Coinbase因高风险客户被英国监管机构罚款450万美元

币界网發佈於 2024-07-26更新於 2024-07-26

币界网报道:

周四,Coinbase因服务于高风险客户而被英国监管机构金融行为监管局(FCA)处以450万美元的罚款。该罚款是对该交易所的子公司CB Payments Limited(CBPL)征收的。

另请阅读:Coinbase寻求法院命令美国证券交易委员会出示与Gensler相关的文件

FCA指责CBPL违反了一些监管要求,以改善其对金融犯罪的防范,据路透社报道,这是英国加密资产行业首次实施此类制裁。

FCA抨击CBPL一再违反协议

据FCA称,CBPL同意在监管机构于2020年10月访问后,通过改善其金融犯罪控制,不会接受任何新的高风险客户。然而,该公司继续为13416名高风险客户提供电子货币服务,其中近三分之一的客户存入了2490万美元。

监管机构进一步表示,客户通过Coinbase实体进行了总计2.26亿美元的加密资产交易。近两年来,该公司多次违反自愿协议,未被发现。

FCA执法联合执行董事Therese Chambers表示:“CBPL的控制措施存在重大缺陷,FCA也表示了这一点,这就是为什么需要这些要求。”。钱伯斯补充道:“然而,CBPL一再违反这些要求。”。

监管机构表示,CBPL在其财务控制的“设计、测试、实施和监控方面缺乏应有的技能和勤勉”。

Coinbase的罚款是认真对待犯罪控制的警告

CBPL同意解决此事,并在获得30%的折扣后支付450万美元(350万英镑)。

Coinbase表示:“我们非常重视FCA的调查结果和我们更广泛的监管合规性,CBPL继续积极加强控制,以确保遵守其监管义务。”。

Signature litigation的加密诉讼律师Kate Gee表示,这是对公司非常重视金融犯罪控制的警告。

“那些在防范金融犯罪方面做得不够,也没有遵守现行运营限制的公司将面临审查和执法行动。”哎呀。

FCA还指出,这一行动是根据英国2011年的电子货币法规实施的,也是监管机构首次使用这些权力采取执法行动。

另请阅读:Coinbase大肆宣传Miggles先生代币,以从以太坊和Solana获得流动性

这也发生在需要明确的监管框架的时候,这是加密资产行业面临的问题之一。PYMNTS表示,尽管仍存在一些差距,但监管机构正在为加密货币行业制定框架,欧洲加密资产市场(MiCA)提供了一种更统一的监管方法。

你可能也喜歡

韩国机构的加密竞赛:稳定币与 RWA 双线爆发

韩国加密货币市场正经历结构性变革,金融与互联网巨头依托庞大的散户基础,积极布局机构级区块链基础设施,其中稳定币和现实资产(RWA)代币化是两大核心驱动力。 在稳定币领域,各方正围绕合规韩元稳定币的发行主体展开博弈。银行(如KB金融、韩亚金融)、支付商(如新韩信用卡、BC Card、Danal)及互联网平台(如KakaoPay、NAVER Pay)均已开展试点,旨在防御因美元稳定币流行导致的资金外流,并将数字金融活动锚定在本土体系内。加密原生项目若能在此期间主动提供底层技术解决方案,有望在监管放开后成为关键基建一环。 RWA代币化方面,韩国机构进展迅速,且聚焦本土特色产业,如船舶融资、军工供应链、K-pop知识产权等。相关法律框架(《资本市场法》修订)将于2027年初生效,新韩投资证券等机构已牵头搭建交易平台。加密项目的机遇在于弥补韩国券商的技术短板,提供全球分发渠道、跨链流动性方案及资产赋能工具,而非试图颠覆现有机构。 用户入口方面,互联网平台掌握关键流量。NAVER拟收购Upbit母公司Dunamu,Kakao正打造统一数字钱包,Toss则拥有全金融牌照和广泛线下网络。它们将区块链视为底层基建,是加密项目触达海量普通用户的重要渠道。 当前韩国监管框架逐步明晰,市场已具备散户基础、机构试点和民众认知。在监管完全落地前,与本土机构建立深度合作、落地实用场景的加密企业,将更有可能定义韩国数字资产行业的未来格局。美国《CLARITY法案》等外部监管进展也可能影响韩国市场的推进节奏。

