Nillion: 안전한 컴퓨팅의 새로운 시대를 열며, AI가 프라이버시를 보호받는 동시에 전체 잠재력을 발휘할 수 있도록 한다
번역: TechFlow
보안 컴퓨팅의 중요성 증가
디지털화가 가속화되는 오늘날 세상에서 데이터 유출과 개인정보 남용의 위험은 크게 증가하고 있다. 이러한 위협은 기업에 피해를 주는 것뿐만 아니라 개인에게도 큰 리스크를 안긴다. 예를 들어, 케임브리지 애널리티카 사건에서는 페이스북이 정치 컨설팅 회사가 사용자의 동의 없이 수백만 명의 개인 정보를 확보할 수 있도록 허용했고, 이는 중대한 정치적 사건에 영향을 미쳤다. 이 사건은 중앙집중식 데이터 통제의 위험성을 드러냈으며, 현재 디지털 환경에서 개인 정보가 얼마나 취약한지를 보여준다.
데이터 남용 문제 외에도 대규모 데이터 유출 사고들은 기존 데이터 보호 방식의 한계를 더욱 부각시킨다. 아래는 최근 몇 년간 발생한 주요 유출 사례들이다:
-
Ledger (2020): 27만 고객의 개인정보 유출
-
LinkedIn (2021): 7억 명의 사용자 데이터 유출
-
LastPass (2022): 암호 관리 프로그램 해킹
-
Microsoft (2023): 6.5만 개 기업의 데이터 유출
점점 늘어나는 데이터 유출과 남용 사례들은 보안 강화의 시급함을 강조한다. 인공지능(AI)이 일상생활에 점차 통합됨에 따라 중요한 질문 하나가 제기된다. 우리는 어떻게 AI가 우리 가장 민감한 정보를 보호할 수 있다고 신뢰할 수 있을까?
보안 컴퓨팅 기술은 개인정보를 보호하면서도 고도로 개인화되고 안전한 서비스를 제공할 수 있게 하여 AI를 혁신할 잠재력을 지닌다.
보안 컴퓨팅으로 AI의 가능성을 해방하다
ChatGPT와 같은 첨단 AI 도구조차도 사용자에게 민감하거나 개인적인 정보를 공유하지 말 것을 경고하며, 이는 데이터 처리 과정에서의 리스크를 부각시킨다. 최근 ChatGPT 및 마이크로소프트의 Copilot을 상대로 제기된 소송은 이러한 경고를 더욱 부각시켰다. 해당 소송은 고객 데이터를 동의 없이 AI 모델 학습에 사용했다는 주장이다. 이러한 사건들은 데이터 프라이버시와 신뢰에 대한 심각한 우려를 불러일으켰다:
불행히도 데이터 프라이버시와 보안 문제는 AI의 거대한 가능성을 저해하고 있다. 그러나 상상을 해보자. 머신러닝 AI가 첨단 암호화 기술을 통해 민감한 데이터를 안전하게 처리할 수 있는 미래를 말이다. 그렇게 되면 정보가 유출되거나 노출되지 않도록 보장할 수 있으며, 각 산업 분야에 혁명적인 변화를 가져오고 사람들의 삶을 향상시킬 것이다.
바로 여기서 보안 컴퓨팅이 그 역할을 한다. 보안 컴퓨팅은 AI의 전능력을 발휘할 수 있게 하는 열쇠이며, 데이터 프라이버시와 보안을 해치지 않으면서도 맞춤형이고 개인화된 서비스를 제공할 수 있도록 해준다.
보안 컴퓨팅이란 무엇인가?
Nillion이 어떻게 이러한 혁신을 추진하는지 이해하려면 먼저 보안 컴퓨팅 개념과 작동 원리를 알아야 한다. 보안 컴퓨팅은 AI가 암호화된 데이터 위에서 머신러닝 작업을 수행할 수 있게 해주며, 즉 민감한 정보라도 노출되지 않은 채로 처리될 수 있다는 의미다. 예를 들어 ChatGPT와 같은 도구는 일반 텍스트를 처리하는 것처럼 암호화된 데이터를 처리할 수 있다. 전체 계산 과정은 보안 환경 내에서 이루어지며, 출력 결과는 키 소유자가 복호화하기 전까지 암호화 상태를 유지한다—이는 당신의 데이터가 전체 과정 동안 항상 비공개 상태로 유지된다는 것을 보장한다.
