Bitcoin, diluncurkan hampir 14 tahun yang lalu, merevolusi transaksi keuangan dengan menghilangkan perantara. Kemunculan Ethereum dan kontrak pintar telah lebih mempercepat tren ini, menghilangkan perantara dari produk keuangan kompleks seperti perdagangan, pinjaman, dan opsi. Namun, biaya penghapusan perantara seringkali berarti pengorbanan privasi. Identitas dan transaksi on-chain kita dengan mudah dilacak oleh bursa terpusat, jalur masuk/keluar, perusahaan analitik on-chain, dan banyak entitas lainnya. Transparansi on-chain ini membatasi ekspansi Web 3 ke banyak kasus penggunaan seperti pembayaran perusahaan, perdagangan on-chain propietari, dan banyak aplikasi lainnya.

Masalah ini bukan hal baru dan banyak proyek, misalnya, zCash, telah mencoba untuk memecahkannya sejak 2016 dengan memperkenalkan teknologi seperti Bukti Pengetahuan Nol (ZKPs). Sejak itu teknologi ZK telah berkembang dengan kecepatan yang luar biasa. Selain itu, banyak teknologi lain seperti Enkripsi Homomorfik Penuh (FHE) dan Komputasi Multi-pihak yang Aman (MPC) muncul untuk mengatasi skenario penggunaan data pribadi yang lebih canggih di rantai, alias, Status Pribadi.

Di Alliance, kami percaya bahwa privasi on-chain akan memungkinkan kasus penggunaan yang sebelumnya tidak mungkin dan oleh karena itu akan menjadi tema inti dalam Web 3 dalam beberapa tahun mendatang. Jika Anda adalah pendiri yang membangun infrastruktur privasi atau aplikasi yang memerlukan status privat, kami ingin mendukung Anda. Anda dapat mencapai keluardan berlaku untukAliansi.

Jenis-jenis Status Pribadi yang Berbeda

Menggunakan data pribadi on-chain secara alami berarti data ini terenkripsi. Privasi data tersebut bergantung pada kepemilikan kunci enkripsi/dekripsi. Kunci ini, yaitu kunci privasi seringkali berbeda dari Private Key biasa, yaitu kunci untuk menandatangani transaksi. Yang pertama hanya mengontrol privasi data, yang terakhir mengontrol perubahan data ini.

Sifat kepemilikan Kunci Privasi mengarah ke berbagai jenis keadaan pribadi. Jenis keadaan pribadi secara signifikan memengaruhi bagaimana keadaan ini dapat direpresentasikan di rantai dan pendekatan terbaik untuk menangani keadaan ini. Secara umum, keadaan pribadi dapat dibagi menjadi Keadaan Pribadi Personal (PPS) dan Keadaan Pribadi Bersama (SPS)

Negara pribadi pribadi

Ini berarti bahwa data/keadaan dimiliki oleh satu entitas saja dan hanya entitas ini yang dapat melihat atau mengubahnya. Entitas ini juga dapat memutuskan untuk memperbolehkan orang lain untuk melihat data tersebut, misalnya, dengan membagikan kunci melihat ke semua atau sebagian dari data ini. Contoh dari keadaan pribadi ini termasuk:

• Saldo token pribadi
• Kredensial pribadi atau informasi pribadi. ini mencakup usia, kewarganegaraan, status akreditasi investor, akun Twitter, atau data Web 2 lainnya yang dapat dimanfaatkan dalam Web 3
• Riwayat transaksi pribadi

Status Privat Bersama

Sebuah keadaan pribadi bersama (KPB) adalah data pribadi yang dapat diubah/digunakan oleh banyak orang untuk komputasi tanpa melanggar privasi. Sebuah KPB dapat menjadi keadaan yang dapat diakses oleh siapa pun dan oleh karena itu dapat diubah oleh setiap pengguna. Ini bisa menjadi keadaan dari dark pool AMM, keadaan dari kolam pinjaman pribadi, dll. Sebuah KPB juga dapat dibatasi hanya untuk sekelompok kecil peserta yang dapat mengakses atau mengubah data. Contoh dari yang terakhir termasuk keadaan dari pemain multi-on-chain di mana Anda hanya membiarkan pemain aktif mengubah keadaan. Ini juga bisa mencakup input pribadi ke model AI on-chain, di mana hanya beberapa entitas, misalnya operator model, dapat melakukan komputasi atas data pribadi.