Foresight News19 分鐘前

韩国机构的加密竞赛:稳定币与 RWA 双线爆发

Foresight News19 分鐘前

如何判断AI视频真假?综述动态、可溯源、可解释的检测体系

随着AI生成视频技术(如Sora、Veo等模型)的飞速发展,生成内容的逼真度已大幅提升,对虚假视频的检测变得日益困难且紧迫。传统仅输出“真假”二分类的检测方法已无法满足需求,检测目标应重新定义为“事实保真度验证”,即核查视频内容在感知和认知层面是否与真实世界一致。 本文综述了AI生成视频检测领域的最新进展。首先,将AI生成视频分为三类范式:局部操控视频、跨模态音视频编辑和端到端生成式视频合成。针对检测,提出了一个从低层到高层的四层方法框架: 1. 底层视觉线索分析:检测像素异常、生理信号等底层伪迹。 2. 时空一致性分析:核查视频在时间和空间上的连续性与合理性。 3. 跨模态一致性分析:验证视频内画面、声音、文字等多模态信息是否对齐。 4. 语言引导的世界级推理:引入外部知识,判断视频内容是否符合常识、物理规律和事实。 检测方法的演进趋势是从依赖视觉线索(第1、2层)逐步转向结合语言和多模态推理(第3、4层)。评测体系也需相应发展,不仅评估分类准确率,更要关注模型判断的可解释性、证据的可靠性以及在真实复杂环境下的鲁棒性。 未来的可信检测系统需要协同视觉与语言双视角,建立“识别-定位-解释”的清晰推理路径,并将内容分析与来源追溯相结合。这需要计算机视觉、自然语言处理、多模态理解等领域的共同努力,构建动态、可溯源、可解释的检测体系,以应对日益严峻的AI生成视频挑战。

marsbit55 分鐘前

如何判断AI视频真假?综述动态、可溯源、可解释的检测体系

marsbit55 分鐘前

万万没想到,AI x Crypto 最先落地的是安全审计

AI正深刻改变加密领域安全审计的格局。数据显示,2026年上半年DeFi领域安全事件频发,累计损失约9.42亿美元,其中第二季度尤为严重。传统观点认为安全审计需求稳定,但以Claude Mythos为代表的新一代AI工具大幅降低了发现智能合约漏洞的门槛,攻击者可快速扫描并利用漏洞,使得传统审计报告的有效期急剧缩短。 攻击不再局限于小型协议,即使经过多家知名机构审计的头部协议也频繁遭殃。攻击手段扩展到社会工程学、基础设施配置缺陷等领域,显示代码审计的覆盖范围存在局限。例如,Drift Protocol和KelpDAO均因非代码层面的漏洞导致重大损失。同时,AI也在辅助攻击者挖掘多年前部署的旧合约漏洞,使历史审计的保护价值归零。OpenZeppelin联合创始人甚至公开表示“所有DeFi都不安全”,引发行业广泛讨论。 面对挑战,项目方开始基于新标准进行防御性的重复审计,但这更多是应对风险的被动支出。审计机构则加速转型,一方面研发AI辅助审计系统提升效率,如OpenZeppelin推出Skills系统将安全防线前移;另一方面,商业模式正从一次性报告交付转向提供持续监控、形式化验证等嵌入式服务。例如,AI原生审计工具Firepan在已被多重人工审计的Curve合约中发现了新的组合型漏洞,展现了AI在防守端的潜力。 总之,AI加剧了攻防两端的竞赛。对于项目方,安全已成为需要持续投入的基础设施;对于审计机构,唯有加快技术和服务模式的重构,才能适应新时代的竞争。安全审计赛道正从红利模式转向激烈的竞争模式。

链捕手1 小時前

万万没想到,AI x Crypto 最先落地的是安全审计

链捕手1 小時前

交易

現貨
活动图片