보안 컴퓨팅을 통해 AI는 데이터 프라이버시와 보안을 희생하지 않으면서도 강력하고 개인화된 서비스를 제공할 수 있으므로, 머신러닝의 미래 발전을 위한 핵심 기술이 된다.
보안 컴퓨팅은 어떻게 작동하는가?
친구들이 각자 특별한 조리법의 비밀 성분을 가지고 있지만, 서로에게 그 성분을 밝히고 싶지 않다고 생각해보자. 모두는 자신의 성분을 결합했을 때 최종 요리가 어떤 맛일지 알고 싶어 한다.
그들은 다음과 같이 한다:
-
비밀 성분을 자물쇠 상자에 넣기: 각 친구는 자신만의 열쇠를 가진 자물쇠 상자에 비밀 성분을 넣는다. 다른 사람은 내용물을 볼 수 없다.
-
마법 요리사(보안 컴퓨팅): 그들은 자물쇠가 채워진 모든 상자를 마법 요리사에게 준다. 이 요리사는 상자를 열지 않고도 재료를 사용해 요리를 할 수 있다. 요리사는 상자 안에서 재료를 섞고, 굽거나 볶는 특수 도구를 갖고 있으며, 자물쇠를 풀거나 내용물을 확인할 필요가 없다.
-
최종 요리를 밀봉된 용기에 담기: 요리가 끝난 후 마법 요리사는 최종 요리를 밀봉된 용기에 담아두며, 오직 친구들만 함께 열 수 있다.
-
맛을 함께 나누기: 그들이 용기를 열었을 때, 모든 비밀 성분이 결합된 요리의 맛을 즐길 수 있다. 그들은 요리를 맛보고 각자의 기여가 어떻게 어우러졌는지 알 수 있지만, 개별 성분이 무엇인지 알 수는 없다.
이 이야기는 보안 컴퓨팅을 생생하게 설명한다:
-
자물쇠 상자(데이터 암호화): 비밀 성분은 암호화된 데이터와 같다—보호되어 타인이 접근할 수 없다.
-
마법 요리사(보안 컴퓨팅 알고리즘): 마법 요리사는 데이터를 암호 해독하지 않고도 계산을 수행할 수 있는 알고리즘을 나타낸다.
-
최종 요리(계산 결과): 밀봉 용기의 최종 요리는 계산 후 암호화된 결과와 같으며, 권한 있는 사람만 복호화하거나 접근할 수 있다.
-
프라이버시는 항상 보호됨: 전체 과정 동안 각 친구의 비밀 성분은 기밀로 유지되지만, 모두는 결합된 결과로부터 이익을 얻는다.
간단히 말하면:
보안 컴퓨팅은 컴퓨터가 암호화된 데이터를 연산할 수 있게 해주며, 이는 컴퓨터 입장에서 데이터가 무의미한 문자열처럼 보인다는 것을 의미한다. 컴퓨터는 이러한 암호화된 데이터를 처리하고 결합하여 유용한 결과를 생성할 수 있지만, 실제 데이터 내용을 알 필요는 없다. 올바른 '키'를 가진 사람만 최종 결과를 해제하고 이해할 수 있으므로, 모든 사람의 프라이버시가 보호된다.
보안 컴퓨팅과 제로 낼리지 프루프(ZK)는 같은가?
보안 컴퓨팅을 언급할 때 종종 ZK(제로 낼리지 프루프)와 비슷한지 묻는 경우가 많다. ZK와 보안 다자간 계산(sMPC) 모두 프라이버시를 강화하는 기술이지만, 목적은 다르다.
