LI.FI DeFi平台遭受攻击,损失超过800万美元

币界网發佈於 2024-07-16更新於 2024-07-16

币界网报道:

去中心化金融(DeFi)平台LI.FI协议遭受了超过800万美元的攻击。

Cyvers Alerts报告在LI.FI跨链交易聚合器中检测到可疑交易。

LI.FI在800万美元漏洞利用后发出警告

LI.FI在7月16日通过X发布的一份声明中证实了这一违规行为:“请不要与任何人互动http://LI.FI为现在的应用程序供电!我们正在调查一个潜在的漏洞。”该团队澄清说,没有设置无限审批的用户没有风险,并强调只有手动设置无限批准的用户似乎会受到影响。

根据Cyvers Alerts的数据,超过800万美元的用户资金被盗,其中大部分是稳定币。根据链上数据,黑客的钱包中有1715个以太坊(ETH),价值580万美元,以及USDC、USDT和DAI稳定币。

你可能也喜歡

加州理工用AI攻克量子化学60年难题,1块显卡做完7800块的活

加州理工学院Anima Anandkumar团队利用人工智能攻克了量子化学领域存在60年的计算瓶颈。他们开发的AI模型“Kohn-Sham FNO”将密度泛函理论(DFT)的计算复杂度从传统的立方级降低至近线性级,实现了革命性突破。 传统DFT计算随体系增大,计算量呈立方增长,难以模拟大分子体系。该团队创新性地采用傅里叶神经算子,在DFT的迭代求解流程中替代了最耗时的核心计算步骤,而非直接预测最终结果。这种“思维链”式的分步迭代方法保证了计算的稳定性和外推能力,即使模型输出有误,后续迭代也能纠正,并能在超出能力范围时通过发散发出警报。 该模型仅用8504个结构进行训练,便能同时处理分子和固体材料,覆盖元素周期表前五行元素,展现出优异的泛化能力。在外推至训练集未见的大型药物分子时,其误差远低于直接预测模型。 实际验证中,该模型在单块NVIDIA B300 GPU上成功完成了包含8250个原子(82500个价电子)的金属缺陷模拟,计算完美收敛。相比之下,2019年一项对类似规模体系的全量DFT计算动用了约7800块GPU。实测计算缩放指数为1.03(近线性),而传统方法为3.37(立方级),意味着体系越大,效率优势越显著。 这项研究标志着AI开始替代物理计算中最耗时的重复运算部分。团队已基于此创立公司,并计划进一步完善模型以覆盖完整能量计算流程,未来在药物研发、电池材料设计等领域具有巨大应用潜力。

marsbit36 分鐘前

加州理工用AI攻克量子化学60年难题,1块显卡做完7800块的活

marsbit36 分鐘前

交易

現貨
活动图片