Neuigkeiten

Laut Foresight News hat Hans Birringer, Vertriebsleiter USA bei Flowdesk, auf der X-Plattform die Gründung von Hyper Holdings Global bekanntgegeben. Diese Institution ist ein Zusammenschluss von Investoren, Institutionen und Unternehmern und hat das Ziel, die traditionelle Finanzwelt mit dem Hyperliquid-Ökosystem zu verbinden. Der erste Schritt ist eine strategische Partnerschaft mit Grayscale, um den Grayscale Hyperliquid Staking ETF (HYPG) auf den Markt zu bringen. Birringer erklärte, dass Grayscale seit über zehn Jahren im Bereich von Krypto-Assets tätig ist, enge Beziehungen zu US-Regulierungsbehörden und -Politikern pflegt und den ersten öffentlich gehandelten Bitcoin-Fonds aufgelegt sowie ein juristisches Präzedenzfall für die Zulassung von Spot-Krypto-ETPs geschaffen hat. Laut Birringer wird HYPG als Tor für langfristiges institutionelles Kapital in das Hyperliquid-Ökosystem dienen. Am Projekt beteiligt sind zudem Multicoin Capital, Hypurrdash, MotusAk und weitere Institutionen sowie Einzelpersonen.

ChainCatcher berichtet, dass der CEO von Strategy, Phong Le, erklärte, die globalen Märkte und verschiedene Branchen erleben derzeit Unsicherheit. Während dieser Zeit hat Strategy insgesamt 4 % des weltweiten Bitcoin-Bestandes gehalten.

Laut Foresight News hat das Entwicklungsteam von Monad, Category Labs, einen Beitrag veröffentlicht, in dem sie ihre Erfahrungen mit der Nutzung formaler Verifikation zur Aufdeckung von Schwachstellen in den Schlüsselmodulen der Monad-Blockchain teilen. Sie enthüllten mehrere Schwachstellen, die von fortschrittlichen Large Language Models wie Claude Opus 4.8 und Codex während der Codeüberprüfung nicht erkannt wurden, jedoch im Rahmen des formalen Beweisverfahrens erfolgreich aufgedeckt werden konnten. Betroffen sind unter anderem das Design des „Reserve Balance“ (reserviertes Guthaben) Mechanismus im asynchronen Ausführungssystem von Monad sowie ein Problem mit undefiniertem Verhalten in C++ im Rahmen der Speicheroptimierung durch MIP-8. Das Team ist der Ansicht, dass es im Vergleich zur direkten Anweisung an ein Modell, den Code zu prüfen, effektiver ist, zunächst präzise Korrektheitsbehauptungen zu formulieren und das Modell anschließend gezielt nach Gegenbeispielen suchen zu lassen. Diese Arbeitsweise deckt versteckte Schwachstellen besser auf. Mittlerweile kann die formale Verifikation in hohem Maße durch KI unterstützt werden.