PeckShield数据显示:2026年前两个月加密货币黑客攻击损失达1.125亿美元

ambcrypto发布于2026-03-02更新于2026-03-02

文章摘要

2026年前两个月,加密货币领域因黑客攻击造成的损失达1.125亿美元,其中1月损失占绝大部分,16起事件共造成8601万美元损失,同比略降1.42%,但环比增长13.25%。主要事件包括Step Finance(2890万美元)、Truebit(2640万美元)和SwapNet(1330万美元)等大型协议漏洞。此外,1月网络钓鱼相关损失超过3亿美元。 2月损失大幅下降至2652万美元,环比减少69.2%,同比因去年Bybit事件基数较高骤降98.2%。但损失高度集中,前五名事件占总损失的98%,最大两起为YieldBlox DAO(1000万美元)和IoTeX桥(880万美元)。 总体来看,损失呈现高度集中和波动性特点,系统性风险仍未解决,尤其在跨链和DeFi领域。

根据PeckShield共享的数据,2026年1月和2月期间,加密货币相关黑客攻击造成的损失达到1.1253亿美元

虽然2月份损失环比大幅下降,但综合数据表明,安全事件在年初仍构成重大风险。

1月损失主要由少数大型漏洞利用事件主导

2026年1月占损失的大部分,共发生16起黑客事件,总计8601万美元。这较2025年1月的8725万美元同比下降了1.42%

与2025年12月的7595万美元失窃相比,损失也环比增长了13.25%

1月份的前五大事件高度集中。Step Finance2890万美元领先,其次是Truebit的2640万美元SwapNet的1330万美元

Saga报告损失700万美元,而Makina Finance损失413万美元,其中270万美元后来被追回。

除了协议漏洞利用,PeckShield指出,当月与网络钓鱼相关的损失超过3亿美元。这凸显了社会工程风险与智能合约漏洞的规模。

2月出现大幅回落,但集中性持续

2026年2月,加密货币行业记录了 15起重大黑客事件,总计2652万美元。这标志着较1月下降69.2%,且较2025年2月同比下降98.2%

年度比较受到去年记录的与Bybit相关的14亿美元漏洞利用事件的严重影响,该事件抬高了2025年的基线。

尽管总金额较低,但2月的损失再次由少数事件主导。

前五大黑客事件约占被盗资金总额的98%,即约2586万美元。YieldBlox DAO是最大的单起事件,损失1000万美元,其次是IoTeX桥的880万美元

CrossCurve损失495万美元FOOM Cash报告226万美元Moonwell占180万美元

2026年初数据指向波动性而非问题解决

综合来看,1月和2月的数据凸显了损失集中和波动的模式,而非风险的持续减少。

虽然2月的下降表明高严重性漏洞利用事件减少,但中型协议和桥接攻击的持续存在表明,系统性漏洞仍未解决,特别是在跨链基础设施和DeFi应用中。


最终总结

  • 2026年前两个月,加密货币黑客攻击导致1.1253亿美元损失,其中1月占总额的四分之三以上。
  • 2月损失环比大幅下降,但少数事件仍主导整体损害,突显了持续的集中风险。

相关问答

Q根据PeckShield的数据,2026年前两个月加密货币黑客攻击造成的总损失金额是多少?

A根据PeckShield的数据,2026年1月和2月加密货币黑客攻击造成的总损失金额为1.1253亿美元。

Q2026年1月的黑客攻击损失与2025年1月相比有何变化?

A2026年1月的黑客攻击损失为8601万美元,与2025年1月的8725万美元相比,同比下降了1.42%。

Q2026年2月的黑客攻击损失相比1月下降了多少百分比?

A2026年2月的黑客攻击损失为2652万美元,相比1月的8601万美元,环比下降了69.2%。

Q2026年1月损失金额最大的三个黑客攻击事件分别涉及哪些项目?

