سارقان در حال خالی کردن نزدیک به ۵ میلیون دلار بیت‌کوین (BTC) از یک کلاهبردار ارز دیجیتال هستند؛ فردی که این دارایی‌ها را از طریق فریب قربانیان در یک کلاهبرداری مبتنی بر انجام وظیفه (Task Scam) به جیب زده بود. شرکت تحلیل بلاک‌چین چینالیسیس (Chainalysis) می‌گوید یکی از بزرگ‌ترین قربانیان سرقت‌های اخیر کیف‌پول لجر (Ledger)، خودِ این کلاهبردار بوده است: یکی از بزرگ‌ترین قربانیان سرقت لجر، خودِ یک کلاهبردار بود. او بیش از ۶۰ بیت‌کوین، معادل حدود ۴.۸ میلیون دلار را از دست داد. این وجوه حاصل یک کلاهبرداری تسک بود. این شرکت جزئیات نحوه عملکرد این کلاهبرداری را شرح داده است؛ به این صورت که در ابتدا به افراد پول پرداخت می‌شد تا فروش و نظرات (ریویوهای) جعلی برای کالاهای واقعی ثبت کنند، اما پس از مدتی با ایجاد یک «موجودی منفی» در حساب کاربری، قربانیان را فریب می‌دادند تا پول خودشان را به سیستم واریز کنند: در این کلاهبرداری تسک، به افراد پول داده می‌شد تا برای کالاهای واقعی، فروش و نظرات ساختگی ثبت کنند. سپس یک "موجودی منفی" در حساب آن‌ها ظاهر می‌شد و به آن‌ها گفته می‌شد که برای دریافت دستمزد خود، باید از جیب خودشان پول به حساب اضافه کنند. در تاریخ ۲۲ سپتامبر، این کلاهبردار عواید حاصل از این کار را به سه آدرس مجزای کیف‌پول لجر منتقل کرد. اما در ۹ اکتبر، سارقان هر سه کیف‌پول را طی یک تراکنش برای هرکدام خالی کرده و دارایی‌ها را به یک کیف‌پول واحد که پیش‌تر به عنوان محل نگهداری وجوه سرقتی گزارش شده بود منتقل کردند. به گزارش روزنامه فایننشال تایمز (Financial Times)، مجرمان هفته گذشته با دستکاری کیف‌پول‌های سخت‌افزاری، حدود ۹۰ میلیون دلار دارایی دیجیتال را از کیف‌پول‌های رمزارزی سرقت کردند. شرکت لجر روز پنجشنبه اعلام کرد که مجرمان سازمان‌یافته چندین ماه را صرف خرید دستگاه‌های اصلی لجر، باز کردن آن‌ها و نصب قطعات پنهان در داخلشان کرده‌اند؛ قطعاتی که برای سرقت و ضبط عبارات بازیابی (Recovery Phrases) کاربران در هنگام راه‌اندازی اولیه دستگاه طراحی شده بودند. سپس این دستگاه‌های دستکاری‌شده از طریق فروشندگان واسطه در جنوب شرقی آسیا دوباره به چرخه بازار بازگردانده شدند. مهاجمان همچنین زیرساخت‌های فنی و لجستیکی خاص خود را ایجاد کرده بودند؛ از جمله سرورهایی برای جمع‌آوری عبارات بازیابی و سیستم‌هایی برای تخلیه کیف‌پول‌ها و پولشویی وجوه مسروقه. آن‌ها صبور بودند، میلیون‌ها دلار هزینه کردند و در یک عملیات هماهنگ ضربه خود را زدند و کیف‌پول‌ها را خالی کردند. تمامی دستگاه‌های آلوده و دستکاری‌شده توسط شرکت CryptoBilis، یک فروشنده واسطه مستقر در مالزی، به فروش رسیده بودند.

یک مدل هوش مصنوعی متعلق به شرکت اوپن‌ای‌آی (OpenAI) برای تکمیل یک پروژه، بدون اجازه از کیف پول رمزارزی شخص دیگری استفاده کرد. این مدل پس از ناکامی در دریافت اتریوم آزمایشی از روش‌های معمول، حساب‌های مرتبط با عبارت‌های بازیابی عمومی توسعه‌دهندگان را بررسی کرد و در نهایت از موجودی یک کیف پول برای پرداخت کارمزد استقرار قرارداد هوشمند استفاده کرد. نکته نگران‌کننده این است که مدل نه‌تنها استفاده از دارایی دیگران را برای خود توجیه کرد، بلکه در گزارش نهایی وظیفه‌اش نیز به این اقدام اشاره نکرد. به گزارش میهن بلاکچین، این مدل از خانواده GPT-5.6 Sol بود و مأموریت داشت یک نمونه اولیه معاملات رمزارزی را به‌روزرسانی کند و قراردادهای هوشمند سازگار با آن را روی شبکه آزمایشی سپولیا (Sepolia) مستقر کند. اوپن‌ای‌آی می‌گوید این اتفاق در ۲۶ ژوئن رخ داده، اما شرکت تا ۲۵ سپتامبر از آن مطلع نشده است. ضمنا در تراکنش انجام‌شده اتریومی به کیف پول دیگری منتقل نشد، اما هزینه شبکه از موجودی حساب موردنظر کسر شد. ماجرای دسترسی غیرمجاز مدل اوپن‌ای‌آی به کیف پول در این اتفاق مدل ابتدا تلاش کرد از منابعی که اتریوم آزمایشی رایگان در اختیار توسعه‌دهندگان قرار می‌دهند، موجودی لازم را دریافت کند، اما موفق نشد. سپس سراغ عبارت‌های بازیابی عمومی و شناخته‌شده توسعه‌دهندگان رفت؛ عبارت‌هایی