【Web3安全】2025年链上黑产数据报告:非法资金流破1580亿美元,AI诈骗与新型勒索病毒技术解析

【Web3安全】2025年链上黑产数据报告:非法资金流破1580亿美元,AI诈骗与新型勒索病毒技术解析

摘要 

2026年1月30日,区块链情报公司 TRM Labs 发布重磅数据:2025年,流入加密货币钱包的非法资金达到了创纪录的 1580 亿美元。2025年非法加密货币流动资金激增145%。

这一数据彻底逆转了过去三年的下降趋势(2021年为860亿美元,2024年降至640亿美元)。

非法加密货币资金流动总量(数据来源:TRM Labs 

值得注意的是,这是一个“量增质减”的奇特现象:尽管非法资金总额暴涨了 145%,但实际上,非法活动在链上总交易量中的占比却从2024年的 1.3% 微降至 1.2%

这意味着:整个加密市场的体量在变大,但黑产的规模扩张得更加迅猛。


01  为什么数据会突然激增?

来自受制裁实体的资金流量(数据来源:TRM Labs 

TRM Labs 分析认为,非法资金流动的飙升主要由以下三大因素驱动:

  1. 制裁相关活动的激增这是最主要的驱动力。随着新制裁名单的发布以及对已制裁对象识别能力的提升,与俄罗斯相关的网络(如 A7 和 A7A5 稳定币)活动量巨大。
  2. 国家行为体的深度参与加密货币正被部分国家作为核心金融基础设施使用。报告特别点名了 俄罗斯、伊朗和委内瑞拉。此外,通过与中国相关的托管和地下银行网络进行的大规模结算活动也占据了重要份额。
  3. “抓”得更准了 数据的增加部分归功于归因技术的进步。包括 TRM 自家工具在内的情报手段,现在能更快地识别出以前未被归因的非法流动,加速了对制裁活动、重大黑客攻击和黑名单实体的确认。

02  黑客攻击:单次失窃超14亿美元

黑客攻击造成的被盗资金总额(数据来源:TRM Labs 

2025年,黑客依然猖獗。TRM Labs 记录了 150 起 黑客事件,造成的总损失达 28.7 亿美元

头部效应极其明显: 前 10 大黑客攻击造成的损失占到了被盗总价值的 81%

  • 最大案值: 2025年2月的 Bybit 交易所被黑事件
  • 幕后黑手: 该事件被归因于朝鲜黑客。
  • 损失金额: 约 14.6 亿美元(仅此一案就占据了半壁江山)。

03  诈骗泛滥:AI 成为“帮凶”

加密货币诈骗造成的损失金额(数据来源:TRM Labs 

诈骗仍是加密领域的顽疾。2025年,约有 350 亿美元 的加密货币流入了各类欺诈骗局。

  • 投资诈骗(杀猪盘等) 占据主导地位,占总流入量的 62%。这包括浪漫诱导、庞氏骗局和虚假任务诈骗。
  • AI 的介入: TRM Labs 观察到,这些骗局的组织性、专业度、质量和覆盖范围都有所提升,这被认为是犯罪分子利用 人工智能(AI)工具 的结果。

04  勒索软件:受害者开始“反抗”

勒索软件相关的资金流入在过去一年保持高位,但并未达到前几年的峰值水平。

这里有一个值得关注的趋势:虽然2025年勒索软件勒索门户网站上列出的受害者数量创下新高,但越来越多的受害者正在拒绝向网络犯罪分子支付赎金。

此外,勒索软件生态系统出现了前所未有的碎片化:仅在2025年,就新增了 161 个活跃病毒株和 93 个变种。

按窃取金额排名的十大勒索软件团伙(数据来源:TRM Labs 

💡 总结:2025年的数据为行业敲响了警钟。虽然合规工具和归因技术在进步,但地缘政治因素、AI技术的滥用以及国家级行为体的入场,正在让链上安全形势变得更加复杂。

参考资料:https://www.bleepingcomputer.com/news/security/crypto-wallets-received-a-record-158-billion-in-illicit-funds-last-year/

Read more

本地离线部署AI大模型:OpenClaw + Ollama + Qwen3.5:cloud/Qwen3:0.6b 超详细教程(无需GPU)

本地离线部署AI大模型:OpenClaw + Ollama + Qwen3.5:cloud/Qwen3:0.6b 超详细教程(无需GPU)