A2026年1月损失金额最大的三个黑客攻击事件分别是:Step Finance损失2890万美元,Truebit损失2640万美元,SwapNet损失1330万美元。

Q2026年2月最大的单一黑客攻击事件是哪个项目,损失金额是多少?

A2026年2月最大的单一黑客攻击事件是YieldBlox DAO,损失金额为1000万美元。

你可能也喜欢

年薪百万抢电工,Meta急到自己办技校

AI竞赛正面临新的瓶颈:工地。美国正面临严重的电工、建筑工等技术工人短缺,这已成为微软、Meta、OpenAI等公司快速建设超大规模AI数据中心(如OpenAI耗资160亿美元的“星际之门”项目)的“头号障碍”。 尽管AI公司愿支付高薪(如电工年薪可达24-28万美元),远超传统行业,但熟练技工仍供不应求。麦肯锡预测,美国在2023-2030年间需额外培养13万名电工和24万名建筑工,而劳工统计局预计每年仍有8万个电工岗位空缺。这种短缺导致项目延迟,每月可能造成数百万美元的收入损失。 AI数据中心建设复杂,需应对巨大功耗(一座设施耗电堪比数十万户家庭)、复杂的配电系统以及高密度散热(需液冷技术)等挑战,因此亟需大量技术娴熟的工人。 为此,科技巨头开始亲自下场培养人才。例如,Meta投入1.15亿美元建立建筑工人培训学校,提供免费培训及生活补贴,以快速输送工人上岗。OpenAI则与建筑工会合作,提前锁定熟练劳动力。同时,企业也将招聘目光投向高中生,鼓励年轻人投身技工行业。这些举措已见成效,Z世代对技工职业的兴趣显著上升。 然而,更深层的挑战在于电力。AI数据中心用电量正以惊人速度增长,已推高部分地区的电价。此外,数据中心建设是项目制的,建设期需要成千上万的工人,但建成后仅需少量常驻人员。这意味着未来可能面临熟练工人短期过剩、并流向其他行业压低薪资的风险。如何实现劳动力与电力资源的长期平衡,仍是悬而未决的问题。

marsbit57分钟前

年薪百万抢电工,Meta急到自己办技校

marsbit57分钟前

OpenAI 不靠最贵的模型卖钱了

OpenAI近期调整了API定价策略,旗舰模型GPT-5.6 Luna降价80%,Terra降价20%,而顶级模型Sol未降价但新增了更快的“Fast”模式。此次调整的核心并非单纯的价格战,而是标志着OpenAI首次引导用户根据任务需求选择不同模型,而非一味追求最强模型。官方建议复杂任务可由Sol进行规划,再由Luna等成本更优的模型执行。 此举与Anthropic近期推出半价替代旗舰的Claude Opus 5策略相似,显示硅谷领先公司正形成默契:旗舰模型(如Sol、Fable)的角色正从直接盈利转向树立技术品牌和探索上限,而商业化走量和利润则主要由中端及性价比模型(如Luna、Opus)承担。这类似于汽车等行业“旗舰立形象,走量车型赚利润”的模式。 更深层的变化在于成本下降的驱动力。OpenAI透露,此次降价部分得益于由Sol模型自身参与优化底层生产内核,实现了效率提升与成本降低,开启了“模型优化模型”的自我加速循环。 行业竞争焦点正从“谁最聪明”的单项性能比拼,转向为企业提供基于任务重要性、出错成本、规模等因素的“模型组合”最优解,追求整体ROI。这类似于云计算按数据冷热使用不同存储的策略。 OpenAI的长期战略日益清晰:其真正目标并非依靠单一模型的高毛利,而是通过极低的调用成本构建庞大的开发者生态与调用量,形成类似操作系统或云平台的渗透率与用户粘性。当API调用成本低至可被忽略,AI将如水电般无缝嵌入所有业务流程,其发展也将从追求智能巅峰的“产品时代”,进入驱动全面自动化与效率的“基础设施时代”。

marsbit57分钟前

OpenAI 不靠最贵的模型卖钱了

marsbit57分钟前

交易

现货
活动图片