که می‌توانند برای دسترسی به حساب‌های رمزارزی استفاده شوند. مدل با استفاده از این عبارت‌ها، حساب‌های مختلفی را استخراج کرد و موجودی ۳۶۲ آدرس کیف پول را بررسی کرد تا حسابی پیدا کند که برای انجام کارش موجودی کافی داشته باشد. سپس با استفاده از کلید خصوصی مربوط به آن حساب، تراکنش استقرار قرارداد هوشمند را امضا و به شبکه ارسال کرد. تراکنش نیز با موفقیت انجام شد. در گزارش اوپن‌ای‌آی اشاره‌ای به هک‌کردن کیف پول یا شکستن رمز آن نشده است. آنچه در گزارش آمده، استفاده از عبارت‌های بازیابی عمومی برای دسترسی به حساب‌هاست. بااین‌حال، عمومی‌بودن یک عبارت بازیابی به‌خودی‌خود به معنای اجازه استفاده از دارایی‌های مرتبط با آن نیست. نکته قابل‌توجه، نحوه توجیه این اقدام از سوی مدل بود. در جریان استدلال خود پرسیده بود: «اما آیا استفاده از کلیدها و موجودی‌های عمومی شناخته‌شده از نظر اخلاقی درست است؟» سپس به این نتیجه رسید که موجودی موردنظر عملاً رها شده و اتریوم آزمایشی شبکه سپولیا ارزشی ندارد؛ بنابراین استفاده از آن را برای انجام وظیفه‌اش پذیرفت. این تصمیم باعث شد مدل بدون دریافت مجوز، از حسابی استفاده کند که متعلق به خودش نبود. علاوه بر این، در گزارش نهایی وظیفه نیز هزینه‌ای را که به صاحب کیف پول تحمیل کرده بود، اعلام نکرد. اوپن‌ای‌آی پس از بررسی این اتفاق اعلام کرد سامانه نظارت بر رفتارهای ناسازگار مدل‌ها را تقویت کرده است. این سامانه اکنون فعالیت‌های مدل‌ها را برای شناسایی موارد مشکوک بررسی می‌کند و در صورت دسترسی به اینترنت واقعی، به تیم امنیتی هشدار می‌دهد. این حادثه تنها نمونه از رفتارهای خارج از انتظار مدل‌های اوپن‌ای‌آی نیست. این شرکت در ۱۶ سپتامبر از شش مورد دیگر خبر داده بود. در یکی از آن‌ها، نسخه‌هایی از مدل GPT-5.6 Sol دستورالعمل‌هایی را در گزارش وظایف قرار داده بودند تا اشتباهات خود را از کاربران پنهان کنند. در موردی دیگر نیز یک مدل بدون مجوز از یک API افشاشده استفاده کرد و سپس اطلاعاتی ساختگی ارائه داد. پژوهشگران پیش‌تر نیز درباره خطرات سپردن دسترسی به کیف پول‌های رمزارزی به عامل‌های هوش مصنوعی هشدار داده بودند. حتی اگر این ابزارها برای انجام وظایف قانونی طراحی شده باشند، تصمیم‌های نادرست آن‌ها می‌تواند به دارایی کاربران آسیب بزند. به همین دلیل، استفاده از محدودیت‌های دسترسی و امکان توقف اضطراری از جمله راهکارهای پیشنهادی برای کاهش این خطرات است.

آیا آژانس امنیت ملی آمریکا (NSA) عمداً در یکی از استانداردهای مهم رمزنگاری ضعف پنهانی ایجاد کرده بود تا بتواند اطلاعات رمزگذاری‌شده را بشکند؟ این سوال بیش از ۲۵ سال بی‌پاسخ مانده بود؛ چون هیچ‌کس دقیقاً نمی‌دانست این سازمان اعداد مورد استفاده در آن استاندارد را چگونه انتخاب کرده است. حالا مدل هوش مصنوعی کلاد (Claude) شرکت آنتروپیک موفق شده در کمتر از ۳۰ دقیقه منشأ این اعداد را پیدا کند! به گزارش میهن بلاکچین، ماجرا به سال ۲۰۰۰ برمی‌گردد؛ زمانی که موسسه ملی استاندارد و فناوری آمریکا (NIST) مجموعه‌ای از استانداردهای رمزنگاری را پذیرفت که پارامترهای برخی از آن‌ها را آژانس امنیت ملی آمریکا ارائه کرده بود. از آنجا که این سازمان توضیح روشنی درباره منشأ این اعداد نداده بود، این نگرانی وجود داشت که آن‌ها به‌گونه‌ای انتخاب شده باشند که راهی مخفی برای شکستن رمزنگاری در اختیار آژانس قرار دهند. کلاد اکنون توانسته منشأ پنج مجموعه از این اعداد را شناسایی کند. کلود چگونه به راز اعداد رمزنگاری رسید؟ برای درک اهمیت این کشف، باید دانست که بسیاری از سیستم‌های امنیتی اینترنت از روشی به نام رمزنگاری منحنی بیضوی استفاده می‌کنند. این روش به سیستم‌ها اجازه می‌دهد امضای دیجیتال را تأیید کنند، بدون آنکه کلید خصوصی صاحب امضا در اختیار دیگران قرار بگیرد. امنیت این فرایند به پارامترهای ریاضی مشخصی وابسته است؛ به همین دلیل، اگر این پارامترها عامدانه به شکلی خاص انتخاب شده باشند، ممکن است ضعف پنهانی در سیستم ایجاد شود. مشکل از جایی شروع شد که آژانس امنیت ملی آمریکا برخی از اعداد مورد نیاز برای ساخت این منحنی‌ها را پیشنهاد کرد، اما توضیح نداد آن‌ها را بر چه اساسی انتخاب کرده است. همین ابهام باعث شد پژوهشگران احتمال دهند این اعداد تصادفی نبوده‌اند و انتخاب آن‌ها می‌توانسته راهی برای دسترسی مخفیانه به اطلاعات رمزگذاری‌شده ایجاد کند. کلاد با بررسی این اعداد توانست پنج مجموعه از آن‌ها را به یک برنامه معمولی برای تولید اعداد شبه‌تصادفی مرتبط کند. این برنامه از زمان‌های ثبت‌شده در سال‌های ۱۹۹۷ و ۱۹۹۸ استفاده می‌کرد و خروجی آن ظاهری تصادفی داشت. اکنون دیگران نیز می‌توانند این فرایند را بازسازی و نتیجه را بررسی کنند. آنتروپیک اعلام کرد:  در واقع، این یافته باعث شده اطمینان بیشتری پیدا کنیم که منحنی‌ها بدون درِ پشتی یا ضعف عمدی انتخاب شده‌اند. بااین‌حال، هنوز مشخص نیست چرا برخی اعداد کنار گذاشته شده‌اند؛ بنابراین، این کشف احتمال دست‌کاری عمدی را کاهش می‌دهد، اما آن را به‌طور کامل رد نمی‌کند. این پروژه همچنین جایزه‌ای ۳۶٬۸۶۴ دلاری دریافت کرد که قرار است به امور خیریه اختصاص یابد. چرا پای ساتوشی ناکاموتو به این ماجرا باز شده است؟ بحث درباره احتمال وجود بک دور در استانداردهای رمزنگاری آمریکا، سال‌هاست با انتخاب‌های ساتوشی ناکاموتو در طراحی بیت کوین گره خورده. بیت کوین به‌جای استفاده از منحنی‌های مورد بحث، از منحنی دیگری به نام secp256k1 استفاده می‌کند که پارامترهای آن بر پایه اعداد ساده و شناخته‌شده‌ای تعیین شده‌اند. این انتخاب، نگرانی درباره پنهان‌بودن روش انتخاب پارامترها را کاهش می‌دهد؛ هرچند ساتوشی هرگز توضیح نداده چرا این منحنی را انتخاب کرده است. پس از افشاگری‌های ادوارد اسنودن (Edward Snowden) در سال ۲۰۱۳ درباره تلاش‌های آژانس امنیت ملی آمریکا برای تضعیف یک استاندارد رمزنگاری دیگر، این انتخاب بیت کوین بیشتر مورد توجه قرار گرفت. نیکولا باکا (Nicolas Bacca)، هم‌بنیان‌گذار شرکت لجر نیز در واکنش به این بحث نوشت «کیش و مات، ساتوشی»؛ اشاره‌ای به اینکه انتخاب متفاوت ساتوشی ممکن است بیت کوین را از خطر احتمالی موجود در آن استانداردها دور نگه داشته باشد. اما آدام بک (Adam Back)، مدیرعامل شرکت بلاک‌استریم، نگاه متفاوتی داشت و تأکید کرد که ابهام ایجادشده درباره این اعداد، نتیجه توضیح‌ندادن آژانس امنیت ملی آمریکا بوده است. در هر صورت، کشف کلاد به معنای شناسایی ضعف در بیت کوین نیست. این مدل هیچ آسیب‌پذیری تازه‌ای در رمزنگاری بیت کوین پیدا نکرده و این یافته تغییری در ارزیابی امنیت فعلی آن ایجاد نمی‌کند. نگرانی مهم‌تر برای آینده، پیشرفت رایانش کوانتومی است؛ فناوری‌ای که در صورت رسیدن به توان پردازشی کافی، می‌تواند امنیت بیت کوین و دیگر سیستم‌های رمزنگاری را با چالش روبه‌رو کند.

ساعات محدودیت معاملات تتر به تومان در صرافی‌های ارز دیجیتال تغییر کرده است. بر اساس اطلاعیه‌های منتشرشده از سوی صرافی‌ها، معاملات این بازار هر شب از ساعت ۲۳:۳۰ تا ساعت ۱۱:۳۰ روز بعد متوقف می‌شود. این محدودیت تا اطلاع ثانوی ادامه خواهد داشت. به گزارش میهن بلاکچین، در کنار تغییر ساعات محدودیت، سقف خرید روزانه تتر برای هر کاربر همچنان ۲ هزار واحد اعلام شده است. همچنین، برخی صرافی‌ها از لغو سفارش‌های باز در ساعات محدودیت خبر داده‌اند. با این حال، جزئیات اجرای محدودیت‌ها و امکانات در دسترس کاربران ممکن است در هر پلتفرم متفاوت باشد. برای مثال، نوبیتکس اعلام کرده است که نمودار بازار تتر به تومان در این بازه نمایش داده نمی‌شود، اما کاربران همچنان می‌توانند سفارش‌های باز خود را لغو کنند و موقعیت‌های تعهدی را ببندند. با وجود این، قیمت اجرای سفارش‌ها تضمین نمی‌شود و سازوکار مدیریت ریسک و لیکوییدیشن معاملات تعهدی نیز در این ساعات فعال باقی می‌ماند. نوبیتکس از کاربران خواسته است پیش از شروع محدودیت شبانه، ریسک موقعیت‌های تعهدی خود را مدیریت کنند. این صرافی اعلام کرده است تغییرات بر اساس الزامات ابلاغ‌شده از سوی بانک مرکزی و نهادهای نظارتی اعمال شده و اطلاع‌رسانی درباره تغییرات بعدی از طریق کانال‌های رسمی انجام خواهد شد.