SPS lebih sulit untuk dikelola dibandingkan dengan status pribadi pribadi. Selalu lebih sulit untuk memikirkan jenis komputasi yang dapat dilakukan pada SPS dan apakah komputasi tersebut dapat bocor informasi tentangnya. Misalnya, menjalankan perdagangan melawan dark-pool AMM dapat bocor beberapa informasi tentang likuiditas di dalam kolam.

ZKP, FHE, dan MPC

Terdapat berbagai pendekatan yang mungkin untuk menangani status pribadi on-chain. Setiap pendekatan cocok untuk jenis status pribadi tertentu dan oleh karena itu kumpulan aplikasi tertentu. Dalam banyak kasus, membuat aplikasi yang berguna memerlukan penggabungan pendekatan-pendekatan ini bersama-sama.

Bukti Pengetahuan Nol

Pendekatan pertama yang muncul untuk menangani privasi on-chain adalah dengan memanfaatkan ZKPs. Pendekatan ini sangat cocok untuk data pribadi. Dalam pendekatan ini, pemilik data dapat dengan mudah mendekripsi data secara lokal menggunakan kunci privasi mereka, melakukan perubahan yang diperlukan, mengenkripsi hasilnya menggunakan kuncinya, dan akhirnya menghasilkan ZKP untuk membuktikan kepada jaringan bahwa perubahan mereka terhadap status privasi valid.

Ini membuat ZK sangat cocok untuk jaringan pembayaran, misalnya, zCash, Iron Fish, dan banyak lainnya. Dalam arsitektur ini, ketika pengguna melakukan transaksi menggunakan aset pribadi, mereka melakukan semua komputasi secara lokal, yaitu, menghabiskan UTXO dan membuat yang baru untuk penerima, dan memodifikasi saldo token pribadi mereka. Karena komputasi dan pembangkitan ZKP terjadi secara lokal pada perangkat pengguna, privasi saldo dan riwayat transaksi terlindungi. Penambang jaringan hanya melihat ZKP yang dihasilkan dan UTXO terenkripsi yang baru.

Meskipun sederhananya komputasi yang diperlukan untuk melakukan pembayaran, UX dari pembayaran pribadi sulit karena waktu pembangkitan ZKP yang lama. Namun, dengan peningkatan signifikan dalam sistem pembuktian zk, waktu pembangkitan bukti untuk pembayaran sederhana turun di bawah 1 detik pada perangkat keras konsumen. Hal ini juga memungkinkan pengenalan pemrograman umum ke dalam sistem berbasis zk.AztecdanAleoada dua jaringan hebat yang membawa pemrograman umum ke rantai berbasis zk. Aztec dan Aleo memiliki beberapa perbedaan tetapi keduanya secara besar-besaran didasarkan pada model ZEXEDalam model ini, setiap aplikasi harus diimplementasikan sebagai sirkuit zk. Hal ini menciptakan kebutuhan akan jaringan untuk mengabstraksi kompleksitas zk bagi pengembang aplikasi, dan pengguna. Hal ini memerlukan penciptaan bahasa pemrograman tingkat tinggi, misalnya, Noir (Aztec) dan Leo (Aleo), yang dapat mengonversi kode tingkat tinggi dengan efisien menjadi sirkuit zk.

Sebagai contoh, Aztec menggunakan Noir dan kerangka pengembangan kontrak pintar yang terkait dengannya, Aztec.nr, untuk memecah setiap kontrak pintar menjadi serangkaian fungsi. Setiap fungsi diimplementasikan sebagai sirkuit zk. Pengguna dapat melakukan komputasi umum pada data pribadi mereka dengan mengunduh fungsi-fungsi yang diperlukan dan melakukan komputasi secara lokal pada perangkat mereka. Rincian tentang bagaimana eksekusi kontrak pintar Aztec dibahas dalam ini benang.

