Neuigkeiten

Foresight News berichtete unter Berufung auf die Überwachung durch Onchain Lens, dass ein Whale 9.781 ETH zu einem Durchschnittspreis von 1.663 US-Dollar verkauft hat und dafür 15,9 Millionen USDC sowie 5.114 AAVE erhalten hat. Gleichzeitig wurde ein Unstaking-Antrag für 1.909 stETH (im Wert von etwa 1,67 Millionen US-Dollar) eingereicht.

Diese Fusion zielt darauf ab, die Ressourcen und Kompetenzen beider Seiten zu bündeln und die Wettbewerbsfähigkeit sowie den Einfluss in der US-amerikanischen Solarindustrie zu stärken.

Odaily berichtete, dass Hon Ng, Chief Legal Officer von Bitget, heute einen offenen Brief veröffentlichte und den offiziellen Start der globalen Anti-Betrugs-Monat-Kampagne 2026 von Bitget mit dem Thema "Mehr Vermögenswerte, stärkerer Schutz" bekannt gab. In dem Schreiben wies Hon Ng darauf hin, dass die Ausweitung der Plattform vom Krypto-Asset-Bereich hin zu einem Multi-Asset-Ökosystem es den Nutzern ermögliche, einen breiteren Marktzugang zu genießen, während gleichzeitig die Cybersicherheitsbedrohungen immer komplexer würden. Er betonte: Das Multi-Asset-Zeitalter bringt eine größere Verantwortung mit sich. Der Schutz der Nutzer ist keine einmalige Aufgabe, sondern das gemeinsame Ergebnis kontinuierlicher Risikoüberwachung, schneller Reaktion, Sicherheitsaufklärung und Zusammenarbeit innerhalb der Branche. Der offene Brief enthielt auch die Sicherheitsergebnisse und Anti-Betrugs-Erfolge von Bitget für das Jahr 2025. Die Daten zeigen, dass Bitget im gesamten Jahr mehr als 150 Millionen böswillige Angriffsanfragen blockierte, über 13.000 hochriskante schädliche IPs identifizierte, 18.135 Fälle zum Schutz der Nutzer bearbeitete und den Nutzern bei der Rückgewinnung von rund 32,3 Millionen US-Dollar im Zusammenhang mit Sicherheitsvorfällen und Betrugsaktivitäten half. Darüber hinaus ermöglichte das Sicherheitssystem von Bitget durch maßgeschneiderte Schutzregeln mehr als 2,8 Milliarden Risikoabfangvorgänge, wehrte über 1,5 Milliarden DDoS-Angriffsversuche ab und führte verhaltensbasierte Analysefunktionen auf Grundlage von maschinellem Lernen ein, um verdächtige Aktivitäten und potenzielle Risiken noch besser zu erkennen.