Purrlend라는 HyperEVM과 MegaETH 체인에서 운영되는 Defi 프로토콜에서 익스플로잇이 발생한거 같네요.

- APY 40프로 정도르 설정해두면서 과도한 홍보를 통해 디파이 프로토콜에 예치자산을 늘림
- 공격자 주소도 동일하게 사용됐고, 거래 패턴 동일
- Purrlend 의 내부자 소행임이 의심되고 있는 상태.

피해규모

- HyperEVM 피해 규모: 약 $1,197,488.33 (USDC, USDT0, USDH, wstHYPE, kHYPE 등)
- MegaETH 피해 규모: 약 $324,549.49 (163,169.1587 USDT0 + 36.8639 WETH + 75,745.4505 USDm 등)

현재 프로젝트 TVL은 $443 까지 급감한 상태인듯

https://x.com/kirbyongeo/status/2047955753374552511

Polymarket의 DeFi 엔지니어링 부사장인 josh의 온체인 지연 개선·체인 마이그레이션·CLOB 재구축 등 구체적인 해결 계획을 발표한 글에서 Sui, MegaETH 등 여러 프로젝트들이 저지연·저비용·고성능을 강조하며 체인 마이그레이션 어필을 하고 있네요

https://x.com/devjoshstevens/status/2047756905209094613

메가마피아였던 Avon이 MegaETH 배포를 중단하고, MegaVault에 예치한 돈을 인출하라는 공지를 어제 올렸네요.

메가볼트는 화면에서 보실수 있듯이 USDm에 대한 수익을 제공하지 않고 포인트를 제공하는 예금이었기 때문에 조금 어려움이 있었던것 같네요.

팀은 새로운 방향성을 위해 프로덕트 방향성을 전환하는 것 같고, 이후 피봇팅한 프로젝트가 메가에 다시 온보딩 될지는 미정이라고 하네요. Avon 팀이 메가에 남지 않더라도 앞으로 더 괜찮은 프로젝트를 가지고 시장에 돌아오길 기원해봅니다.

ps. prism의 볼트는 문제가 없을것이며, 다른 수익성 창출방식을 통해 계속해서 유지될 계획이라고 합니다.

https://x.com/avon_xyz/status/2047668467336409493

공격 발생 약 8~9시간 전에 익스플로이터에게 bridge 권한을 추가. 이후 권한으로 직접 드레인을 시도.

이전에 Sonic에서 발생한 CrediX와 비슷한 패턴의 공격이라는 의혹도 있네요.

권한 부여 관련된 tx 링크는 아래에

https://hyperevmscan.io/tx/0x73ac9cf7c08f06d672371f4a295b19188e8ca625fc386bf361054c5be1537b4e#eventlog

uPEG(Unipeg)는 무엇이고 왜 올랐을까?

uPEG란?

Uniswap v4 Hook + 온체인 생성 예술
• 공식 풀에서 uPEG를 매수/매도(swap) 할 때마다, 그 거래의 tx hash(거래 해시)를 시드로 사용해 24×24 픽셀 SVG 유니콘 이미지를 100% 온체인으로 실시간 생성함

• 보유한 정수 uPEG 1개 = 1장의 독특한 유니콘 (지갑 주소로 조회 가능)

• 거래량이 늘수록 이미지들이 더 다양해지고 변화하는 느낌

• ERC-404처럼 “토큰 = NFT” 개념을 넘어, DeFi 행위 자체가 생성형 예술을 만드는 구조

=> hook + uPeg 모델이 진화한다면, 토큰의 MC기준 달성에 따른 NFT 변화 등 이벤트 트리거가 가능해질수 있음.

• https://unipeg.art/ 에서 스왑을 하는 방식으로 유니콘 생성가능

왜 올랐을까?

기술적으로는 Uniswap v4의 가능성을 극한으로 보여주는 실험이고, 시장적으로는 OpenSea CMO의 매수 소식

• Uniswap v4 Hooks가 아직 초기라 최초의 네이티브 Hook 자산
• 최근 NFT 메인넷(특히 ETH) 거래량이 서서히 살아나는 조짐
• ERC-404 때 PANDORA가 3억 달러 ATH 찍은 기억
• 커뮤니티에서 새로운 실험 응원용으로 사는 사람들 증가

간단한 ERC-404와의 차이

• ERC-404는 자산 설계 : NFT를 토큰으로 포장해 분할 가능하게 함
• v4 hook은 행동 설계 : 거래 시점에 시스템이 어떻게 반응할지 커스터마이징

Sentient의 EvoSkill V1: AI 에이전트의 자동 성능 최적화 도구

EvoSkill V1은 코딩 에이전트를 특정 작업의 전문가로 빠르게 진화시키는 오픈소스 툴킷. 사람이 직접 프롬프트를 수정하거나 기술을 튜닝할 필요 없이, 스스로 성능을 개선하는 Autoresearch 방식을 사용해서 학습을 진행함.

주요 기능 및 특징

• 자기 개선 알고리즘: 벤치마크 점수와 에이전트의 실패 기록을 분석하여, 스스로 프롬프트와 스킬을 제안하고 테스트하며 반복적으로 성능을 최적화하는 개선 방식.
• 간편한 사용법: evoskill init 후 evoskill run 명령만으로 복잡한 멀티 디렉토리 형태의 SOTA수준 스킬 세트를 생성.
• 주요 벤치마크에서 큰 폭의 성능 향상을 기록함.
• 범용성: Claude Code 외에도 OpenCode, OpenHands, Goose, Codex CLI 등 다양한 코딩 에이전트를 지원
• GEPA와의 차별점: 기존의 GEPA가 개별 스킬을 하나씩 튜닝했다면, EvoSkill은 여러 스킬을 동시에 제안하고 진화시켜 훨씬 효율적이고 고품질의 결과를 도출하는 형태.

작동 방식 (3개의 에이전트 루프)

• Executor (A): 현재 스킬로 테스크 실행.
• Proposer (P): 실패 사례 분석 → 부족한 부분을 진단하고 새 스킬 제안 (기존 스킬·과거 피드백 기록도 참고).
• Skill-Builder (S): 제안된 내용을 실제 skill folder로 구현.
• 실패 → 제안 → 구현 → 검증 → Pareto frontier에 최적 스킬만 남김의 반복 과정을 통해서 계속해서 스킬들을 발견, 진화 시키는 구조

EvoSkill V1의 추천 사용 대상

• AI 엔지니어 및 개발자: 특정 작업에 특화된 코딩 에이전트를 빠르게 만들고 싶은 사람.
• 응용 AI 팀: 고객사의 맞춤형 환경과 요구 사항에 최적화된 에이전트 솔루션이 필요한 팀.
• AI 연구자: 에이전트 평가, 자기 개선(Self-improvement), 지속 학습 분야를 연구하는 사람.

사용을 위한 준비물

• 지원되는 코딩 에이전트: Claude Code, OpenCode, OpenHands, Goose, Codex CLI 중 하나.
• 벤치마크: 에이전트가 수행할 작업 세트.
• 채점 함수(Scoring Function): 에이전트의 수행 결과를 평가하는 기준.

GitHub 링크 | 심층 분석 (원문)

#kol