Implementasi seperti Aztec telah signifikan meningkatkan kegunaan sistem zk dengan memperkenalkan pemrograman umum. Namun, sistem-sistem tersebut masih memiliki beberapa tantangan:

1. Semua komputasi atas status pribadi harus terjadi di sisi klien. Hal ini menurunkan UX dan memerlukan pengguna memiliki perangkat yang mampu untuk menggunakan jaringan.
2. Pendekatan zk tidak cocok untuk menangani status pribadi bersama. Secara default, semua aplikasi memiliki status publik. Hal ini membuat sulit untuk membangun aplikasi seperti permainan yang informasinya tidak lengkap dan DeFi pribadi.
3. Komposabilitas yang lebih sulit, tidak mungkin untuk melakukan transaksi yang memerlukan perubahan beberapa status pribadi karena setiap status harus dihitung oleh pengguna terpisah. Transaksi seperti itu perlu dibagi menjadi bagian-bagian dan setiap bagian harus dieksekusi dalam blok terpisah.
4. Terdapat juga tantangan pada penemuan data pribadi. Jika seorang pengguna menerima transaksi dengan status pribadi, mereka tidak dapat menemukan status ini kecuali mereka mengunduh seluruh status pribadi jaringan, mencoba mendekripsi setiap bagian menggunakan kunci privasi mereka. Hal ini menciptakan pengalaman pengguna yang menantang bahkan untuk melakukan tugas-tugas sederhana seperti menanyakan saldo mereka seperti yang dijelaskan oleh ini benang.

Aplikasi yang Cocok untuk sistem berbasis zk

Jaminan privasi yang kuat dari zk membuatnya cocok untuk sejumlah kasus penggunaan yang signifikan

Media Sosial Anonim

Beberapa tokoh terkenal tidak dapat membagikan pemikiran dan pengalaman sejati mereka karena takut akan penolakan sosial dan pembatalan. Hal ini mendorong munculnya jenis media sosial baru di mana peserta dapat secara pribadi membuktikan beberapa karakteristik tentang diri mereka, misalnya, kekayaan on-chain atau kepemilikan NFT tertentu, dan menggunakan bukti ini untuk memposting secara anonim tanpa mengungkapkan identitas asli mereka. Contoh-contohnya termasuk Lagu Pausprototipe oleh kolega sayaDavid,

Kredensial pribadi on-chain

Sebuah contoh terkait adalah memungkinkan orang yang memiliki kredensial tertentu untuk berpartisipasi secara anonim dalam sebuah DAO atau memberikan suara secara anonim untuk topik yang membutuhkan keahlian khusus. Sebuah contoh Web 3 dari hal tersebut adalah HeyAnoun. Sebuah domain aplikasi yang lebih besar adalah memanfaatkan kredensial IRL, misalnya, kekayaan IRL, gelar akademis, untuk berpartisipasi secara anonim dalam protokol on-chain. Memasukkan kredensial IRL pribadi on-chain dapat memungkinkan beberapa kasus penggunaan seperti pinjaman DeFi tanpa agunan, KYC on-chain, atau pembatasan geografis. ZK cocok untuk kasus penggunaan ini karena memungkinkan adanya kunci pandangan khusus untuk bagian dari keadaan pribadi yang dapat digunakan dalam keadaan tertentu, misalnya, default pinjaman.

Tantangan utama dalam memasukkan kredensial IRL ke dalam rantai adalah bagaimana menjamin keaslian kredensial/data IRL. Beberapa pendekatan seperti zkEmaildanTLSNotaryalamat masalah ini melalui otentikasi lalu lintas web ke domain web tertentu dan bahwa domain tersebut berisi data yang diperlukan.

Pembuatan faktur/pembayaran perusahaan

Sebuah subset penting dari pembayaran pribadi adalah pembayaran perusahaan. Perusahaan seringkali tidak ingin mengungkapkan mitra bisnis/suplier mereka atau syarat kontraktual dari perjanjian mereka. Transparansi pembayaran on-chain telah membatasi adopsi perusahaan terhadap pembayaran stablecoin. Dengan privasi on-chain yang tepat, adopsi perusahaan terhadap pembayaran on-chaindapat dipercepat berdasarkan peningkatan efisiensi dan hemat biaya dibandingkan rel perbankan yang sudah ada.

pendekatan FHE

Enkripsi Homomorfik Penuh memungkinkan melakukan komputasi atas data terenkripsi dan menghasilkan hasil terenkripsi yang benar tanpa mendekripsi data selama komputasi. Hal ini membuat FHE sangat cocok untuk menangani status pribadi bersama. Dengan FHE, memungkinkan untuk membuat aplikasi on-chain yang memiliki status pribadi, seperti kolam AMM pribadi atau kotak suara pribadi. Status pribadi ada di-chain dalam format terenkripsi yang memungkinkan pengguna melakukan komputasi atas data ini. Menggabungkan FHE on-chain dapat memungkinkan dan menyederhanakan banyak kasus penggunaan yang sebelumnya tidak mungkin, seperti pemungutan suara pribadi dan permainan informasi-tidak lengkap, misalnya, Poker.

keuntungan FHE

Keuntungan signifikan dari FHE adalah meningkatkan komposabilitas dalam banyak aspek.

