẩy nhanh xu hướng này, biến quy trình cá nhân thành tài sản tự động có thể chia sẻ và vận hành ngay lập tức.

marsbit7 phút trước

Claude ra mắt tính năng mới: Ghi màn hình + Giọng nói, chưng cất Kỹ năng (Skill) với một cú nhấp chuột để tự động hóa công việc

marsbit7 phút trước

Cho AI "ăn" nhiễu cũng tăng điểm, nghiên cứu này giúp nhiễu thực hiện chuyển dịch tích cực

Bài báo giới thiệu một phương pháp học chuyển tiếp mới có tên **Semi-Supervised Noise Adaptation (SSNA)** (Điều chỉnh Nhiễu Bán Giám sát), đã được xuất bản tại ICML 2026. Phương pháp này cho thấy ngay cả **dữ liệu nhiễu ngẫu nhiên**, không chứa thông tin ngữ nghĩa nào (ví dụ: được lấy mẫu từ phân phối Gaussian), cũng có thể giúp cải thiện hiệu suất của mô hình học máy trong các tình huống có ít dữ liệu được gắn nhãn. Nhóm nghiên cứu đề xuất một khuôn khổ gọi là **Noise Adaptation Framework (NAF)**. NAF tạo ra các nhiễu ngẫu nhiên và tổ chức chúng thành các cấu trúc phân biệt rõ ràng giữa các lớp (cụm) trong không gian biểu diễn chung. Cấu trúc phân loại này sau đó được chuyển giao (căn chỉnh) sang dữ liệu mục tiêu thực tế, từ đó cung cấp ranh giới phân loại rõ ràng hơn và nâng cao khả năng học. Trong thử nghiệm, với chỉ 4 mẫu được gắn nhãn cho mỗi lớp, NAF đã cải thiện đáng kể độ chính xác so với phương pháp học có giám sát cơ bản (ERM) trên nhiều bộ dữ liệu như CIFAR-10 (+12.35%), CIFAR-100 (+7.61%), và các bộ dữ liệu khác. Phương pháp này cũng hiệu quả với các tác vụ phân loại văn bản. Nghiên cứu nhấn mạnh rằng yếu tố then chốt không phải là bản thân dữ liệu nhiễu ngẫu nhiên, mà là **cấu trúc phân biệt được tạo ra** giữa các lớp nhiễu đó trong không gian biểu diễn. Ngay cả khi không có ngữ nghĩa thực, việc chuyển giao cấu trúc này vẫn có thể hỗ trợ học tập. Điều này mở ra hướng tiếp cận mới cho việc học chuyển tiếp trong các tình huống khó tiếp cận dữ liệu nguồn thực tế do vấn đề riêng tư, bản quyền hoặc hạn chế về chi phí.

marsbit8 phút trước

Cho AI "ăn" nhiễu cũng tăng điểm, nghiên cứu này giúp nhiễu thực hiện chuyển dịch tích cực

marsbit8 phút trước

Nhân viên "đắc dụng" của Nhà Trắng kiếm hơn 100.000 USD nhờ dự đoán dựa trên thông tin nội bộ

Mới đây, một nhân viên Nhà Trắng đã bị phát hiện sử dụng thông tin nội bộ để giao dịch kiếm lời trên thị trường dự đoán. Nhân vật chính là Gabriel Perez, người phụ trách vận hành máy nhắc lời cho các bài phát biểu của cựu Tổng thống Trump từ năm 2016. Với quyền tiếp cận bản thảo bài nói trước, Perez đã đặt cược vào các từ khóa cụ thể mà Trump sẽ "đề cập" trong hơn chục bài phát biểu, thu lợi hơn 100.000 USD chỉ trong khoảng ba tháng. Sàn giao dịch dự đoán Kalshi, nơi Perez thực hiện giao dịch, đã phát hiện hoạt động bất thường, đóng băng tài khoản của anh ta và báo cáo lên Ủy ban Giao dịch Hàng hóa Tương lai Mỹ (CFTC). Perez hiện đã bị đình chỉ công tác không lương. Tuy nhiên, khác với hai vụ buộc tội hình sự trước đó liên quan đến một binh sĩ đặc nhiệm và một kỹ sư Google, Perez chỉ phải đối mặt với hành động dân sự của CFTC, chủ yếu là hoàn trả lợi nhuận và cam kết không tái phạm. Vụ việc làm nổi bật tính dễ bị thao túng của các thị trường dự đoán thể loại "đề cập", nơi người có thông tin nội bộ hoặc chính người phát biểu có thể dễ dàng kiểm soát kết quả. Đây là trường hợp nội gián thứ ba bị công bố trong lĩnh vực này. Để ứng phó, các nền tảng như Kalshi đang siết chặt quy định, yêu cầu người dùng tiết lộ thông tin công việc nhằm hạn chế giao dịch nội gián. Sự kiện này đặt ra câu hỏi về tính toàn vẹn của thị trường dự đoán, vốn được kỳ vọng phản ánh trí tuệ đám đông, nhưng thực tế có thể trở thành công cụ kiếm lời cho số ít người nắm thông tin đặc quyền.

marsbit1 giờ trước

Nhân viên "đắc dụng" của Nhà Trắng kiếm hơn 100.000 USD nhờ dự đoán dựa trên thông tin nội bộ

marsbit1 giờ trước

Nhân viên sử dụng teleprompter cho Nhà Trắng kiếm hơn 100,000 USD nhờ dự đoán bằng nội bất.

Bài viết tiết lộ vụ bê bối giao dịch nội gián liên quan đến một nhân viên Nhà Trắng. Gabriel Perez, người phụ trách điều khiển máy nhắc lời cho các bài phát biểu của cựu Tổng thống Trump, đã lợi dụng thông tin nội bộ về nội dung bài diễn văn để đặt cược trên thị trường dự đoán Kalshi, kiếm lời hơn 100.000 USD trong ba tháng. Anh ta có thể biết trước các từ khóa cụ thể sẽ được nhắc đến. Tuy nhiên, không phải lần nào cũng thành công vì Trump thường nói ngoài kịch bản. Hành vi của Perez bị phát hiện nhờ hệ thống giám sát của Kalshi, dẫn đến việc tài khoản bị đóng băng và anh ta bị đình chỉ công việc. Mặc dù phải hoàn trả lợi nhuận, Perez không phải đối mặt với truy tố hình sự vì cơ quan chức năng cho rằng hành động này không gây hại cho an ninh quốc gia mà chỉ là vấn đề đạo đức. Bài viết cũng chỉ ra rằng thị trường dự đoán loại "đề cập" rất dễ bị thao túng, với chi phí gian lận thấp và lợi nhuận tiềm năng cao, và dẫn thêm các ví dụ khác như CEO Coinbase Brian Armstrong. Để tăng cường tuân thủ, Kalshi đã yêu cầu người dùng tiết lộ nơi làm việc. Vụ việc của Perez cho thấy nỗ lực thanh lọc giao dịch nội gián trong lĩnh vực thị trường dự đoán, nhưng đồng thời cũng làm dấy lên câu hỏi về tính chính xác và bản chất của các nền tảng này.

Odaily星球日报1 giờ trước

Nhân viên sử dụng teleprompter cho Nhà Trắng kiếm hơn 100,000 USD nhờ dự đoán bằng nội bất.

Odaily星球日报1 giờ trước

Giao dịch

Giao ngay
活动图片