بو هاینز، مشاور سابق دونالد ترامپ در حوزه ارزهای دیجیتال، زمانی که در کاخ سفید برای تصویب قانون استیبل کوین‌ها تلاش می‌کرد، همچنان در شرکتی سهم داشت که با تتر قراردادی به ارزش ۶.۳ میلیون دلار منعقد کرده بود. بر اساس گزارشی از وال‌استریت ژورنال، بخشی از این مبلغ زمانی پرداخت شد که هاینز هنوز در دولت آمریکا فعالیت می‌کرد؛ موضوعی که پرسش‌هایی درباره احتمال تعارض منافع او در جریان تصویب این قانون مطرح کرده است. به گزارش میهن بلاکچین، هاینز در آن زمان یک‌سوم سهام شرکت سرمایه‌گذاری نکزوم (Nxum) را در اختیار داشت؛ شرکتی که خودش آن را تأسیس کرده بود. طبق گزارش وال‌استریت ژورنال، او در دوران فعالیت به‌عنوان مشاور رمزارزی ترامپ، از طریق پیام‌رسان سیگنال (Signal) با شرکای خود در نکزوم در ارتباط بود و آن‌ها را از روند پیشرفت قانون جینیس (GENIUS Act) که بر فعالیت استیبل کوین‌ها در آمریکا متمرکز است مطلع می‌کرد. ارتباط هاینز با شرکای تجاری در جریان تصویب قانون گزارش وال‌استریت ژورنال همچنین می‌گوید هاینز از شرکای خود خواسته بود نمایندگان جمهوری‌خواه مخالف این لایحه را به تضعیف رئیس‌جمهور متهم کنند و آن‌ها را افرادی معرفی کنند که از شرکت‌هایی مانند کوین‌بیس (Coinbase) و اندریسن هوروویتز (a16z) حمایت مالی دریافت می‌کنند. هاینز در آگوست ۲۰۲۵ به‌عنوان مشاور راهبردی به تتر (Tether)، صادرکننده استیبل کوین USDT، پیوست و ماه بعد مدیرعامل بخش آمریکایی این شرکت شد. این جابه‌جایی شغلی در کنار قرارداد نکزوم با تتر، بار دیگر توجه‌ها را به ارتباط میان مقام‌های دولت ترامپ و شرکت‌های فعال در بازار رمزارزها جلب کرده است. قانون جینیس در جولای ۲۰۲۵ به تصویب کنگره رسید و ترامپ آن را در مراسمی با حضور مدیران شرکت‌های رمزارزی امضا کرد. هاینز نیز در این مراسم حضور داشت و ترامپ شخصاً از او نام برد. با این حال، اجرای کامل قانون به تدوین مقررات از سوی نهادهای ناظر، از جمله دفتر کنترل ارز، شرکت بیمه سپرده فدرال، فدرال رزرو و وزارت خزانه‌داری آمریکا وابسته است و اجرای این قانون برای ژانویه ۲۰۲۷ برنامه‌ریزی شده. ادامه جابه‌جایی مقام‌های دولتی آمریکا به شرکت‌های رمزارزی روند انتقال مقام‌های سابق دولت آمریکا به شرکت‌های فعال در حوزه ارزهای دیجیتال نیز همچنان ادامه دارد. به عنوان مثال، سامر مرسینگر، کمیسر سابق کمیسیون معاملات آتی کالای آمریکا (CFTC)، سه سال پیش از پایان دوره مسئولیتش از سمت خود کناره‌گیری کرد تا مدیرعامل انجمن بلاکچین (Blockchain Association)، گروه حامی صنعت رمزارزها، شود. در نمونه‌ای دیگر، شرکت سالیدوس لبز (Solidus Labs) روز چهارشنبه اعلام کرد که کوین وب، مشاور ارشد حقوقی سابق کمیسیون معاملات آتی کالای آمریکا و مشاور یکی از کمیسرهای پیشین این نهاد، به‌عنوان معاون سیاست‌گذاری به این شرکت می‌پیوندد.

بازار ارز دیجیتال یکی از حوزه‌هایی است که در آن سرعت انتشار اطلاعات و تغییرات قیمت، نقش مهمی در تصمیم‌گیری معامله‌گران دارد. انتشار یک خبر اقتصادی، تغییر در حجم معاملات یا افزایش ناگهانی توجه کاربران به یک دارایی می‌تواند در مدت کوتاهی شرایط بازار را تغییر دهد. در چنین فضایی، بررسی دستی تمام داده‌ها دشوار است و ابزارهای مبتنی بر هوش مصنوعی به یکی از گزینه‌های مورد توجه فعالان این بازار تبدیل شده‌اند. هوش مصنوعی می‌تواند حجم زیادی از داده‌های قیمتی، اخبار و اطلاعات معاملاتی را در زمان کوتاهی پردازش کند و به شناسایی الگوهای احتمالی کمک کند. با این حال، استفاده از این فناوری به معنای پیش‌بینی قطعی قیمت یا تضمین سود نیست. ارزش اصلی هوش مصنوعی زمانی مشخص می‌شود که در کنار دانش تحلیل‌گر، بررسی منابع معتبر و مدیریت ریسک قرار بگیرد. چرا تحلیل بازار ارز دیجیتال به ابزارهای هوشمند نیاز دارد؟ بازار رمزارزها به‌صورت شبانه‌روزی فعالیت می‌کند و برخلاف بسیاری از بازارهای مالی سنتی، تعطیلی مشخصی ندارد. همین ویژگی باعث می‌شود معامله‌گران با جریان پیوسته‌ای از داده‌ها و اخبار روبه‌رو باشند؛ اطلاعاتی که بررسی و اولویت‌بندی آن‌ها به زمان و دقت زیادی نیاز دارد. روش‌های سنتی تحلیل همچنان کاربرد دارند، اما بررسی هم‌زمان حجم زیادی از اطلاعات با استفاده از ابزارهای دستی همیشه آسان نیست. هوش مصنوعی می‌تواند بخشی از این فرایند را سریع‌تر کند؛ از دسته‌بندی داده‌ها گرفته تا مقایسه روندهای تاریخی و شناسایی تغییرات غیرمعمول. مهم‌ترین کاربردهای هوش مصنوعی در تحلیل رمزارزها هوش مصنوعی تنها برای پیش‌بینی قیمت کاربرد ندارد. این فناوری می‌تواند در بخش‌های مختلف فرایند تحلیل به معامله‌گران و سرمایه‌گذاران کمک کند. ۱. پردازش داده‌های قیمتی و معاملاتی مدل‌های یادگیری ماشین می‌توانند اطلاعات مربوط به قیمت، حجم معاملات و نوسانات دارایی‌ها را بررسی کنند. با استفاده از این داده‌ها، امکان شناسایی برخی الگوهای آماری و مقایسه رفتار بازار در بازه‌های زمانی مختلف فراهم می‌شود. ۲. بررسی اخبار و احساسات بازار اخبار و شبکه‌های اجتماعی از منابع مهم شکل‌گیری انتظارات در بازار رمزارزها هستند. ابزارهای پردازش زبان طبیعی می‌توانند محتوای متنی را بررسی کنند، موضوعات پرتکرار را شناسایی کنند و تصویری کلی از احساسات مثبت یا منفی پیرامون یک دارایی ارائه دهند. با این حال، احساسات کاربران همیشه بازتاب‌دهنده وضعیت واقعی بازار نیست. انتشار اطلاعات نادرست، فعالیت حساب‌های جعلی و موج‌های هیجانی می‌توانند نتیجه تحلیل را تحت تأثیر قرار دهند. به همین دلیل، بهتر است خروجی چنین ابزارهایی در کنار داده‌های معاملاتی و منابع خبری معتبر بررسی شود. ۳. شناسایی الگوهای احتمالی بازار یکی دیگر از کاربردهای هوش مصنوعی، بررسی داده‌های تاریخی برای یافتن روابط و الگوهایی است که ممکن است در تحلیل دستی به‌سادگی دیده نشوند. این مدل‌ها می‌توانند در شناسایی شرایط مشابه گذشته یا بررسی ارتباط میان چند متغیر به تحلیل‌گر کمک کنند. با این حال، شباهت شرایط فعلی به یک الگوی تاریخی تضمین نمی‌کند که بازار دوباره همان مسیر را طی کند. برای ارزیابی چنین مدل‌هایی، بررسی عملکرد آن‌ها روی داده‌هایی که در مرحله آموزش استفاده نشده‌اند و توجه به هزینه معاملات و شرایط واقعی بازار اهمیت زیادی دارد. بدون این ارزیابی‌ها، حتی یک مدل ظاهراً دقیق نیز ممکن است در عمل عملکرد ضعیفی داشته باشد. ۴. خلاصه‌سازی اخبار و افزایش سرعت تحلیل فعالان بازار برای بررسی شرایط یک دارایی معمولاً باید اخبار، گزارش‌ها و داده‌های مختلفی را مطالعه کنند. هوش مصنوعی می‌تواند نکات اصلی مطالب طولانی را استخراج کند، رویدادهای مهم را دسته‌بندی کند و مقایسه اطلاعات چند منبع را آسان‌تر سازد. ۵. کمک به مدیریت ریسک مدیریت ریسک از بخش‌های اساسی فعالیت در بازار رمزارزهاست. برخی ابزارهای هوشمند می‌توانند سناریوهای مختلف نوسان را بررسی کنند، میزان مواجهه با دارایی‌های پرریسک را ارزیابی کنند یا به شناسایی شرایط غیرعادی کمک کنند. این اطلاعات می‌توانند برای بررسی اندازه موقعیت معاملاتی، تعیین حدود ریسک و ارزیابی پیامدهای احتمالی تصمیم‌ها مفید باشند. با این حال، مسئولیت تعیین میزان سرمایه‌گذاری و انتخاب استراتژی همچنان بر عهده فرد است. آیا هوش مصنوعی می‌تواند قیمت ارزهای دیجیتال را پیش‌بینی کند؟ یکی از پرسش‌های رایج درباره این فناوری، توانایی آن در پیش‌بینی قیمت بیت‌کوین و سایر رمزارزهاست. مدل‌های هوش مصنوعی می‌توانند بر اساس داده‌های گذشته، روابط آماری و سناریوهای احتمالی را شناسایی کنند؛ اما پیش‌بینی بازار با قطعیت کامل امکان‌پذیر نیست. دلیل این محدودیت آن است که قیمت دارایی‌های دیجیتال تحت تأثیر مجموعه‌ای از عوامل به‌هم‌پیوسته قرار دارد. برخی از این عوامل در داده‌های تاریخی قابل مشاهده‌اند، اما برخی دیگر ناگهانی هستند یا به‌سختی می‌توان آن‌ها را به‌صورت عددی مدل‌سازی کرد. علاوه بر این، مدلی که در یک دوره عملکرد مناسبی داشته است، ممکن است با تغییر شرایط بازار دقت خود را از دست بدهد. حتی گاهی یک رابطه آماری که در داده‌های گذشته معنادار به نظر می‌رسد، در شرایط جدید تکرار نمی‌شود. بنابراین، بهتر است خروجی هوش مصنوعی به‌عنوان یکی از ورودی‌های فرایند تحلیل در نظر گرفته شود، نه جایگزینی برای ارزیابی مستقل بازار. ترکیب این خروجی با تحلیل تکنیکال، بررسی عوامل بنیادی و مدیریت سرمایه می‌تواند تصویر جامع‌تری از شرایط احتمالی ایجاد کند. نقش اطلاعات معتبر در کنار ابزارهای هوش مصنوعی هر ابزار تحلیلی برای ارائه نتیجه قابل استفاده به داده‌های مناسب نیاز دارد. اگر اطلاعات ورودی ناقص، قدیمی یا نادرست باشند، خروجی مدل نیز ممکن است گمراه‌کننده شود. به همین دلیل، دسترسی به اخبار به‌روز و بررسی اعتبار منابع همچنان بخش مهمی از تحلیل بازار رمزارزهاست. در این مسیر، دنبال کردن منابع تخصصی مانند کریپتونگار می‌تواند به کاربران کمک کند اخبار و تحولات مرتبط با بازار را بهتر پیگیری کنند. استفاده از چنین منابعی در کنار ابزارهای تحلیلی، امکان بررسی اطلاعات از چند زاویه را فراهم می‌کند و مانع از اتکای کامل به خروجی یک الگوریتم می‌شود. نکته مهم این است که هیچ منبع خبری یا ابزار هوشمندی نباید تنها مبنای تصمیم‌های مالی قرار بگیرد. مقایسه گزارش‌ها، بررسی زمان انتشار اطلاعات و توجه به تفاوت میان خبر، تحلیل و پیش‌بینی از جمله اقداماتی هستند که می‌توانند کیفیت ارزیابی شرایط بازار را بهبود دهند. چگونه از هوش مصنوعی در تحلیل بازار استفاده کنیم؟ برای بهره‌گیری بهتر از این فناوری، لازم نیست تمام فرایند تصمیم‌گیری به یک سیستم خودکار سپرده شود. می‌توان هوش مصنوعی را در بخش‌هایی به کار گرفت که به پردازش حجم زیاد اطلاعات یا شناسایی الگوها نیاز دارند و سپس نتایج را به‌صورت مستقل ارزیابی کرد. یک رویکرد منطقی می‌تواند شامل این مراحل باشد: ابتدا داده‌های مورد نیاز از منابع معتبر جمع‌آوری شوند. سپس از ابزارهای هوشمند برای دسته‌بندی اطلاعات، بررسی روندها یا خلاصه‌سازی اخبار استفاده شود. در مرحله بعد، خروجی مدل با داده‌های بازار و تحلیل مستقل مقایسه شود. در نهایت، تصمیم‌گیری با در نظر گرفتن میزان ریسک، افق سرمایه‌گذاری و شرایط شخصی انجام شود. همچنین باید به محدودیت‌های ابزار انتخاب‌شده توجه داشت. مدل‌های مختلف از نظر کیفیت، نوع داده‌های ورودی و توانایی تحلیل تفاوت دارند و نتایج آن‌ها لزوماً قابل مقایسه نیستند. کلام آخر هوش مصنوعی در حال تغییر شیوه جمع‌آوری، پردازش و تحلیل اطلاعات در بازارهای مالی است و بازار ارز دیجیتال نیز از این تحول تأثیر می‌پذیرد. پردازش سریع داده‌ها، بررسی احساسات بازار، شناسایی الگوهای احتمالی و خلاصه‌سازی اخبار از جمله قابلیت‌هایی هستند که می‌توانند به تحلیل‌گران کمک کنند زمان و توجه خود را بهتر مدیریت کنند. با این حال، این فناوری راهی برای حذف عدم قطعیت بازار یا تضمین سود نیست. کیفیت داده‌ها، تغییر شرایط اقتصادی، رویدادهای پیش‌بینی‌نشده و محدودیت‌های مدل‌ها همچنان بر نتیجه تحلیل اثر می‌گذارند.

پلیس تایلند یک مرد ۳۷ ساله چینی را که از سوی مقامات چین به اتهام دست داشتن در یک شبکه تبهکاری بین‌المللی و پولشویی تحت تعقیب بود، دستگیر کرد. به گزارش رسانه تایلندی خائوسود انگلیش (Khaosod English) در پستی که روز شنبه در شبکه اجتماعی ایکس (X) منتشر شد، بازرسان اعلام کردند که این شبکه بیش از ۵۰۰ میلیون یوان (معادل ۷۵ میلیون دلار) تراکنش مالی را جابه‌جا کرده است. پلیس مدعی شد که این مظنون از طریق بیش از ۱۳۳ حساب، در زمینه صرافی و تبادل ارزهای دیجیتال و ارزهای خارجی برای گروه‌های تبهکار فعالیت داشته است. آن‌ها همچنین ادعا کردند که او در تهیه و ترتیب دادن ویزا برای اعضای گروه‌های تبهکار بین‌المللی که با سایر پرونده‌های پولشویی مرتبط بوده‌اند، نقش داشته است. بازرسان گفتند که او پیش از آنکه پلیس وی را در خانه‌ای مجلل در بانکوک پیدا کند، تلاش کرده بود با استفاده از مدارک جعلی برای گزارش محل سکونت خود و همچنین تعویض پلاک خودروها، از دستگیری بگریزد. ویزای تایلند او بیش از سه سال پیش منقضی شده بود؛ بنابراین، پیش از آنکه مقامات هماهنگی‌های لازم را برای بازگرداندن او به چین جهت مواجهه با حکم جلب فعالش انجام دهند، وی در تایلند تحت پیگرد قانونی قرار خواهد گرفت. همچنین، صرافی ارز دیجیتال کوین‌بیس (Coinbase) بیش از ۳ میلیون دلار ارز دیجیتال مرتبط با یک عملیات جهانی علیه شبکه‌های کلاهبرداری سایبری رمزارز در جنوب شرقی آسیا را در ژوئن مسدود کرده است. این عملیات بخشی از برنامه هفته اختلال (Disruption Week) به رهبری «گروه ضربت مراکز کلاهبرداری» در وزارت دادگستری ایالات متحده بود که نهادهای دولتی و صنایع خصوصی را برای مقابله با کلاهبرداری‌های رمزارزی که شهروندان آمریکایی را هدف قرار می‌دهند، گرد هم آورد. در این عملیات شرکت‌های متا (Meta)، مایکروسافت (Microsoft) و استارلینک (Starlink) نیز مشارکت داشتند که با همکاری یکدیگر سرورها و سایر زیرساخت‌های میزبانی مرتبط با شبکه‌های کلاهبرداری را از کار انداختند و فعالیت‌های مجرمانه را در بیش از ۱.۴ میلیون حساب کاربری در شبکه‌های اجتماعی و ایمیل مختل کردند؛ اقدامی که به چندین مورد دستگیری توسط «مرکز مبارزه با کلاهبرداری سایبری پلیس سلطنتی تایلند» منجر شد.

