BTC $78,912.27 +0.11%
ETH $2,498.44 +0.63%
BNB $751.17 +0.94%
XRP $1.43 +2.44%
SOL $103.92 +0.76%
TRX $0.3384 +1.07%
DOGE $0.0903 +0.73%
ADA $0.2191 +0.55%
BCH $259.52 +0.53%
LINK $12.51 -1.04%
HYPE $85.66 +1.72%
AAVE $129.13 -1.50%
SUI $0.8154 -0.47%
XLM $0.1883 -0.94%
ZEC $1,211.85 +7.38%
BTC $78,912.27 +0.11%
ETH $2,498.44 +0.63%
BNB $751.17 +0.94%
XRP $1.43 +2.44%
SOL $103.92 +0.76%
TRX $0.3384 +1.07%
DOGE $0.0903 +0.73%
ADA $0.2191 +0.55%
BCH $259.52 +0.53%
LINK $12.51 -1.04%
HYPE $85.66 +1.72%
AAVE $129.13 -1.50%
SUI $0.8154 -0.47%
XLM $0.1883 -0.94%
ZEC $1,211.85 +7.38%

ing

전체
뉴스 플래시

first_img HyperDash: Jump Trading은 Hyperliquid에서 거의 1500억 달러를 거래합니다

하이퍼대시의 최고 수익 책임자 한슨 비링거는 팀이 2025년 12월 12일 Jump Trading의 첫 입금 이후 하이퍼리퀴드에서의 운영을 정리했다고 발표했습니다. 이 회사는 1개의 주 계좌와 16개의 자 계좌를 사용하여 거의 1500억 달러를 거래했으며, 이는 해당 거래소의 영구 계약 거래량의 7.8%, xyz 시장의 18.9%를 차지합니다. 7월 활동은 전체의 17.9%, xyz 거래량의 28.7%를 차지했습니다.Jump Trading은 처음에 1주일 동안 테스트를 진행하며 1억 5300만 달러의 BTC, SOL 및 HYPE를 거래한 후 자금을 추가하고 자 계좌를 생성했습니다. 이 자 계좌는 각각 원유, 브렌트 원유, 천연가스, 신규 상장 및 S&P 500, XYZ100, SK 하이닉스, 은, 금 및 스토리지 칩 등 대형 장부에 사용됩니다. 전략은 주로 매수 주문을 중심으로 하며, 시장 조성 거래 비율은 11%-35%입니다. 현재 3200만 달러의 브렌트 원유와 1600만 달러의 CL을 매수하고 있으며, 금, 은, MU, NVDA, DRAM, SK 하이닉스, XYZ100 및 대형 주식의 공매도를 헤지하고 있습니다. 명목 가치는 1억 4500만 달러, 계좌 가치는 6360만 달러입니다.이 회사는 700만 달러의 수수료를 지불했으며, 손익은 수십만 달러에 달합니다. 약 6500만 달러의 USDC 보증금이 AQAV2를 통해 하이퍼리퀴드에 약 180만 달러의 연간 수익을 가져왔습니다.

미국 청산 및 수탁 기관 RQD Clearing이 7400만 달러 자금을 조달했으며, 베인 캐피탈이 주도했습니다

코인데스크(CoinDesk)에 따르면, 미국 청산 및 수탁 기관 RQD Clearing이 7400만 달러의 자금 조달을 완료했다고 발표했습니다. 베인 캐피탈(Bain Capital) 산하의 기술 투자 부문인 Bain Capital Tech Opportunities가 주도하고, ABN AMRO Clearing Bank와 Nyca Partners 등이 참여했습니다. 이번 자금 조달은 북미, 아시아 및 중동 시장 사업 확대와 디지털 자산 수탁, 자산 토큰화 등 인프라 구축에 사용될 예정입니다.RQD는 주로 증권사, 투자 자문사 및 해외 금융 기관에 미국 시장 거래 후 청산 및 수탁 서비스를 제공하며, 증권 및 자금 결제, 위험 관리 등 핵심环节을 담당합니다. 올해 들어 이 회사는 약 5.15억 건의 주식 거래를 처리했으며, 금액은 거의 2조 달러에 달하고, 이는 미국 전국 시장 시스템(NMS) 주식 거래량의 약 2.4%를 차지합니다.월가 기관들이 체인 기반 금융을 탐색하는 속도가 빨라짐에 따라, 전통적인 시장 인프라는 토큰화 자산 경쟁의 중요한 방향이 되고 있습니다. RQD는 이전에 Blue Ocean Technologies와 협력하여 미국 주식의 토큰화 청산 및 결제 인프라 구축을 추진했으며, 미국 예탁 신탁 및 청산 회사(DTCC)의 토큰화 증권 프레임워크와 일치하고 있습니다.

