美国超30万枚政府比特币面临风险，内部盗窃指控暴露托管漏洞

ccn.com发布于2026-01-26更新于2026-01-26

文章摘要

美国法警局(USMS)承包商CMDSS公司高管之子涉嫌利用内部权限窃取超4000万美元政府扣押加密货币。区块链调查员ZachXBT曝光其通过屏幕共享意外泄露赃款证据，部分资金与Bitfinex黑客事件没收的比特币相关。约2000万美元资产曾短暂归还，但仍有超70万美元通过即时交易所永久流失。潜在总金额或达9000万美元，其中一个涉案钱包仍存1850万美元资产。该事件暴露美国政府加密货币保管体系存在重大漏洞，包括依赖电子表格记账、缺乏多重签名机制等问题，引发对价值数十亿美元没收数字资产安全性的质疑。

核心要点

区块链调查员ZachXBT称，一名承包商的儿子涉嫌从美国政府查封的加密钱包中盗取超过4000万美元。
盗窃案似乎与美国法警局聘请管理查封数字资产公司的内部权限有关。
该案引发了对美国政府如何安全存储价值数十亿美元没收比特币的严重质疑。

多年来，美国政府已悄然成为全球最大的比特币持有者之一。它从“丝绸之路”和Bitfinex黑客攻击等案件中积累了价值数十亿美元的没收加密货币。

在有指控称数百万美元从政府金库中被抽走——不是被黑客，而是被托管系统内部人员——之后，这一策略现在面临尴尬的审视。

据区块链调查员ZachXBT 称，与美国法警局（USMS）合作的承包商之子涉嫌从持有政府加密货币的钱包中盗取超过4000万美元的数字资产。

这一揭露在加密货币行业和执法界都引起了震动。它暴露了美国保护其数字资产方式可能存在的深层漏洞。

尝试我们推荐的加密货币交易所

赞助

披露

"}' data-trk="67adf8d4f12aaec7e4808bf5" href="https://links.ccn.com/links?code=693291极长的HTML内容已按规则完整保留，此处为节省token省略重复的赞助商列表HTML代码...

比特币首选推荐

最佳比特币交易所加入这些交易所即可获得超值优惠
快速简便购买比特币如何立即用信用卡购买比特币
最佳比特币在线赌场查看我们精选的最佳加密货币赌博网站

你可能也喜欢

比特币ETF资金流出潮延续至6月，首周净流出达17.2亿美元

美国比特币现货ETF市场在6月初延续了看跌势头，首周录得约17.2亿美元净流出。继5月净流出24.3亿美元后，资金外逃态势加剧。在过去15个交易日中，仅有6月4日一天录得少量净流入，凸显机构投资者的普遍悲观情绪。具体来看，贝莱德的IBIT流出最多，达13.4亿美元；富达的FBTC流出约2.02亿美元；灰度GBTC流出约1.44亿美元。仅VanEck的HODL和MSBT实现净流入。目前，比特币现货ETF累计净流入降至539.4亿美元，总净资产约751.2亿美元，一周内缩水超20%。同期，以太坊现货ETF也遭遇1.68亿美元净流出，总净资产降至97.8亿美元。市场分析认为，这反映机构在宏观经济不确定性加剧之际更为谨慎。截至发稿，比特币报61,592美元，以太坊报1,612美元，均从近期低点小幅反弹。

bitcoinist1小时前

bitcoinist1小时前

Zcash遭遇历史性暴跌，数十亿市值从市场中蒸发

隐私加密货币Zcash近日遭遇历史性暴跌，24小时内价格腰斩，市值蒸发约50亿美元，成为今年加密市场最严重的单日跌幅之一。暴跌主因与近期披露的一个安全漏洞有关。该漏洞存在于Zcash的Orchard隐私池中，自2022年5月起隐藏近四年未被发现。安全研究人员利用人工智能工具成功在本地测试中制造了伪造的ZEC代币。尽管漏洞已于6月2日修复，但由于Zcash的隐私设计，无法验证在修复前是否有伪造代币被秘密铸造，这与比特币可公开验证总供应量的模式形成对比。这种不确定性引发了市场恐慌性抛售。此事件凸显了隐私与透明度之间的根本权衡。为恢复市场信心，Zcash开发团队Shielded Labs正探索一项网络升级提案，旨在让参与者能够验证Zcash总供应量的完整性。项目方强调，其优势在于拥有顶尖的密码学家和安全研究团队，主动寻找漏洞是持续强化网络的一部分。他们将此次事件视为安全流程有效的证明，而非警报，并表示在复杂的Layer-1系统中，漏洞难以完全避免，关键是由顶级研究人员不断测试和加固系统以构建弹性基础设施。截至报道时，ZEC交易价格约为365美元。