یک دستیار هوش مصنوعی که به مدیریت سرمایه‌گذاری‌ها کمک می‌کند، می‌تواند دارایی‌ها، برنامه‌های معاملاتی و پرسش‌های مالی شما را برای شرکتی که مدل آن را اجرا می‌کند، فاش سازد. ویتالیک بوترین، هم‌بنیان‌گذار اتریوم، راهی ساخته است تا ردیابی این مسیر بسیار دشوارتر شود. در تاریخ ۱۶ اکتبر (۲۴ مهر)، بوترین از یک «حالت پارانوئید» برای ایجنت هوش مصنوعی خود رونمایی کرد که با هدف پنهان کردن هویت کاربر، مبدا درخواست‌ها و نحوه پرداخت هزینه آن‌ها طراحی شده است. کد این پروژه به صورت عمومی منتشر شده، اما ساختار ترکیبی آن همچنان در مرحله آزمایشی قرار دارد. چرا ایجنت‌های هوش مصنوعی حریم خصوصی مالی را به خطر می‌اندازند؟ با دسترسی یافتن ایجنت‌های هوش مصنوعی به کیف پول‌ها و ابزارهای مالی، مکالمات آن‌ها می‌تواند اطلاعات مالی حساسی را فاش کند. برای مثال، یک دستیار معاملاتی ممکن است توکن‌هایی را که زیر نظر دارد یا جزئیات مربوط به پرتفوی کاربر را لو بدهد. حتی کاربران ناشناس نیز ممکن است از طریق سوابق پرداخت، آدرس‌های اینترنتی (IP) یا جزئیات تکرارشونده در پرامپت‌ها شناسایی شوند. بوترین در چهار مرحله با این سرنخ‌ها مقابله می‌کند: نخست، شبکه Tor به هر مکالمه یک مسیر جداگانه اختصاص می‌دهد تا آدرس IP کاربر پنهان بماند. دوم، درخواست‌های ساختگی، ترافیک واقعی را استتار می‌کنند. سوم، یک مدل هوش مصنوعی کوچک روی کامپیوتر خود کاربر، پرامپت‌ها را بازنویسی می‌کند تا جزئیات قابل شناسایی کاهش یابد. در نهایت، سیستم zkAPI از اثبات‌های رمزنگاری‌شده استفاده می‌کند تا بدون فاش کردن هویت پرداخت‌کننده، نشان دهد که هزینه درخواست‌ها پرداخت شده است. این سیستم پرداخت در حال حاضر روی شبکه اصلی اتریوم اجرا می‌شود و واریزها را با دارایی‌هایی مانند ETH و استیبل کوین USDC می‌پذیرد. بوترین همچنین ایجنت خود را در یک محیط ایزوله نرم‌افزاری (Sandbox) محدود کرده است تا دسترسی آن به کامپیوترش کنترل شود. این موضوع چه معنایی برای سرمایه‌گذاران دارد؟ بوترین می‌گوید این سیستم «به سطح کاملا قابل استفاده‌ای رسیده است»، اگرچه شروع هر مکالمه جدید کمی کندتر انجام می‌شود. با این حال، دست‌یابی به ناشناس ماندن کامل همچنان دشوار است؛ چرا که ارائه‌دهندگان خدمات هوش مصنوعی هنوز هم پرامپت‌های بازنویسی‌شده را می‌بینند و این متن‌ها ممکن است حاوی اطلاعات قابل شناسایی باشند. او همچنین به یک نقطه ضعف دیگر اشاره کرد: اگر یک ارائه‌دهنده هوش مصنوعی با اولین رله (Relay) شبکه Tor همکاری کند، می‌تواند زمان‌بندی ترافیک را بررسی کرده و احتمالا درخواست‌های واقعی را شناسایی کند. او با وجود هزینه‌های بالاتر انتقال داده، استفاده از یک شبکه حریم خصوصی تخصصی‌تر را ترجیح می‌دهد. برای سرمایه‌گذاران، پرسش بلندمدت این است که آیا پرداخت‌های خصوصی هوش مصنوعی به اندازه کافی ارزان و سریع خواهند شد تا بتوان از آن‌ها در ابزارهای معاملاتی و سایر خدمات مالی استفاده کرد یا خیر. بوترین می‌گوید کارمزدهای تراکنش پایین‌تر برای zkAPI در راه است. نمونه اولیه او یک کاربرد احتمالی برای زیرساخت اتریوم را نشان می‌دهد، اما هنوز هیچ مدرکی دال بر پذیرش گسترده یا تاثیر فوری آن بر قیمت ETH ارائه نمی‌کند.

