ZachXBT expone red de estafas criptográficas en la plataforma X: más de 10 cuentas manipulan emociones para extraer fondos, ganancias en seis dígitos

Gate News informa que, el 23 de marzo, el detective en blockchain ZachXBT reveló que una red coordinada formada por más de una decena de cuentas opera en la plataforma X, creando pánico relacionado con guerras y política para atraer a víctimas a estafas con criptomonedas. Estas acciones ya han causado pérdidas financieras reales.

Según la investigación de ZachXBT, estos manipuladores suelen adquirir primero cuentas con muchos seguidores, como @wanglaurentceo, y luego utilizan contenido generado por IA para disfrazarse de conocidos KOL de criptomonedas (estilo similar a Mario Nawfal), publicando continuamente información exagerada o engañosa, y usando múltiples cuentas secundarias para compartir y amplificar su impacto, logrando que cada publicación alcance millones de vistas y genere una gran cantidad de interacciones.

Tras acumular tráfico, esta red inserta enlaces a falsos airdrops, promociones y esquemas de “subida y venta” para engañar a los usuarios y hacer que participen. Los datos en la cadena muestran que, el 22 de febrero de 2026, después de que este grupo promoviera rápidamente el proyecto $ORAMAMA, se retiraron, pero las direcciones relacionadas ya habían obtenido ganancias de seis cifras, evidenciando un patrón típico de recolección a corto plazo.

Además, estas cuentas cambian frecuentemente sus nombres de usuario o borran su historial para evitar ser rastreadas. Al mismo tiempo, muchas cuentas grandes participan pasivamente en la difusión mediante comentarios y citas, ampliando aún más el alcance de la estafa. (Origen: X) ZachXBT advierte que, con la mejora en la generación de contenido por IA y las técnicas de manipulación en redes sociales, las estafas en criptomonedas están en tendencia de escala masiva. Antes de participar en cualquier actividad relacionada con criptomonedas, los usuarios deben verificar cuidadosamente el historial de las cuentas, los patrones de interacción y los datos en la cadena para prevenir riesgos potenciales.