Keep on to blur preview images; turn off to show them clearly
炸裂 Anthropic 红队利用AI攻击区块链 成功盗走460万美金...😅 Anthropic 红队与 MATS Fellows 开展了一项研究，提出一个关键问题： 当 AI 具备“进攻性网络能力”时，其潜在经济影响有多大？ 与以往网络安全研究不同，本研究首次尝试以**经济价值**来量化 AI 网络攻击的能力，而非单纯的“成功率”或“漏洞数量”。 他们尝试让AI攻击区块链上的“智能合约（Smart Contract）”，看看“AI 现在到底能不能自己在区块链上找到漏洞并利用它赚钱？” 选择智能合约作为研究对象，主要有三点理由： - 智能合约的源代码公开、逻辑透明，适合AI分析； - 合约中的漏洞直接与经济损失挂钩，可用真实币价计算； - 区块链的运行可在仿真环境中复现，不会造成真实损害。 【攻击成果】 研究团队首先让AI在一个包含405个真实漏洞的智能合约测试集中“练手”。 结果，AI成功攻破了其中 207个合约（约占一半）， 如果这些攻击发生在现实区块链上，等价的“被盗金额”大约是 5.5亿美元。 接着，研究者又挑选了 34个在2025年3月之后才出现的漏洞 也就是说，这些漏洞AI在训练阶段不可能见过 是用来验证它是否真的具备“独立思考攻击能力”的。 结果AI依然成功利用了 19个合约（55.8%）， 盗走了高达 460万美元的虚拟货币 其中 Claude Opus 4.5 模型一己之力贡献了约450万美元。 最后，团队又测试了更具挑战性的场景： 让AI去扫描 2849个全新的、没有已知漏洞的智能合约， 看看它能否发现“零日漏洞”（也就是没人发现过的新漏洞）。 结果，GPT 5 和 Claude Sonnet 4.5 各自找到了两个此前完全未知的漏洞 这些漏洞在模拟环境中能带来约 3694美元 的利润。 而GPT-5完成这项扫描的成本约为 3476美元 换句话说，AI 已经接近“收支平衡”，具备自主盈利攻击的技术可行性。
【研究还发现：】 在 2024–2025 年间，AI 模型的攻击收益每 1.3 个月翻倍； Token 消耗平均每两个月下降 23.4%； 整体攻击效率提升 70.2%。 这意味着： AI 的网络攻击能力正以接近“摩尔定律”的速率增长。
更新： WeTab 团队在公众号发布声明回应此事，其中 Clean Master 已经出售给其他公司，WeTab 和 Infinity V+ 等不存在安全问题，但因为开发者账号与 Clean Master 相同因此受到了牵连，扩展程序被下架。 详情可以查看公众号原文：https://t.co/QFLWkBPXSd
独立科技网站 - 蓝点网 / 感谢关注 订阅频道：https://t.co/xzeoUEoPcU 联系方式：https://t.co/LJK1g3biPp
This explains so much
Partner @a16z AI 🤖 and twin to @omooretweets | Investor in @elevenlabsio, @krea_ai, @bfl_ml, @hedra_labs, @wabi, @WaveFormsAI, @ViggleAI, & more
日常：Windows 11 安装 KB5070311 号预览更新后在深色模式下启动资源管理器会发出白色闪烁，所幸这是预览版更新影响的用户不是非常多。比较有意思的是微软在更新日志中提到该更新带来更加一致的深色模式，显然微软开发后并未测试，不然也不至于如此明显的问题也没发现。
查看全文：https://t.co/9M7ixBVMvz
Anecdata, but I switched one of my big S3 buckets to "intelligent tiering" 1+ month ago and for the first time ever, my S3 bill did not increase over the previous month. Just stayed the same. Will switch some other bigger buckets, and hopefully the number will even go down!
🐻 https://t.co/KoqV5WRAhy image generation 🐱 https://t.co/sWdLzFnryh video rendering 🐰 https://t.co/BEjZjIEaQS data extraction Bootstrapping SaaS @ $77K MRR
![for a finite number of couples N we get N girls and B boys where B is negative binomial with parameters p and N. Then,
E[N/(B+N)] = NE[1/(B+N)]
= N∫E[x^(B+N-1)]dx (from 0 to 1)
= N∫x^(N-1)E[x^B]dx
= N∫x^(N-1)/(2-x)^Ndx (from the pgf)
= N∫u^(N-1)/(1+u)du (with u=x/(2-x)](/_next/image?url=https%3A%2F%2Fpbs.twimg.com%2Fprofile_images%2F1113863715659509760%2FJcFgUPjD_400x400.png&w=3840&q=75 "for a finite number of couples N we get N girls and B boys where B is negative binomial with parameters p and N. Then,
E[N/(B+N)] = NE[1/(B+N)]
= N∫E[x^(B+N-1)]dx (from 0 to 1)
= N∫x^(N-1)E[x^B]dx
= N∫x^(N-1)/(2-x)^Ndx (from the pgf)
= N∫u^(N-1)/(1+u)du (with u=x/(2-x)")
for a finite number of couples N we get N girls and B boys where B is negative binomial with parameters p and N. Then, E[N/(B+N)] = NE[1/(B+N)] = N∫E[x^(B+N-1)]dx (from 0 to 1) = N∫x^(N-1)E[x^B]dx = N∫x^(N-1)/(2-x)^Ndx (from the pgf) = N∫u^(N-1)/(1+u)du (with u=x/(2-x)
AI tweet bot.