Chainalysis:流向非法交易网络的加密货币激增85%

TheNewsCrypto發佈於 2026-02-13更新於 2026-02-13

文章摘要

区块链分析公司Chainalysis报告显示,去年流向涉嫌非法交易网络的加密货币金额激增85%,这些网络高度依赖稳定币并通过Telegram进行联络,所有链上交易均留下可追踪记录。数据显示,涉及Telegram国际伴游服务的交易中约50%超过1万美元,反映出犯罪网络日趋专业化。 报告追踪了四类主要涉嫌利用加密货币的非法活动:Telegram国际伴游服务、诈骗园区劳务中介、卖淫网络及儿童性虐待材料(CSAM)交易。该增长与东南亚诈骗园区、网络赌博及中文洗钱网络的扩张相关。 区块链交易相比现金更易追踪,执法部门正利用其透明性监控资金流并打击犯罪。不同犯罪类别的支付特征各异:伴游服务与卖淫网络高度依赖稳定币,CSAM交易则从比特币转向Layer 1网络,并大量使用门罗币进行洗钱。大额交易表明存在规模化犯罪组织,而CSAM交易多为低于100美元的小额订阅制支付。数据还显示极端主义社区与隐私工具使用的关联性上升。

加密货币调查与合规解决方案平台Chainalysis报告称,去年流向疑似非法交易服务的加密货币激增85%,这些以稳定币为主、与Telegram关联的网络留下了可追踪的链上痕迹。

报告显示,约50%与基于Telegram的国际伴游服务相关的交易超过1万美元。数据表明这些网络日益专业化,但区块链透明度已成为执法部门的调查工具。

Chainalysis追踪到四类主要的疑似加密货币辅助非法交易活动:基于Telegram的国际伴游服务、与诈骗窝点关联的劳务中介、卖淫网络以及儿童性虐待材料(CSAM)供应商。

报告指出,这种增长与东南亚诈骗窝点、网络赌博业务和中文洗钱网络的扩张趋势一致,其中多数通过Telegram运作。

与现金交易不同,区块链交易会永久留下痕迹。该公司表示,执法机构正利用这种可见性来追踪资金流、识别关键节点并打击犯罪活动。

不同类别的支付行为存在差异。数据显示,Telegram关联的国际伴游服务和卖淫网络高度依赖稳定币。此前CSAM供应商多选择比特币,现在则大量转向Layer 1网络。

交易详情

门罗币在CSAM相关操作中被大量用于洗钱。报告称,稳定币的使用表明这些网络优先考虑价格稳定和快速变现,而非中心化发行商冻结资产的风险。

交易规模数据揭示了这些操作的结构化特征:约半数Telegram伴游交易超1万美元;卖淫网络交易多维持在1,000至10,000美元区间;CSAM交易金额相对较低,多数不足100美元。

大额转账表明这是有组织的规模化犯罪企业而非独立作案者。CSAM相关活动持续演变,订阅制营收模式主导该领域,月付金额通常低于100美元。

数据还显示,极端主义网络社区与即时兑换器、隐私工具的使用重合度显著上升。

今日加密货币要闻:

美国SEC警告预测市场可能受证券法管辖

标签Chainalysis非法交易Telegram

相關問答

Q根据Chainalysis报告,流向涉嫌贩运网络的加密货币交易量去年增长了多少?

A根据Chainalysis报告,流向涉嫌贩运网络的加密货币交易量去年增长了85%。

Q报告中提到的涉嫌加密货币辅助贩运活动主要分为哪四个类别?

A报告中提到的四个主要类别是:基于Telegram的国际伴游服务、与诈骗园区相关的劳务中介、卖淫网络,以及儿童性虐待材料(CSAM)供应商。

QTelegram相关的国际伴游服务交易中有多大比例超过了1万美元?

A大约50%的Telegram相关国际伴游服务交易超过了1万美元。

Q报告指出,与CSAM相关的操作中,哪种加密货币被高度用于洗钱?

A报告指出,门罗币(Monero)在CSAM相关操作中被高度用于洗钱。

Q区块链交易相比现金交易的一个关键优势是什么,这对执法机构有何帮助?

A区块链交易会永久留下痕迹,这与现金交易不同。执法机构利用这种可追溯性来追踪资金流动、识别关键节点并打击犯罪活动。

你可能也喜歡

Rubin Ultra大减配,英伟达也扛不住内存涨价了?

知名投研机构SemiAnalysis近日报告指出,英伟达已向主要客户预览了其顶级AI芯片Rubin Ultra的最新规格,但相比此前预期出现显著降配。核心变化包括:算力峰值保持与普通版Rubin相同的35 PFLOPs;显存容量降至8层堆叠的192GB,甚至低于普通版的288GB;显存带宽仅微升1TB/s;芯片功耗反而略有提高。Rubin Ultra的主要升级方向转向“扩展互联规模”,支持通过NVLink将最多576张GPU互联成统一计算域,远高于普通版的72张。 报告分析认为,此次调整主要源于HBM(高带宽内存)价格持续快速上涨。以HBM3为例,其价格已从2025年二季度的低点180-220美元,飙升至目前约700-850美元。HBM成本飙升使得Rubin Ultra单机架的物料成本一度从约660万美元升至800万美元。英伟达因此重新评估设计,通过减少昂贵的HBM配置(成本占比从近40%降至28%),将资源更多投入互联能力等方向,优化整体成本结构。 此消息引发市场对HBM需求见顶的担忧。受冲击影响,韩国存储股开盘大跌,SK海力士、三星股价均下挫约8%。市场解读认为,若英伟达此举成为趋势,意味着AI芯片厂商可能开始通过优化设计来降低对高容量HBM的依赖,这或将限制存储厂商未来的提价空间,标志着AI基础设施的“堆料涨价”时代可能接近尾声。

Odaily星球日报11 分鐘前

Rubin Ultra大减配,英伟达也扛不住内存涨价了?

Odaily星球日报11 分鐘前

生成模型也能端到端训练了?核心竟是一个for循环

长期以来,深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功,但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”,推理时则需要反复展开数百上千步,这种训练与推理的不一致导致了“暴露偏差”等问题,使得生成模型一直未能实现真正的端到端训练。 最近,一篇来自UIUC与哈佛大学的论文提出了“探索式建模(Explorative Modeling,XM)”新范式,其核心是一个简单到近乎朴素的for循环:在每个训练步骤中,模型生成K个候选样本,然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失(如平方误差)而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值,而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式,在不拆分生成过程的前提下,直接提升了模型的“生成表达力”,即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明,随着模型规模、数据量和计算量的增大,探索带来的性能收益越发显著,在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是,当探索程度足够时,XM可以实现真正的端到端生成。在机器人控制等任务中,仅需一次网络前向传播的XM策略,其性能可媲美甚至超过需要上百次前向的扩散模型策略,实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新,但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈,并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大,探索这一新维度可能将发挥越来越关键的作用。

marsbit1 小時前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit1 小時前

交易

現貨
活动图片