1. Beberapa transaksi/pengguna dapat mengubah keadaan pribadi yang sama dalam satu blok yang sama. Misalnya, beberapa swap dapat menggunakan dark pool yang sama.
2. Satu transaksi tunggal dapat mengubah beberapa keadaan pribadi. Misalnya, transaksi swap dapat menggunakan beberapa dark AMM pool untuk menyelesaikan swap.

Keuntungan lainnya adalah pengalaman pengguna yang lebih baik. Dalam FHE, komputasi atas status pribadi dilakukan oleh validator jaringan yang dapat menggunakan perangkat keras khusus untuk melakukan komputasi ini dengan lebih cepat.

Keuntungan ketiga dari FHE adalah pengalaman pengembang yang ditingkatkan. Meskipun pengembang masih harus memperbarui model mental mereka untuk menangani status pribadi dengan benar, hambatannya jauh lebih rendah daripada sistem zk. Pertama, sistem FHE dapat beroperasi dengan model akun yang sama yang digunakan oleh rantai kontrak pintar. Kedua, operasi FHE dapat ditambahkan di atas implementasi VM yang ada, memungkinkan pengguna untuk menggunakan kerangka kerja pengembangan yang sama, alat, dompet, dan infrastruktur yang biasa mereka gunakan. Hal ini berlaku untuk fhEVMimplementasi dariZamayang hanya menambahkan variabel terenkripsi dan operasi FHE sebagai prekompilasi. Dengan kontra-intuitif, keuntungan ini krusial untuk pertumbuhan aplikasi pribadi on-chain, pengembang adalah kunci untuk membuat aplikasi menarik yang menarik pengguna. Pengalaman pengembang yang mulus dapat menarik lebih banyak pengembang ke ruang FHE.

Keterbatasan FHE

Asumsi Kepercayaan Privasi

rantai FHE memerlukan kunci enkripsi/dekripsi global untuk semua status pribadi. Ini kritis untuk mencapai komposabilitas. Biasanya kunci-kunci ini dijaga oleh kelompok validator agar dapat mendekripsi hasil operasi FHE atas status pribadi. Ini berarti bahwa kelompok validator juga dipercayaitidak untuk melanggar privasi negara-negara pribadi yang ada.

Potensial Kebocoran Privasi
Melakukan beberapa perhitungan atas data terenkripsi dapat melanggar privasi. Misalnya, perdagangan yang dieksekusi di dark AMM pool dapat mengungkap beberapa informasi tentang struktur likuiditas saat ini dari pool tersebut.

Kompleksitas komputasi dari FHE menghitung

Bahkan dengan implementasi lanjutan, operasi FHE sering kali 1000x hingga 1.000.000x lebih mahal secara komputasional daripada komputasi reguler. Kompleksitas ini membatasi throughput yang mungkin dari aplikasi FHE on-chain. Perkiraan saat ini dari Jaringan Inco menunjukkan throughput antara 1–5 TPS untuk operasi FHE. Dengan akselerasi GPU dan FPGA, throughput ini dapat dipercepat hingga 10–50x.

Sumber: https://eprint.iacr.org/2021/1402.pdf

Aplikasi yang Sesuai untuk Sistem FHE

Sistem FHE sangat cocok untuk aplikasi yang membutuhkan tingkat komposabilitas yang tinggi

Permainan-informasi yang tidak lengkap. Contoh di sini termasuk permainan kartu, misalnya, poker, di mana status dek kartu dapat diakses dan dapat diubah oleh beberapa pemain.

Voting pribadi, FHE menyederhanakan implementasi jajak pendapat rahasia ketika suara dapat mengubah total suara tanpa mengetahui hasil pemungutan suara sebelumnya

Private AMM, implementasi private AMM atau kolam DeFi pribadi secara umum disederhanakan dengan merepresentasikan status kolam sebagai variabel terenkripsi .

