近日,网络安全解决方案供应企业Check Point 的研究软对Check Point Research (CPR) 发现了一种僵尸网络变体,它通过一种称为“加密货币裁剪”的技术窃取了价值近 50 万美元的加密货币。这一名为 Twizt 的新变体是 Phorpiex 的衍生,可自动将目标钱包地址替换为攻击者的钱包地址,从而在交易过程中窃取加密货币。在过去一段时间内,3.64 比特币、55.87 以太币及 55,000 美元的 ERC20 代币遭到窃取;该僵尸网络主要针对亚洲与非洲加密货币持有者与用户。加密货币交易者与持有者应提高对转账信息的检查力度,Twizt 可以在没有活动 C&C 服务器的情况下运行,进而逃避安全机制。
Check Point Research (CPR) 发现这一名为 Twizt 的新变体可在没有活动命令和控制服务器的情况下运行,这意味着它感染的每台计算机都能够扩大僵尸网络的范围。CPR 估计 Twizt 已经窃取价值近 50 万美元的加密货币。Twizt 的新特性让 CPR 相信该僵尸网络可能会变得更加稳定,因此也更加危险。
Twizt 的攻击流程
Twizt 利用一种称为“加密货币裁剪”的技术,该技术通过利用可自动将目标钱包地址替换为攻击者钱包地址的恶意软件,在交易过程中窃取加密货币,致使资金落入不法之徒手中。
受害者
在 2020 年 11 月至 2021 年 11 月的一年时间内,Phorpiex Bot 劫持了 969 笔交易,窃取了 3.64 比特币、55.87 以太币及 55,000 美元的 ERC20 代币。按现价计算,被盗资产的价值为近 50 万美元。Phorpiex 曾多次得以劫持大额交易。其中一次截获的以太坊交易的最大金额为 26 以太币。
图 1:按国家/地区划分的受害者

Check Point软件技术公司软件技术公司网络安全研究与创新经理Alexander Chailytko 表示:“Phorpiex 的新变体涉及三个主要风险。首先,Twizt 使用对等模型,可接收来自其他数千台受感染机器的命令和更新。摧毁对等僵尸网络并中断其运行要困难得多。这使得Twizt 比早期版本的 Phorpiex Bot 更加稳定。其次,与旧版 Phorpiex 一样,Twizt 能够在不与 C&C 进行任何通信的情况下窃取加密货币,因此更容易逃避安全机制(例如防火墙)以进行破坏。第三,Twizt 支持来自不同区块链的 30 多种不同的加密货币,包括比特币、以太坊、达世币、门罗币等主要加密货币。这就造成了一个巨大的攻击面,基本上使用加密货币的任何用户都可能受到影响。因此,Check Point强烈建议所有加密货币用户仔细检查其复制和粘贴的钱包地址,因为交易很可能将用户的加密货币送入攻击者手中。”
安全操作确保财产安全
为避免用户财产遭到损失,Check Point建议加密货币用户在执行操作时着重关注以下几个重要事项:1.检查钱包地址:当用户复制和粘贴加密钱包地址时,请务必仔细检查原始地址与粘贴地址是否相符;2.测试交易:在发送加密货币前,首先发送一笔最低金额的试探“测试”交易;3. 保持更新。确保操作系统及时更新,切勿从未经验证的来源下载软件;4.平台检查。如果用户正在寻找加密钱包或加密交易和交换平台,请务必仔细审查搜索结果中网站,并尽量对该平台进行多方核实。
随着近几年加密货币受关注程度不断提升,很多对区块链、加密货币安全缺乏了解的用户也在陆续尝试持有或使用加密货币,这就导致不法分子将不断尝试攻击以获得不法收入。因此,Check Point安全专家建议用户应首先提高安全意识,避免任何存疑操作,从而在最大程度上保障个人财产安全。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。