検索結果 原文
原文 コミュニティ
1つのキーワードが1つのコミュニティです。
アカウント
見つかりません
原文 を含む検索結果
CEO 原文：
Binance AI反诈骗成绩单：累计组织105亿美元损失，2290万次诈骗攻击被拦下
📍 事件背景
2026年5月，Binance发布了一份AI安全报告，披露了其在反诈骗领域的最新成果。从2025年初到2026年第一季度，Binance的AI风控系统累计阻止了约105.3亿美元的潜在用户损失，保护了超过540万名用户。
仅在2026年第一季度，平台就拦截了约2290万次诈骗与钓鱼攻击，涉及保护资金约19.8亿美元。
───
📋 拆解核心数据：
累计阻止潜在损失：105.3亿美元（2025年初至2026年Q1）
保护用户数量：540万+
单季拦截攻击次数：2290万次（2026年Q1）
单季保护资金：19.8亿美元（2026年Q1）
AI模型部署数量：100+
2025年全年：拦截66.9亿美元潜在损失，保护540万用户
2025年：处理7.1万+次执法请求，协助没收1.31亿美元涉案资金
2026年Q1：拦截2290万次攻击，保护资金19.8亿美元
2026年Q1：AI模型在法币卡风险决策中采用率达57%
当前：部署100+AI模型，覆盖deepfake、钓鱼、社工攻击等场景
币安欺诈率比行业竞争对手低约60-70%
🔑 核心逻辑分析
1. AI正在重新定义交易所的安全边界
Binance目前部署了超过100个AI模型，专门用于识别三类新型威胁：
• Deepfake伪造：AI生成的虚假身份验证视频
• 钓鱼诈骗：伪装成官方渠道的欺诈链接和页面
• AI社工攻击：利用大语言模型生成的个性化诈骗话术
币安联合CEO Richard Teng在X平台发文提到，75%的金融机构计划增加对AI在犯罪检测方面的使用——这说明AI安全已经从"可选项"变成了"必选项"。
2. 从数据看攻防升级的速度
对比币安2025年度用户保护报告的数据：
• 2025年全年：拦截66.9亿美元潜在损失
• 2026年仅Q1：拦截19.8亿美元
按这个节奏，2026年全年拦截金额可能接近80亿美元。但与此同时，攻击频次也在飙升——2290万次攻击意味着平均每天超过25万次尝试。这是一场持续的技术军备竞赛。
3. 行业对比：币安的欺诈率低于同行60-70%
根据Binance Research的数据，币安内部AI模型在法币卡风险决策中的采用率从2025年Q4的41%上升到2026年Q1的57%。结果是：币安的欺诈率比行业竞争对手低约60-70%。
💡 对加密市场的影响
1. 用户信心是牛市的底层燃料
FBI的2025年互联网犯罪报告显示，美国人因加密货币和AI相关诈骗损失了接近210亿美元。在这样的大环境下，交易所的安全能力直接影响用户的留存和新增。
2. 监管叙事的新素材
币安在2025年获得了阿布扎比ADGM的全面授权，全球用户数突破3亿。"AI反诈骗"成了很好的合规叙事——证明交易所不仅在赚钱，也在主动承担用户保护的责任。
3. AI安全可能成为新的行业标配
当币安部署100+AI模型时，其他交易所跟不跟？未来，"AI风控能力"可能成为用户选择交易所的重要参考指标。
📊 时间轴与相关数据
• 2025年全年：币安风控体系拦截66.9亿美元潜在诈骗损失，保护540万用户
• 2025年：处理7.1万+次执法请求，协助没收1.31亿美元涉案资金
• 2026年Q1：拦截2290万次攻击，保护资金19.8亿美元
• 2026年Q1：AI模型在法币卡风险决策中采用率达57%
• 当前：部署100+AI模型，覆盖deepfake、钓鱼、社工攻击等场景
#binance# #binanceai# @binance @binancezh
もっと見る
『人気いドルグループ』（原文ママ）のナントカ マンションから落っこちていた
#pppp_vol1# 参加作品
キキミミ
北村薫『語り女たち』(新潮文庫刊)より
「緑の虫」「文字」「わたしではない」
初日があけました。
あも2回、どちらもお席ございます。
3本の短編をほぼ原文ママ、その微熱をはらんだ言葉の連なりを、舞台として立ち上ます。
出演
渡辺実希/古屋敷悠(特別出演)
6月
19(金)20:00…○
21(日)15:00…△
@ paperbackstudio
(京王線 千歳烏山駅 徒歩約7分)
料金🎟️2900円
ご予約🎫
もっと見る
毎日頑張ってミルク飲んでるよ👶
執刀してくれた先生が
｢朋華さんの所の赤ちゃん、めっちゃミルク飲むの上手くてワロタ｣(原文ママ)
って言われてクソ笑いました。
お腹痛いのでやめてください。
もっと見る
