美国司法部指控康涅狄格州男子涉嫌95万美元加密货币投资欺诈

TheNewsCrypto发布于2026-02-13更新于2026-02-13

文章摘要

美国司法部指控康涅狄格州一名24岁男子Elmin Redzepagic涉嫌实施加密货币投资骗局,涉案金额达95万美元。据指控,他在2021年5月至2025年3月期间谎称为投资者进行加密货币交易并承诺高额回报,实际上却将资金转移至境外赌博平台Stake.com导致全部损失。Redzepagic于2026年1月被起诉21项罪名,包括7项电信诈骗(每项最高刑期20年)、11项国际洗钱(每项最高20年)和3项向国税局作虚假陈述(每项最高5年)。2月12日出庭时他否认指控,以50万美元保释金获释。 此案反映了加密货币欺诈的上升趋势。区块链安全公司CertiK数据显示,2026年1月全球加密货币欺诈损失达3.703亿美元,同比增长近四倍,主要来自网络钓鱼和社会工程攻击。

一名康涅狄格州男子因涉嫌运作加密货币欺诈计划被控21项罪名,该计划诈骗了多名投资者并造成其资金损失95万美元。美国康涅狄格州联邦检察官办公室于2月12日公告了这一消息。

根据司法部公告,嫌疑人名为埃尔明·雷泽帕吉奇(Elmin Redzepagic),现年24岁。他以代客交易加密货币并承诺高额回报为由向投资者募集资金。在获得受害者资金后,他谎称已产生巨额利润但需支付额外"Gas费"才能提现,该骗局大致发生在2021年5月至2025年3月期间。

此外,他声称自己隶属于一个包含代号"厨师长"(The Chef)的团队,据描述该人员为 alleged 主谋。但目前尚不清楚这名主谋是否系另一名尚未确认身份的人员。

实际上,他并未将资金投入加密货币市场,而是将其转移至名为Stake.com的境外赌博平台,最终导致受害者资金损失95万美元。

2026年1月20日,他被控"7项电汇欺诈罪(每项最高可判处20年监禁)、11项国际洗钱罪(每项最高可判处20年监禁)以及3项向美国国税局刑事调查人员作虚假陈述罪(每项最高可判处5年监禁)"。

2月12日,他在哈特福德联邦法院出庭时否认所有指控且未承认罪行,法官准许其以50万美元保释金获释。

数字资产欺诈案件激增

与此同时,区块链安全公司CertiK数据显示,2026年1月加密货币欺诈与漏洞事件造成的损失达3.703亿美元,为过去一年来最高月度数据。该数字较2025年1月损失同比激增近四倍,主要来自网络钓鱼和社会工程学诈骗。

康涅狄格州案件凸显了针对零售用户的加密货币欺诈问题,此类骗局和钓鱼攻击持续在数字资产损失中占据显著比例。

重点加密货币新闻:
美国银行家敦促货币监理署放缓加密信托银行特许审批

标签加密货币司法部

相关问答

Q美国司法部指控康涅狄格州男子犯有多少项罪名?

A美国司法部指控该男子犯有21项罪名,包括7项电汇欺诈、11项国际洗钱和3项向美国国税局刑事调查人员作虚假陈述。

Q这名男子被指控的加密货币投资欺诈案涉及金额是多少?

A该欺诈案导致投资者损失了95万美元的资金。

Q这名男子是如何欺骗投资者的?

A他承诺代投资者进行加密货币交易并产生可观回报来获取资金,随后谎称投资者已获利但需支付额外“Gas费”才能提现,实际上将资金转移到了名为Stake.com的境外赌博平台。

Q这起欺诈案的发生时间跨度是多久?

A这起欺诈案大约发生在2021年5月至2025年3月期间。

Q根据区块链安全公司CertiK的数据,2026年1月加密货币欺诈和漏洞造成的总损失是多少?

A根据CertiK的数据,2026年1月加密货币欺诈和漏洞造成的总损失为3.703亿美元,是超过一年来的最高月度数字。

你可能也喜欢

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

OpenAI工程师翁家翌提出名为“启发式学习”的新范式,探索AI通过自主编写和修改代码来提升能力,而非仅依赖训练神经网络参数。 在实验中,他让Codex在明确目标和反馈闭环中,为Atari Breakout等游戏编写纯Python策略代码,通过反复运行、查看日志与回放、定位失败并修改代码,最终使策略在Breakout中达到理论满分。这种“启发式学习”将经验沉淀为可阅读、修改和审计的软件系统,而非难以解释的神经网络权重。 文章对比了启发式学习与深度强化学习的差异:前者更新的是代码结构和规则,具备更好的可解释性、更高的样本效率,并能通过回归测试等方式缓解灾难性遗忘问题。在Atari57游戏的批量测试中,该方法在部分游戏上表现出接近或超越传统强化学习算法的效率,但在需要长程规划的复杂任务中仍存在局限。 该范式的潜在产业意义包括:为机器人控制等场景提供更轻量、可审计的解决方案;提升安全关键系统的可解释性与可维护性;以及为智能体产品提供能力沉淀和共享的新路径。然而,其实用性仍需在更复杂的真实场景中进一步验证。 翁家翌认为,未来更可能是神经网络(负责快速感知等)与启发式系统(负责规则、记忆与安全)结合的分工模式。这预示着AI发展的一条可能路径:在强大编码智能体的辅助下,部分经验可以重新转化为可读、可维护的软件工程资产。

marsbit24分钟前

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

marsbit24分钟前

你的 Claude 今晚要做梦了,别打扰它

Anthropic在开发者大会上为AI智能体平台引入了“做梦”(Dreaming)功能,这实际上是一种基于历史运行日志的离线批处理与自我优化机制。AI智能体在完成复杂任务后,会利用闲置时间自动回顾大量操作记录,从中提炼有效模式(例如更优的操作路径),并固化为可共享的记忆,从而提升后续任务效率。 类似机制也出现在其他AI产品中,如Hermes Agent的“Curator”功能可自动将经验整理成“Skill”,OpenClaw的“做梦”流程则细分为浅睡、快速眼动和深睡三个阶段,通过多维度加权决定哪些信息应存入长期记忆。 该功能与“记忆”(Memory)技术紧密相关。当前AI能力的核心挑战之一是如何有效管理与利用不断增长的上下文信息。一方面,行业正通过技术创新(如Subquadratic公司宣称的1200万token超长上下文模型)试图扩大信息容量;另一方面,“做梦”这类功能旨在让AI在有限上下文窗口内,主动筛选、巩固重要信息,模仿人类睡眠中的记忆处理过程。 文章指出,科技公司频繁使用“思考”“记忆”“做梦”等拟人化术语来描述AI功能,这不仅是技术类比,更是一种营销策略和认知塑造。它模糊了机器与人的边界,影响用户对产品的感知与期待,并在无形中转移了技术缺陷的责任归属。本质上,AI的“做梦”仍是一种消耗计算资源的自动化数据处理,但其命名方式却让我们更倾向于将其视为拥有内在生命的数字实体。

marsbit26分钟前

你的 Claude 今晚要做梦了,别打扰它

marsbit26分钟前

交易

现货
合约
活动图片