加密警告:Bonk.fun域名遭黑客攻击,Solana交易者面临钱包资金被盗风险

bitcoinist發佈於 2026-03-14更新於 2026-03-14

文章摘要

加密货币平台Bonk.fun确认其主网站遭黑客攻击,导致用户面临钱包资金被盗风险。3月12日,平台运营者Tom通过X平台紧急警告用户暂停使用该域名,因黑客通过劫持团队账户在网站上植入了资金盗取程序。攻击者通过伪造“服务条款”签名提示,诱使用户授权后转移其资产。Tom强调仅近期在域名上签署虚假提示的用户受影响,历史用户及第三方终端交易者均未波及,且因发现及时,损失较小。此次事件属Web2基础设施漏洞引发的Web3安全风险,非智能合约问题。近年来类似网络钓鱼攻击已造成巨额损失,2025年链上诈骗金额达140亿美元。随着诈骗手段升级,专家建议用户直接与合约交互或使用可信平台,并定期审查授权。

一家加密平台确认其主域名网站遭黑客攻击,导致用户面临钱包资金被盗漏洞的威胁。

一场毫不有趣的加密劫持

无论全球地缘政治危机规模如何,黑客都将继续肆虐加密市场——这是举世公认的事实。本次受害者是模因币发行平台Bonk.fun。3月12日,其运营者之一Tom(@SolportTom)在社交平台X上警告用户,在获得进一步通知前不要与该域名交互,因黑客已向其注入了加密钱包盗取程序:

由Raydium和BONK社区支持的Solana代币启动平台官方X账户也宣布了此次黑客攻击事件,并重申了Tom的严重警告:

受影响对象与攻击方式

Tom解释称,该钓鱼骗局设置了虚假的"服务条款"(TOS)签名提示,用户一旦签名,盗取程序便可转移不知情用户的资金。据Tom说明,仅与虚假TOS交互的用户受到影响。他明确表示此前连接过的用户或在第三方终端交易bonk fun代币的用户均未受影响,并保证因安全漏洞发现及时"截至目前损失极小":

本次事件并非Raydium或BONK智能合约漏洞,而是Web2基础设施故障直接波及Web3的典型案例。此类域名劫持和钓鱼盗取脚本通过攻击者接管前端界面,呈现看似正常的授权提示框来滥用钱包批准机制。

漏洞利用的重复模式

近年来,授权钓鱼和"虚假界面"攻击已窃取数十亿美元:Chainalysis调查显示2025年链上诈骗资金流入达140亿美元,随着更多钱包被识别,预计该数字将突破170亿美元。

随着诈骗收益增长和AI驱动的冒充手段升级,2026年的加密安全重点已不再局限于完美代码,更需防御其周边一切:从域名到社交账户,从员工到用户的决策机制。去年2月,攻击者曾劫持Pump.fun的X账户推广虚假PUMP代币(本站姐妹平台NewsBTC曾报道)。不久前,元老级交易员Sillytuna因遭遇结合线上地址投毒与线下暴力行为的数百万美元盗窃案而退出加密市场。

这个时代正在考验链上链下、线上线下的交易者。随着加密生态日益复杂,交易者亟需提高警惕:建议优先选择直接合约交互或可信聚合器,并使用工具监控及定期撤销代币授权。

SOL日线图呈上涨趋势。来源:Tradingview上的SOLUSDT

封面图片来自Perplexity,SOLUSDT图表来自Tradingview

相關問答

QBonk.fun 平台被黑客攻击后,用户面临的主要风险是什么?

A用户面临的主要风险是钱包资金被盗。黑客在网站上注入了钱包盗取程序(drainer),通过伪造的“服务条款”(TOS)签名提示,诱使用户签名,从而获得授权转移用户资金。

Q哪些 Bonk.fun 用户受到了此次黑客攻击的影响?

A只有那些在域名被黑后,与网站上伪造的“服务条款”(TOS)签名提示进行了交互的用户受到影响。之前连接过的用户以及在第三方终端上交易 bonk fun 代币的用户均未受影响。

Q这次 Bonk.fun 的安全事件属于什么性质的问题?

A这次事件并非 Raydium 或 BONK 智能合约的漏洞,而是一次典型的 Web2 基础设施故障(域名劫持)直接波及到 Web3 领域的案例。攻击者通过控制网站前端,呈现看似正常的提示来滥用钱包授权。

Q根据文章,近年来类似的黑客攻击造成了多大损失?

A根据 Chainalysis 的一项调查,2025年链上诈骗流入资金高达140亿美元,并且随着更多钱包被识别,预计这一数字将超过170亿美元。

Q文章对加密货币交易者提出了哪些安全建议?

A文章建议交易者应提高警惕:优先选择直接与合约交互或使用可信的聚合器,并使用工具来监控和定期撤销代币授权。

你可能也喜歡

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。

marsbit8 小時前

BTC“数字黄金”的叙事是不是失败了?

marsbit8 小時前

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8 小時前

BTC“数字黄金”的叙事是不是失败了?

链捕手8 小時前

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。

marsbit9 小時前

从代码到认知:机器人大脑进化的万字指南

marsbit9 小時前

交易

現貨
合約
活动图片