証券監督者国際機構（#IOSCO）は、令和８年（2026年）10月５日から10月11日に、世界投資者週間（WIW）2026を実施します。#
▼詳細は、以下に掲載のIOSCOによるメディアリリースの原文をご覧ください。
もっと見る
悲願とは2年間だけの悲願なのか？
高市早苗の消費税政策は本当に「悲願」だったのか
高市早苗氏は2026年1月、食料品の消費税ゼロについて「私自身の悲願でもありました」と語った。しかし、過去の本人の発言を確認すると、現在の姿とは異なる消費税観が見えてくる。
2011年12月、高市氏は「税率アップにはご批判もありましょうが、社会保障制度の継続性と負担の公平性を考えると、間接税を財源として重視する方が良いと判断しています」と記していた。
さらに2016年11月には、「その税率の引き上げは必要なものだと認識をしています」と明言し、10％への引き上げについても「引き上げが確実に実施できる環境を整えてまいりたい」と述べている。
つまり、高市氏は少なくとも2011年から2016年にかけて、消費税を社会保障を支える重要な財源として評価し、10％への引き上げも必要だと認識していたのである。
その後、2022年にはNHK「日曜討論」で、消費税の使途について「年金、医療、介護、子育ての社会保障に限定されて使われます」と説明し、「消費税は残しておくべき」と主張した。
ところが2025年5月には食料品の消費税0％を主張し、2026年1月にはそれを「私自身の悲願」と表現した。
問題は、減税を主張すること自体ではない。政策を変更することは政治家として当然あり得る。問題なのは、過去には消費税率の引き上げを「必要」としていた政策を、現在になって「私自身の悲願」と表現していることである。
少なくとも確認できる本人の原文を見る限り、「食料品の消費税ゼロが長年の悲願だった」という経歴を裏付ける発言よりも、過去に消費税の引き上げを必要としていた発言の方が明確に残っている。
だからこそ、「悲願」という言葉がいつ、どのような経緯で登場したのかは、さらに検証する必要がある。
もっと見る
モデル自身に長い文章の中から使えそうな部分を選ばせてから、その部分だけで一時的に学習させる手法をMeta AIとバージニア大学が発表した(https://arxiv[.]org/html/2607.09415v1)。
近年のLLM(大規模言語モデル)は数十万トークンの長文を一度に読めるようになったが、扱える入力の長さ(コンテキストウィンドウ)を広げるだけでは長文を有効に使えるとは限らない。入力が長くなるほど正解率が下がる現象が知られていて、質問に関連する証拠を見つけて使う能力がボトルネックになっている。
有望な解決策がテスト時学習(TTT、Test-Time Trainingの略)だ。答える前にテスト入力そのものを訓練データとしてモデルの重みを一時的に更新する手法で、長文脈タスクとの相性が良いとされてきた。ただし長文脈全体を学習に使うのは計算コストが高く、ランダムに抜き出した断片を使うと無関係な情報がノイズになる。
著者らはLLMの長文読解力を測るベンチマーク「LongBench-v2」で診断実験を行い、興味深い結果を得た。ランダムな断片で学習させるとベースモデルの正解率40.4%が38.9%まで下がる一方、正解を教えられたうえで判断するGPT-5.5が選んだ「本当に必要な部分」だけで学習させると45.9%まで伸びた。TTTの効果は学習させる部分の質に強く依存している。
これを受けて提案されたのがSelf-Guided TTT(S-TTT)だ。2段階構成で、まずモデル自身に長文脈の中から質問に関連しそうな部分を原文のまま抜き出させ(Stage 1)、その部分だけを使って次単語予測(次にくる単語を当てさせる、通常のAI学習と同じ方式)で一時的に学習させる(Stage 2)。最終的な回答生成は元の文脈全体を見て行う。
Qwen3-4B-Thinking-2507とLlama-3.1-8B-Instructの両方で検証したところ、ベースモデルは一貫して上回り、ランダムに断片を選ぶ手法や文脈全体を使う手法など既存のTTT手法に対しても総じて上回るか同等の成績を残した。最大では15%の相対的な改善を達成している(Qwen3-4B-Thinking-2507、LongBench-v2の64k〜128kトークン帯域で正解率30.7%→35.3%)。
パープレキシティ(次単語の予測しにくさ)やエントロピー(予測の不確実性)が高い部分を選ぶより、モデル自身が「質問に関連しているか」で選ぶ方が明確に優れていた点も興味深い。難しい部分を学ばせればいいわけではなく、質問との関連性を見極める判断力そのものが効いているらしい。
もっと見る