前言 随着开源大模型越来越成熟,我们完全可以在自己电脑上本地运行AI,不联网、不上传数据、免费使用,隐私性极强。 今天这篇文章,我会一步步带你完成:Ollama + Qwen3.5:cloud(主力模型)+ Qwen3:0.6b(轻量备选)+ OpenClaw 的本地部署,实现一个属于自己的本地聊天AI,兼顾效果与低配置适配。 一、项目介绍 本项目实现本地离线运行阿里通义千问系列大模型(Qwen3.5:cloud 主力模型 + Qwen3:0.6b 轻量备选模型),全程不需要云端API,不需要高性能显卡,普通电脑就能跑,可根据自身电脑配置选择对应模型。 用到的工具: * Ollama:最简单的本地大模型管理工具,一键拉取、运行、管理模型 * Qwen3.5:cloud:阿里云开源的轻量高性能大语言模型,对话效果强、适配本地部署,作为主力使用

腾讯云 AI 代码助手编程挑战赛 + 构建开发板垃圾图片识别AI对话的Copilot

腾讯云 AI 代码助手编程挑战赛 + 构建开发板垃圾图片识别AI对话的Copilot

一、前言: 最近公司有一个项目需求需要使用到AI智能识别的功能《垃圾智能AI识别系统》,本人一直从事Web领域开发工作,也没接触过人工智能这个赛道,刚好现在借这个“腾讯云 AI 代码助手编程挑战赛”来了解一下AI写代码相关的流程。 刚好也是接触新的技术领域,经过“腾讯云AI代码助手”来帮助我从0到1来实现这个《构建开发板垃圾图片识别AI对话的Copilot》的项目,在很多地方帮助程序员开发人员更好地理解和优化代码,提高软件的可维护性和可靠性、安全性。 上图是通过“腾讯云AI代码助手”从硬件到软件、模型的应用、生成Flask Web API服务,再到最后工作中的最佳实践,通过本人测试了Vue、Js、Python、Go等语言的实际场景,“腾讯云AI代码助手”提供了智能代码补全、单元测试生成、问题修复等多项AI驱动的功能,使开发者能够专注于创造性工作而非繁琐的设置。 【可以来看看我在B站录的一个视屏】: 【腾讯云 AI 代码助手编程挑战赛】+构建开发板垃圾图片识别AI对话的Copilot 在实际使用中,我深刻体验到“腾讯云AI代码助手”的便利,特别是在代码质量的提升方面展

AI网络技术演进对路由协议的重塑分析(下)

AI网络技术演进对路由协议的重塑分析(下)

5. 标准化进展与生态构建 5.1 国际标准化:框架演进与协议扩展 AI网络技术的标准化进程呈现出明显的“私有协议→联盟标准→国际规范”渐进式演进路径。在这一过程中,国际标准组织如IETF、IEEE和ITU-T发挥着关键作用,通过框架性标准引导技术发展方向,同时保持足够的灵活性以适应快速创新。 IETF在路由协议的AI增强扩展方面进展显著。Segment Routing技术通过流量工程与路径编程能力,为AI驱动的动态路由提供了基础框架。SRv6(Segment Routing over IPv6)更是将可编程性与IPv6的扩展性相结合,使网络能够基于应用需求动态构建端到端路径。BGP Add-Paths扩展(RFC 9012)则增强了路径多样性选择,支持AI算法对多路径的并行评估与优化。这些扩展为AI网络提供了必要的协议基础,使智能路由能够在不破坏现有网络互联的前提下实现渐进式部署。 3GPP在5G-Advanced和6G标准化中明确了AI原生网络的技术方向。TR 38.901等技术报告提出了将机器学习模型集成到无线资源管理与切换决策流程的框架,实现AI路由协议与移动通信体系的

RTX4090:AI与深度学习应用实践的革命性推动者

RTX4090:AI与深度学习应用实践的革命性推动者

RTX4090:AI与深度学习应用实践的革命性推动者 🌟 你好,我是 励志成为糕手 ! 🌌 在代码的宇宙中,我是那个追逐优雅与性能的星际旅人。 ✨ 每一行代码都是我种下的星光,在逻辑的土壤里生长成璀璨的银河; 🛠️ 每一个算法都是我绘制的星图,指引着数据流动的最短路径; 🔍 每一次调试都是星际对话,用耐心和智慧解开宇宙的谜题。 🚀 准备好开始我们的星际编码之旅了吗? 目录 * RTX4090:AI与深度学习应用实践的革命性推动者 * 摘要 * 1. RTX4090与AI计算的完美结合 * 1.1 硬件规格与AI加速能力 * 1.1.1 Tensor核心与AI加速 * 1.2 与前代产品的性能对比 * 1.2.1 深度学习框架性能测试 * 1.2.2 大型模型推理性能 * 2. 大模型训练实践与优化 * 2.1 显存管理策略 * 2.1.1 显存占用分析与优化 * 2.1.2