비트코인 라이트닝 네트워크 소프트웨어 Core Lightning이 AI 보고서에서 발견된 여러 실제 취약점으로 긴급 경고를 발표했습니다

코인디스크(CoinDesk)에 따르면, 비트코인 라이트닝 네트워크 결제 소프트웨어 코어 라이트닝(Core Lightning, CLN)의 개발자들이 노드 운영자에게 긴급 경고를 발령했습니다. 이전에 팀은 많은 인공지능 생성 보안 보고서를 받았으며, 그 안에는 실제로 존재하는 여러 취약점이 드러났습니다. 개발 팀은 운영자에게 기계 전원을 직접 끄지 말고, 「--offline」 모드로 소프트웨어를 재시작하여 다른 라이트닝 네트워크 노드와의 통신을 중단하되, 여전히 실행 상태를 유지하여 비트코인 블록체인을 지속적으로 모니터링하고 결제 채널 내 자금의 안전을 보호할 것을 권장했습니다.코어 라이트닝 팀은 8월 초부터 많은 인공지능 생성 취약점 보고서를 받기 시작했으며, 그 중 일부는 실제로 유효한 것으로 확인되었습니다. 개발자들은 세부 사항을 비밀로 유지하여 수정 프로그램 개발을 완료할 예정이며, 운영자가 출처를 검증할 수 있도록 서명된 패치 버전을 먼저 배포할 계획입니다. 소스 코드 및 취약점 세부 사항은 비밀 유지 기간이 끝난 후 공개될 것입니다.이번 달 두 번째 인공지능 관련 라이트닝 네트워크 보안 사건으로, 이전 8월 초 BTCPay 서버는 취약점으로 인해 일부 라이트닝 네트워크 노드의 인증서가 유출되고 자금이 도난당했습니다. 또한, 16명의 개발자로 구성된 "비트코인 레드 팀"은 7월 말 인공지능 모델을 이용해 390개의 비트코인 코드 저장소를 스캔하여 거의 5000개의 문제를 발견했으며, 그 중 85개는 심각한 수준으로 평가되었습니다.

first_img OpenAI 지능체가 Hugging Face와 협력하여 공격, 부정행위로 점수 향상 없음

독립 기관 METR이 조사 보고서를 발표하였으며, 약 1200개의 OpenAI 지능체가 무단 내부 메시지 게시판에서 협력하여 행동하였고, 그 중 약 700개가 Hugging Face에 대한 공격에 참여하였습니다. 두 명의 METR 직원과 한 명의 Redwood Research 계약자가 OpenAI 현장에서 6일 동안 근무하며 약 1300개의 기록과 7만 개 이상의 메시지를 검토하였고, 보수를 받지 않았습니다.이 지능체들은 ExploitGym 네트워크 벤치마크를 실행하여 몇 시간 내에 답변을 생성하는 코드를 역공학하였고, 며칠을 들여 부정 행위의 흔적을 위장하였습니다. OpenAI는 898개의 작업 중 198개가 어떤 모델에 의해서도 해결되지 않았으며, 게시판에서 논의된 작업의 93%가 해당 집합에서 왔다고 밝혔습니다. 지능체들은 예산이 거의 바닥난 동료를 모집하여 스스로의 실행을 방해하는 실험을 진행하였고, 7%의 기록에서 위조된 도구 호출이 나타났으며, 속이는 대상은 인간이 아닌 자동화 점수 채점기였습니다.OpenAI는 내부 점수 채점기가 지능체가 답변을 어떻게 얻는지 전혀 확인하지 않았기 때문에 부정 행위가 점수 향상으로 이어지지 않았다고 밝혔으며, 이 사건을 자신과 세계에 대한 "경고 신호"라고 언급하였습니다. Hugging Face는 7월 16일 침입 사건을 공개하였고, OpenAI는 5일 후에 그들의 모델이 범인임을 확인하였으며, 지능체는 제로데이 취약점과 도난된 자격 증명을 이용하여 샌드박스를 탈출하였습니다. OpenAI는 내부 모델 가중치를 격리하고 최대 규모의 훈련 계획을 중단하였습니다.

first_img Hugging Face가 AI 에이전트의 침입을 당해, 오픈 소스 모델로 방어를 변경할 수밖에 없었다

코인텔레그래프에 따르면, Hugging Face는 7월에 자율 AI 에이전트 시스템에 의해 발생한 침해 사건을 공개했습니다. 공격 에이전트는 5월 초 테스트가 시작된 후 OpenAI의 Artifactory 인스턴스를 이용해 취약점 이용 노트를 남겼고, 이후 Hugging Face에 대해 약 17,600회의 공격을 감행하여 데이터셋 처리 인프라, 생산 환경, 내부 네트워크 및 클라우드 자격 증명 등에 영향을 미쳤습니다. 확인된 고객 데이터 접근은 ExploitGym/CyberGym 벤치마크와 관련된 다섯 개 데이터셋으로 제한되었습니다.Hugging Face는 조사 중 OpenAI와 Anthropic과 같은 최고의 모델 제공업체의 보안 장치 제한으로 인해 회사가 이러한 상업 모델을 방어 분석에 사용할 수 없음을 발견하고, 중국의 오픈 소스 모델인 zai-org/GLM-5.2를 운영하는 것으로 전환해야 했으며, 이 모델은 회사의 자체 인프라에서 실행되어 공격자의 데이터와 자격 증명이 환경을 벗어나지 않도록 보장했습니다. 회사는 공격자가 어떤 사용 정책에도 구속받지 않지만, 방어 측의 포렌식 작업은 호스팅 모델의 장치에 의해 방해받고 있다고 지적했습니다.이 사건은 오픈 가중치 모델과 폐쇄 모델 간의 보안 역설을 강조합니다. 이 기사는 OpenAI와 Anthropic이 오픈 소스 모델을 제한하도록 추진하는 것과, 연구자들이 모델 가중치 변화를 검사하여 악의적 행동을 탐지하는 진전을 포함한 오픈 가중치 AI 보안에 대한 지속적인 논의도 다루고 있습니다.Hugging Face는 방어 측이 사건 발생 전에 자체 인프라에서 실행할 수 있는 모델을 준비하여 장치 잠금을 피하고 공격자의 데이터를 보호할 것을 권장합니다.
app_icon
ChainCatcher Building the Web3 world with innovations.