bitcoinist5小时前

bitcoinist5小时前

BTC“数字黄金”的叙事是不是失败了？

这篇文章从三个核心问题探讨了比特币的现状与未来，强调提供的是思考框架而非投资建议。 **如何看待比特币资产？** 作者认为比特币是一种全新的、更优秀的“黄金”资产。其优势在于总量恒定、转移便捷、交易可审计。尽管早期与灰色地带关联，但合规化是趋势。目前全球数字货币渗透率仅3%-4%，类比互联网和电商的早期阶段，意味着比特币仍处于发展初期，潜力巨大但波动性也极高。 **如何理解本轮下跌？** 比特币自2025年10月高点（近12.6万美元）持续下跌，2026年2月一度跌破6.1万美元，单日跌幅达15%，随后又快速反弹。这被解读为遵循四年减半周期的共识性获利了结。特别之处在于，美国比特币ETF的批准引入了机构资金，也促使早期低成本持有者（如矿工和信仰者）进行大规模“换手”，这是资产迈向主流化的必经过程。历史数据显示，比特币历次大跌的幅度在收窄（从93%到当前的约50%），表明资产正在成熟，波动率逐步下降，但高波动仍是其获取超额回报的固有特征。 **长期如何看待发展？** 长期价值可对标黄金。当前比特币市值仅为黄金市值的约7%，若“数字黄金”叙事实现一半，上行空间依然显著。但作者提醒，短期市场脆弱，换手可能未完，底部无法预测。真正的风险并非资产归零（概率较低），而在于错误的仓位管理（如All-in或加杠杆）以及对资产缺乏深刻理解。投资者必须计算并承受潜在的最大回撤（例如从已跌50%的位置再跌50%），才能存活至长期价值兑现。文章最后以亚马逊在互联网泡沫后暴涨为例，指出关键不在于比特币未来是否上涨，而在于投资者能否通过理性的仓位管理和深度认知，扛过剧烈波动存活到那一天。文末提问引导读者反思：当前黄金涨、比特币跌的局面，究竟意味着“数字黄金”叙事失败，还是资产进化过程中的换手阵痛？这取决于每个人对比特币最底层的信仰。

marsbit6小时前

BTC“数字黄金”的叙事是不是失败了？

标题：BTC“数字黄金”的叙事是不是失败了？作者：@wuk_Bitcoin 本文从三个核心问题出发，探讨比特币的现状与未来。 **如何看待比特币？** 作者认为比特币是一种全新的、更优秀的“黄金”类资产。其优势在于：总量恒定（2100万枚）；资产可转移性极强，在全球不确定性时代具备溢价；所有交易链上可审计，透明度高。反驳了比特币主要用于灰色地带的过时观点，指出其正走向合规。目前全球数字货币渗透率仅约3%-4%，类比互联网和电商早期，意味着该资产类别仍处早期，潜力与巨大波动并存。 **如何理解本轮下跌？** 比特币自2025年10月高点（近12.6万美元）持续下跌，2026年2月初曾单日暴跌15%，跌破6.1万美元。这被视为遵循其四年减半周期的规律性回调，是长期持有者在周期高点锁定利润的结果。本轮下跌的特殊性在于：美国比特币ETF的批准引入了大量机构新资金，但也促使成本极低的早期持有者（矿工、OG）进行历史性抛售，即从“早期信仰者”向“长期配置机构”的换手过程。历史数据显示，比特币历次大回撤的跌幅在逐步收窄（从93%到目前的约50%），表明资产在成熟，波动率在下降，但高波动仍是获取超额回报的代价。 **长期怎么看？** 若将比特币视为“数字黄金”，其当前总市值（约1.4万亿美元）仅为黄金总市值（约20万亿美元）的7%。即使该叙事仅部分实现，上行空间依然可观。但作者强调短期风险：换手可能未结束，市场脆弱，不排除进一步下跌。真正的风险不在于资产归零（概率极低），而在于错误的仓位管理（如All-in、加杠杆）和对资产缺乏深度理解，这可能导致投资者无法承受巨大波动而提前被迫出局。 **最后对比** 作者以亚马逊在互联网泡沫破裂后股价跌95%又最终上涨42倍为例，指出关键在于“活着等到那一天”。对于比特币，核心同样是能否通过理性仓位管理活到其价值兑现之时。文末提问：当黄金大涨而比特币大跌，这究竟是“数字黄金”叙事的失败，还是资产进化过程中的阵痛？答案取决于每个人对比特币最底层的信仰。

链捕手6小时前

从代码到认知：机器人大脑进化的万字指南

本文概述了机器人大脑从传统代码控制到现代人工智能模型驱动的演进历程。文章首先回顾了前大型语言模型（LLM）时代，机器人依赖手工编码的模块化技术栈（感知、状态估计、规划、控制）和行为树，虽稳定但泛化能力差。随后，深度学习改进了感知，强化学习和模仿学习进入了控制层，但策略仍较为狭窄。 ChatGPT的出现带来了转折。LLM最初被用作自然语言编译器，将指令转化为机器人可执行的原子技能序列（如谷歌的SayCan）。但更重要的突破是视觉-语言-动作模型（VLA），例如谷歌的RT-2和开源的OpenVLA，它能将视觉、语言信息融合，直接输出动作指令，实现了推理与行动的耦合。目前最先进的系统采用“双脑”架构（如Figure AI的Helix、NVIDIA GR00T）：一个慢速、参数多的“系统2”负责高层次推理和规划；一个快速、小巧的“系统1”负责高频动作生成。其下还可能有一个“系统0”反射层处理平衡等底层控制。出于延迟和可靠性考虑，安全关键的控制回路通常在机器人本地（如NVIDIA Jetson模块）运行，而对话界面和集群学习等任务可交由云端。开源模型（如OpenVLA、GR00T、π0）降低了行业门槛，让初创公司能在其基础上用自有数据微调。然而，当前VLA机器人仍存在任务中途恢复能力弱、样本效率低、缺乏物理常识和长期规划能力等局限。这催生了下一代方向：世界模型。这类模型（如NVIDIA Cosmos、Meta V-JEPA）能根据当前状态和动作预测未来结果，让机器人在行动前进行模拟和评估，从而改善恢复能力、泛化能力和长期规划。架构上主要分为像素级视频扩散、联合嵌入预测架构（JEPA）和潜在动作世界模型等流派。文章最后指出，数据采集（特别是远程操作数据）是核心竞争力，仿真训练至关重要，机器人成本正在迅速下降。当前物理AI的发展阶段大约相当于“GPT-2时代”，虽未完全自主，但正通过架构的持续演进（从代码到感知、规划、策略，最终到世界模型），朝着更通用、更强大的方向稳步前进。

marsbit6小时前