Triều Tiên đánh cắp 2,8 tỷ USD trong 2 năm – Đây là những gì Bộ Tài chính Mỹ muốn làm

ambcryptoXuất bản vào 2026-03-09Cập nhật gần nhất vào 2026-03-09

Tóm tắt

Bộ Tài chính Hoa Kỳ đang tăng cường nỗ lực ngăn chặn hoạt động tài chính bất hợp pháp liên quan đến tài sản kỹ thuật số, đặc biệt là stablecoin, sau khi báo cáo tiết lộ chúng chiếm tới 84% khối lượng giao dịch crypto bất hợp pháp vào năm 2025. Để giải quyết rủi ro, Bộ đề xuất sử dụng các công cụ giám sát powered by AI và phân tích blockchain theo thời gian thực. Báo cáo cũng nêu bật mối đe dọa từ Triều Tiên, nơi đã đánh cắp 1,5 tỷ USD crypto vào đầu năm 2025, nâng tổng số tiền bị đánh cắp trong 2 năm lên 2,8 tỷ USD, được cho là để tài trợ cho các chương trình vũ khí. Những phát hiện này củng cố cho các đề xuất pháp lý như Đạo luật CLARITY nhằm thiết lập các quy định rõ ràng hơn cho tài sản kỹ thuật số.

Khi việc áp dụng tài sản kỹ thuật số ngày càng tăng, các cơ quan quản lý đang tăng cường nỗ lực ngăn chặn hoạt động tài chính bất hợp pháp, và trong vấn đề này, Bộ Tài chính Mỹ đã có một động thái mạnh mẽ.

Theo Đạo luật GENIUS, Bộ Tài chính Mỹ được giao nhiệm vụ nghiên cứu các công cụ để phát hiện hoạt động bất hợp pháp liên quan đến tài sản kỹ thuật số. Một phần của quá trình này, Bộ Tài chính đã xem xét phản hồi từ ngành và kiểm tra các công nghệ như AI, danh tính kỹ thuật số, phân tích blockchain và API.

Trong đó, họ cũng phát hiện ra những rủi ro liên quan đến tài sản kỹ thuật số. Những rủi ro này bao gồm việc lạm dụng các dịch vụ trộn coin (mixers), sổ cái phân tán (distributed ledgers) và DeFi, đồng thời phác thảo các biện pháp để chống lại tài chính crypto bất hợp pháp.

Stablecoin chiếm vị trí trung tâm từ góc độ quản lý

Trước những thách thức như vậy, báo cáo kêu gọi giám sát chặt chẽ hơn đối với hệ sinh thái crypto, đặc biệt là stablecoin. Dữ liệu từ Bộ Tài chính cho thấy stablecoin chiếm khoảng 84% khối lượng giao dịch crypto bất hợp pháp vào năm 2025, khiến chúng trở thành trọng tâm chính của các cơ quan quản lý.

Để giải quyết rủi ro này, Bộ Tài chính đề xuất các công cụ giám sát chạy bằng AI và phân tích blockchain thời gian thực để theo dõi các giao dịch liên quan đến ví không được lưu trữ (unhosted wallets) và các nền tảng phi tập trung.

Theo khuôn khổ này, các nhà phát hành stablecoin lớn có thể được đối xử giống như các tổ chức tài chính được quản lý với các yêu cầu tuân thủ nghiêm ngặt hơn.

Bình luận về vấn đề tương tự, Trưởng bộ phận Nghiên cứu Galaxy Alex Thorn cũng cho biết,

Các mối đe dọa hình sự và được nhà nước hậu thuẫn ngày càng gia tăng

Bên cạnh các quy định, báo cáo cũng nêu bật quy mô ngày càng tăng của tội phạm mạng và hoạt động được nhà nước hậu thuẫn trong lĩnh vực crypto.

Một mối quan ngại lớn đến từ Triều Tiên, nơi nổi lên là một trong những tác nhân mạng tích cực nhất nhắm vào ngành công nghiệp này.