Pendekatan MPC

Perhitungan Multi-pihak (MPC) telah dikenal dan populer dalam industri kripto untuk kasus penggunaan khusus penyimpanan aset. Beberapa perusahaan terbesar di ruang ini, misalnya, Fireblockstelah membangun bisnis sukses di sekitar penggunaan MPC yang aman untuk pengawasan koin. Selain itu, banyak penyedia dompet sebagai layanan, misalnya, Coinbase, 0xLulus, memanfaatkan MPC untuk meningkatkan keamanan dompet dan pengalaman pengguna.

Namun, MPC dapat digunakan untuk lebih dari sekadar mengamankan kunci pribadi. Secara umum, MPC memecahkan masalah melakukan komputasi atas input pribadi, yaitu data, dan hanya mengungkapkan output dari komputasi tanpa melanggar privasi input. Dalam konteks khusus penitipan aset, input pribadi adalah pecahan dari kunci pribadi. Pemilik pecahan ini bekerja sama untuk melakukan 'komputasi' atas input pribadi ini. Komputasi di sini adalah menghasilkan tanda tangan transaksi. Para pihak di sini secara kolektif menghasilkan dan mendekripsi tanda tangan tanpa ada yang mendapatkan akses ke input pribadi, yaitu kunci pribadi.

Sama halnya, MPC memungkinkan jenis komputasi apa pun pada data pribadi tanpa mengungkapkannya. Hal ini memungkinkan MPC untuk mengelola status pribadi dalam konteks blockchain. Salah satu contohnya adalah pelatihan AI terdesentralisasi pada set data pribadi. Pemilik data dan penyedia komputasi yang berbeda dapat bekerjasama untuk melakukan pelatihan AI berbasis MPC pada set data pribadi untuk menghitung bobot model. Output dari komputasi, yaitu bobot, didekripsi oleh kelompok MPC setelah fase pelatihan untuk membuat model AI yang lengkap.

Banyak implementasi MPC mencapai jaminan privasi yang kuat untuk privasi data, yaitu minoritas jujur, yang berarti bahwa memiliki jaminan privasi yang mirip dengan sistem zk. MPC juga dapat terlihat mirip dengan FHE karena memungkinkan melakukan komputasi atas SPS yang berarti dapat memungkinkan komposabilitas. Namun dibandingkan dengan FHE, MPC memiliki beberapa keterbatasan

1. Komputasi hanya dapat dilakukan oleh entitas yang menjadi bagian dari grup MPC. Tidak ada orang di luar grup ini yang dapat melakukan komputasi atas data
2. Untuk mencapai jaminan minoritas yang jujur, semua pihak MPC perlu bekerja sama untuk melakukan MPC tersebut. Ini berarti bahwa komputasi dapat disensor oleh anggota grup MPC mana pun. Batasan ini dapat dikurangi dengan mengurangi ambang MPC, yaitu jumlah entitas yang diperlukan untuk melakukan komputasi. Namun, harganya di sini adalah bahwa privasi data dapat dilanggar oleh koordinasi antara sejumlah peserta yang lebih sedikit.

Aplikasi yang Sesuai untuk Sistem MPC

Dark Pool CLOBs

Salah satu aplikasi nyata pertama dari MPC dalam DeFi adalah implementasi Dark Pool CLOBs. Dalam sistem ini, para trader dapat menempatkan limit order atau market order tanpa pengetahuan sebelumnya tentang keadaan order book. Pencocokan order terjadi melalui MPC atas data pribadi, yaitu order book yang ada.Renegade Financeadalah salah satu perusahaan yang membangun sistem tersebut.

Inferensi Terdesentralisasi dari model AI propietari

Beberapa aplikasi, misalnya, manajer strategi berbasis Kecerdasan Buatan DeFi atau Pemberian skor kredit Web 3, dapat mendeploy MPC untuk melakukan inferensi menggunakan model-model milik sendiri. Dalam arsitektur ini, bobot model AI bersifat pribadi. Bobot tersebut dapat dibagikan secara aman di antara sejumlah node komputasi sehingga masing-masing hanya memiliki subset bobot model. Node-node tersebut dapat bekerja sama untuk melakukan inferensi AI pada peristiwa-peristiwa terbaru di rantai blok untuk membuat keputusan dan mengirimkan transaksi yang menjalankan strategi DeFi.

Pelatihan model AI terbuka menggunakan data propietari

Contoh umum di sini adalah melatih model diagnosis medis menggunakan catatan kesehatan pribadi. Dalam hal ini, pencipta model, perusahaan, dan pemilik data, yaitu pasien, dapat bekerja sama menggunakan MPC untuk menjalankan proses pelatihan atas data pribadi tanpa melanggar privasi data pribadi. Jaringan seperti BittensordanNilliondapat mengaktifkan kasus penggunaan seperti itu.

