美国采取行动没收与加密货币投资骗局相关的344万美元USDT

TheNewsCrypto发布于2026-03-11更新于2026-03-11

文章摘要

美国联邦检察官提起民事没收诉讼,试图追回与加密货币投资骗局相关的约344万美元USDT。该骗局通过虚假短信或加密通讯应用联系受害者,假借"误发信息"建立信任后,诱导受害者参与所谓以实物黄金支撑的以太坊投资计划。受害人将ETH转入指定钱包后,资金通过中间地址转换为USDT并转入诈骗者控制的非托管钱包。 调查始于2024年底,涉及马萨诸塞州、犹他州和南卡罗来纳州至少四名受害者。美方已于2025年2-3月查获这批USDT,现寻求法院批准永久没收资产。近期马萨诸塞州检察官办公室还追回了另一起针对本地居民的"杀猪盘"骗局涉及的32.7万美元USDT。

美国联邦检察官已提起民事没收诉讼,要求追回约344万美元USDT,这些资金与一个针对多州受害者的在线加密货币投资骗局有关。

根据波士顿美国检察官办公室3月10日的公告,这些资金涉及一个诱骗受害者将加密货币发送给诈骗者控制钱包的计划。

官员们提到,他们在2025年2月和3月查获了这些USDT,现正请求法院允许永久没收这些资产。检察官表示,在此类欺诈计划中,诈骗者通过操纵手段获取受害者资金。

公告还补充说,诈骗者会先与受害者建立信任关系,然后诱使受害者投资欺诈性投资项目。调查始于2024年底,当时约有四人报告损失,包括马萨诸塞州两名居民以及犹他州和南卡罗来纳州的其他受害者。

获取信任后实施诈骗

在这种情况下,诈骗者首先通过看似误发的信息与受害者联系,主要通过短信或WhatsApp和Telegram等加密应用进行交流。

在建立信任后,这些嫌疑人推销所谓的独家以太坊投资机会,声称有实物黄金支持。受害者被要求购买以太坊(ETH)并发送到犯罪者提供的钱包。

根据公告,法庭文件显示,一旦ETH到达这些钱包,资金会通过中间地址转移,兑换成USDT,然后转入诈骗者控制的非托管钱包。

美国官员最近查获了更多与欺诈计划相关的加密货币。在另一起案件中,马萨诸塞州美国检察官办公室提起民事没收诉讼,寻求追回约327,829美元的USDT,调查人员称这些资金与2024年针对马萨诸塞州居民的浪漫骗局有关。

今日加密货币要闻:

卡尔达诺(ADA)艰难求稳:是崩盘还是反弹在即?

标签诈骗美国USDT

相关问答

Q美国联邦检察官试图没收多少与加密货币投资骗局相关的USDT?

A美国联邦检察官试图没收约344万美元的USDT。

Q这起加密货币投资骗局是通过什么方式获取受害者信任的?

A骗子首先通过看似误发的短信或加密应用程序(如WhatsApp和Telegram)与受害者联系,建立信任后诱骗其投资虚假的以太坊投资计划。

Q调查是在什么时间开始的?有多少人报告了损失?

A调查始于2024年底,当时约有四人报告了损失,包括两名马萨诸塞州居民以及犹他州和南卡罗来纳州的其他人。

Q骗子是如何处理受害者发送的ETH的?

A一旦ETH到达骗子提供的钱包,资金会通过中间地址转移,转换为USDT,然后转移到骗子管理的非托管钱包中。

Q除了本案外,美国马萨诸塞州检察官办公室还针对哪种类型的骗局采取了行动?

A美国马萨诸塞州检察官办公室还针对一起针对马萨诸塞州居民的浪漫骗局采取了行动,试图追回约327,829美元的USDT。

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。

marsbit28分钟前

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

marsbit28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。

marsbit30分钟前

你的 Claude 今晚要做梦了,别打扰它

marsbit30分钟前

交易

现货
合约
活动图片