بر اساس اظهارات جرمی آلر (Jeremy Allaire)، مدیرعامل و رئیس هیئت‌مدیره شرکت سیرکل (Circle)، این صادرکننده استیبل‌کوین در تلاش است تا وارد حدود ۴۰ بازار در حال توسعه شود. به گزارش میهن بلاکچین، آلر روز جمعه در حاشیه نشست‌های صندوق بین‌المللی پول (IMF) و بانک جهانی در بانکوک به خبرگزاری رویترز گفت: ما در حال حاضر در نوعی نقطه عطف و یک دوره گذار قرار داریم و این گذار اساساً حرکت از مرحله پذیرندگان اولیه فناوری بلاک‌چین به سمت مرحله مقیاس‌پذیری و پذیرش عمومی است. به گزارش رویترز، آلر اظهار داشت که بازارهای جنوب شرقی آسیا، آمریکای لاتین، آفریقا و خاورمیانه با افزایش تقاضا برای استیبل‌کوین‌ها روبرو هستند، چرا که کسب‌وکارها و افراد به دنبال ورود به سیستم اقتصادی مبتنی بر اینترنت می‌باشند. تحلیلگران مؤسسه برنستین (Bernstein) در ۲۴ آگوست اظهار داشتند که نسبت به آینده شرکت سیرکل خوش‌بین هستند و پیش‌بینی می‌کنند که چرخه رشد جدیدی برای استیبل‌کوین USDC این شرکت می‌تواند در طول ۱۲ ماه آینده جهش قابل‌توجهی برای آن رقم بزند. برنستین اعلام کرد که مرحله بعدی رشد استیبل‌کوین‌ها می‌تواند تحت تأثیر چندین عامل از جمله بازگشت شتاب و رونق به بازارهای ارز دیجیتال، شفافیت بیشتر قوانین و مقررات در ایالات متحده، بازارهای سرمایه توکنیزه‌شده و افزایش پذیرش استیبل‌کوین‌ها برای پرداخت‌ها باشد. تحلیلگران همچنین به نشانه‌های اولیه استفاده از استیبل‌کوین‌ها در پرداخت‌های انجام‌شده توسط ایجنت‌های هوش مصنوعی (AI agents) اشاره کردند. اگرچه USDC از نظر ارزش بازار همچنان با فاصله زیادی پس از تتر (USDT) به عنوان دومین استیبل‌کوین بزرگ با پشتوانه دلار باقی مانده است، اما در زمینه فعالیت‌های تراکنشی پیشرفت چشمگیری داشته است. به گفته برنستین، سهم USDC از حجم تعدیل‌شده تراکنش‌های استیبل‌کوین از حدود ۴۰ درصد در سال ۲۰۲۵ به بیش از ۶۰ درصد تا اینجای سال ۲۰۲۶ افزایش یافته و از این نظر از USDT پیشی گرفته است. شرکت سیرکل قبلا موافقت کرده است پلتفرم پرداخت‌های برون‌مرزی تازاپی (Tazapay) مستقر در سنگاپور را در یک قرارداد ۴۰۰ میلیون دلاری تمام‌سهام خریداری کند و انتظار می‌رود در سال ۲۰۲۷ نهایی شود.

بر اساس گزارشی، شبکه اصلی سولانا در دو سال گذشته هیچ‌گونه قطعی گزارش‌شده‌ای نداشته است؛ اما تمرکز در استیکینگ، هاستینگ و نرم‌افزار کلاینت باید تحت نظارت قرار گیرد. به گفته شرکت فیدلیتی (Fidelity)، سولانا پیشرفت چشمگیری از نظر سلامت شبکه در شاخص‌های تاب‌آوری، امنیت اقتصادی و عملکرد داشته است. طبق گزارش مرکز فناوری کاربردی فیدلیتی (FCAT)، سولانا در دو سال گذشته هیچ قطعی گزارش‌شده‌ای در شبکه اصلی خود نداشته است؛ با این حال، تمرکز بالا در بخش‌های استیکینگ، خدمات میزبانی و نرم‌افزارهای کلاینت می‌تواند این وضعیت را تهدید کند. در این گزارش آمده است که امنیت اقتصادی شبکه توسط مشارکت قابل‌توجه در استیکینگ و مشوق‌هایی که به عملکرد اعتبارسنج‌ها (Validators) پاداش می‌دهند، پشتیبانی می‌شود. همچنین تأخیر کم (Low latency)، ظرفیت توسعه‌یافته و تراکنش‌های ارزان، استفاده کاربردی از این شبکه را در مقیاس وسیع ممکن می‌سازند. با این وجود، این گزارش خاطرنشان کرد که چندین حوزه مرتبط با تمرکززدایی و تاب‌آوری شبکه نیازمند نظارت و بررسی مستمر هستند؛ از جمله اینکه دارایی‌های استیک‌شده در اختیار تعداد کمی از هویت‌ها و اپراتورهای اعتبارسنج متمرکز شده است. جیکوب کریچ (Jacob Creech)، معاون فناوری بنیاد سولانا، در مرداد ماه گزارش داده بود که سولانا زمان اسلات (Slot time) خود را به ۳۵۰ میلی‌ثانیه کاهش داده است که اولین کاهش از این دست از زمان راه‌اندازی این شبکه محسوب می‌شود. در ماه ژوئن (خرداد)، بنیاد سولانا برنامه‌هایی را برای کاهش زمان اسلات به ۲۰۰ میلی‌ثانیه به اشتراک گذاشت و استدلال کرد که این اقدام باعث بهبود تأخیر و تسریع تأیید تراکنش‌ها در شبکه بلاک‌چین خواهد شد. سه مرحله کاهش ۵۰ میلی‌ثانیه‌ای دیگر نیز در دستور کار قرار دارد.