Negara Bagian Pribadi Bersama Pseudo-permissionless

Dengan desain yang cermat, MPC dapat digunakan untuk menangani SPS pseudo-permissionless. Misalnya, keadaan kumpulan AMM gelap dan komputasi atas keadaan ini dapat dibangun sebagai MPC antara sejumlah entitas. Pengguna yang ingin berinteraksi dengan AMM harus berbagi transaksi mereka dengan grup MPC untuk melakukan perhitungan atas nama mereka. Keuntungan dari pendekatan ini adalah bahwa setiap SPS dapat memiliki seperangkat kunci privasi yang berbeda (dibandingkan dengan kunci global dalam kasus FHE). Risiko dari pendekatan ini adalah kemungkinan penyensoran oleh kelompok MPC. Namun, dengan desain ekonomi yang cermat, risiko ini dapat dikurangi.

Persaingan atau Sinergi

Pendekatan yang dibahas dalam penanganan status pribadi on-chain terlihat kompetitif pada pandangan pertama. Namun, jika kita mengesampingkan insentif keuangan dari tim-tim berbeda yang membangun jaringan ini, zk, FHE, dan MPC sebenarnya merupakan teknologi yang saling melengkapi.

Di satu sisi, sistem zk menawarkan jaminan privasi yang lebih kuat karena data “tanpa enkripsi” tidak pernah meninggalkan perangkat pengguna. Selain itu, tidak mungkin bagi siapa pun untuk menjalankan komputasi atas data ini tanpa izin pemiliknya. Harganya untuk jaminan privasi yang kuat ini adalah komposabilitas yang lebih lemah.

Di sisi lain, FHE memfasilitasi komposabilitas yang lebih kuat namun privasi yang lebih lemah. Risiko privasi berasal dari kepercayaan pada entitas atau sejumlah kecil entitas dengan kunci dekripsi FHE global. Meskipun ada risiko tersebut dan karena komposabilitas adalah salah satu elemen inti dalam kripto, FHE dapat memungkinkan privasi dalam banyak kasus penggunaan penting seperti DeFi.

Implementasi MPC menawarkan titik tengah unik antara pendekatan zk dan FHE. MPC memungkinkan komputasi atas data pribadi bersama. Oleh karena itu, ini menawarkan lebih banyak komposabilitas daripada ZKPs. Namun, komputasi atas status pribadi ini terbatas pada sejumlah partisipan kecil dan tidak bersifat permissionless (berbeda dengan FHE).

Mengingat bagaimana ZKPs, MPC, dan FHE berbeda dalam kecepatan aplikasi mereka, aplikasi praktis seringkali memerlukan penggabungan teknologi-teknologi ini. Misalnya, Renegade Finance menggabungkan MPC dan ZKPs untuk memungkinkan pembangunan Dark Pool CLOB yang juga menjamin bahwa peserta memiliki modal yang cukup untuk menutupi pesanan tersembunyi mereka. Demikian pula, permainan Poker on-chain, zkHoldem menggabungkan ZKPs dan FHE.

Kami berharap jaringan yang berfokus pada privasi untuk menggabungkan teknologi-teknologi ini di balik layar untuk menawarkan kepada pengembang di ekosistem-ekosistem ini semua alat yang mereka butuhkan untuk membangun aplikasi secara mulus. Misalnya, Aztec dapat menggabungkan beberapa bentuk MPC dalam jaringan untuk menangani status privat bersama. Demikian pula, Jaringan Incodapat menggunakan ZKPs untuk memungkinkan alamat dan riwayat transaksi pribadi.

Dengan visi masa depan yang berorientasi pada privasi, Alliance berharap dapat mendukung para pendiri yang membangun masa depan ini. Jika Anda sedang membangun di domain ini, mencapai keluardan berlaku untukAliansi.

Penafian:

1. Artikel ini dicetak ulang dari [Aliansi], Semua hak cipta adalah milik penulis asli [Mohamed Fouda]. Jika ada keberatan terhadap pencetakan ulang ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan segera.
2. Penolakan Tanggung Jawab: Pandangan dan opini yang terdapat dalam artikel ini semata-mata milik penulis dan tidak merupakan saran investasi apa pun.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.