Sử dụng các chiến thuật hack và tấn công kỹ thuật xã hội (social engineering) tiên tiến, các nhóm Triều Tiên đã đánh cắp 1,5 tỷ USD tiền crypto vào đầu năm 2025, nâng tổng số ước tính của họ lên 2,8 tỷ USD trong hai năm qua, được cho là dùng để tài trợ cho các chương trình vũ khí.

Đồng thời, các trò lừa đảo trực tuyến cũng đang mở rộng nhanh chóng.

Điều này làm nổi bật việc các phát hiện của Bộ Tài chính có liên quan chặt chẽ đến Đạo luật CLARITY được đề xuất, nhằm mục đích tạo ra các quy tắc quản lý rõ ràng hơn cho tài sản kỹ thuật số thay vì ép crypto vào khuôn khổ ngân hàng truyền thống.

Sự cần thiết phải giám sát chặt chẽ hơn

Ngoài ra, báo cáo năm 2026 của Chainalysis gần đây đã làm nổi bật việc các thực thể bị trừng phạt đã chuyển khoảng 104 tỷ USD thông qua tiền mã hóa vào năm 2025, thể hiện mức tăng khổng lồ 694% so với năm trước.

Cùng với nhau, những phát hiện này làm sâu sắc thêm mối quan ngại của Bộ Tài chính và có thể thúc đẩy các nhà làm luật thúc đẩy các luật như Đạo luật CLARITY.


Tóm tắt cuối cùng

  • Với stablecoin được cho là có liên quan đến một phần lớn các giao dịch bất hợp pháp, các cơ quan quản lý đang ưu tiên giám sát chặt chẽ hơn đối với các nhà phát hành và luồng giao dịch.
  • Các vụ hack của Triều Tiên, lừa đảo toàn cầu và né tránh trừng phạt làm nổi bật cách thức crypto ngày càng gắn liền với các mối quan ngại an ninh quốc tế.

Câu hỏi Liên quan

QBộ Tài chính Hoa Kỳ đề xuất biện pháp nào để giám sát các giao dịch tiền mã hóa bất hợp pháp?

ABộ Tài chính Hoa Kỳ đề xuất sử dụng các công cụ giám sát được hỗ trợ bởi trí tuệ nhân tạo (AI) và phân tích blockchain theo thời gian thực để theo dõi các giao dịch liên quan đến ví không được lưu trữ (unhosted wallets) và các nền tảng phi tập trung.

QTại sao stablecoin lại trở thành trọng tâm giám sát của các cơ quan quản lý theo báo cáo?

AStablecoin trở thành trọng tâm vì dữ liệu của Bộ Tài chính cho thấy chúng chiếm khoảng 84% khối lượng giao dịch tiền mã hóa bất hợp pháp vào năm 2025.

QTriều Tiên bị cáo buộc đánh cắp bao nhiêu tiền mã hóa trong 2 năm và với mục đích gì?

ACác nhóm từ Triều Tiên bị cáo buộc đã đánh cắp tổng cộng 2,8 tỷ USD tiền mã hóa trong hai năm qua, và số tiền này được báo cáo là dùng để tài trợ cho các chương trình vũ khí.

QĐạo luật CLARITY được đề xuất nhằm mục đích gì?

AĐạo luật CLARITY được đề xuất nhằm mục đích tạo ra các quy định quản lý rõ ràng hơn cho tài sản kỹ thuật số, thay vì ép buộc tiền mã hóa vào khuôn khổ ngân hàng truyền thống.

QBáo cáo của Chainalysis năm 2026 chỉ ra điều gì về các thực thể bị trừng phạt?

ABáo cáo của Chainalysis năm 2026 chỉ ra rằng các thực thể bị trừng phạt đã di chuyển khoảng 104 tỷ USD thông qua tiền mã hóa vào năm 2025, thể hiện mức tăng khổng lồ 694% so với năm trước đó.

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.

marsbit47 phút trước

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

marsbit47 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.

marsbit53 phút trước

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

marsbit53 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

Giao dịch

Giao ngay
活动图片