제로 낼리지 프루프는 추가 정보를 전혀 공개하지 않고도 한 당사자가 다른 당사자에게 특정 진술이 참임을 증명할 수 있게 해준다. 예를 들어, 정확한 금액을 밝히지 않고도 충분한 잔고를 가지고 있다는 것을 증명할 수 있다. 반면 보안 컴퓨팅은 여러 참여자가 각자의 입력값을 서로에게 공개하지 않고도, 결합된 데이터 위에서 함수를 공동으로 계산할 수 있게 한다.
간단히 말해, ZK는 사실을 안전하게 증명하는 데 집중하는 반면, MPC(다자간 계산)은 마법 요리사의 예에서 보듯, 개별 입력값을 노출하지 않으면서도 안전한 공동 계산을 수행하는 데 초점을 둔다. ZK와 MPC는 모두 강력한 프라이버시 보호 도구이지만 용도가 다르다: ZK는 사실을 안전하게 증명하는 데 중점을 두고, MPC는 안전한 공동 데이터 처리를 가능하게 한다.
MPC의 수학적 원리
마법 요리사의 예에서 우리는 여러 참여자가 데이터를 공개하지 않으면서도 데이터를 기여하고 의미 있는 결과를 만들어낼 수 있음을 보았다. 이것이 바로다자간 계산(MPC)의 작동 원리이다: 숨겨진 데이터를 안전하게 처리하기 위해 정교한 수학적 방법을 사용한다.
MPC의 수학적 원리에 관심이 있다면, 《MPC Explained》라는영상 시리즈를 시청해보자. 이 영상은 직관적으로 개념을 설명하므로 암호학 배경이 없어도 쉽게 이해할 수 있다.
보안 컴퓨팅으로 산업 변혁 추진하기
보안 컴퓨팅의 원리는 이론에만 머무르지 않는다. 다양한 산업 분야에서 혁신을 이끌 수 있는 잠재력을 지녔다. 아래는 의료, 금융, 개인 데이터 관리 등 핵심 분야에서 보안 컴퓨팅이 실질적인 변화를 가져올 수 있는 실제 사례들이다:
의료 분야 응용:
병원은 보안 컴퓨팅을 활용해 전 세계 수백만 환자의 암호화된 유전자 데이터를 안전하게 공유할 수 있다. 이후 AI는 이러한 데이터를 분석해 알츠하이머병 등의 질병에 대한 새로운 유전적 마커를 식별하고 예측 모델을 개발할 수 있다. 이를 통해 조기 진단과 예방 효과를 크게 향상시키면서도 환자 데이터의 완전한 기밀성을 보장할 수 있다.
금융 서비스 응용:
금융기관은 보안 컴퓨팅을 통해 규제 기관과 협력하여 암호화된 거래 데이터를 분석함으로써 사기 탐지와 규정 준수 감시를 강화할 수 있다. 예를 들어 은행은 AI 기반 중앙 규제 플랫폼에 대규모 거래 패턴의 암호화된 데이터를 안전하게 공유할 수 있다. 이 플랫폼은 여러 은행의 집계된 암호화 데이터를 분석해 시스템적 리스크를 식별하고, 자금세탁과 같은 사기 행위를 탐지하며, 금융 규제 준수 여부를 모니터링할 수 있다.
보안 컴퓨팅을 활용하면 은행은 고객 프라이버시와 기업 비밀을 보호하면서도 금융 시스템 전체가 사기 및 시스템적 리스크에 더 잘 대응할 수 있게 된다.
개인 응용 사례 1(의료 건강):
개인은 자신의 암호화된 유전자 데이터를 AI 기반 플랫폼에 안전하게 공유하여 고도로 개인화된 건강 계획을 받을 수 있다. 이러한 계획에는 만성 질환의 예측 및 예방을 위한 맞춤형 영양 및 운동 프로그램이 포함될 수 있으며, 증상이 나타나기 전부터 예방 조치를 취할 수 있다. 동시에 민감한 건강 데이터의 완전한 기밀성이 보장된다.
개인 응용 사례 2(세무 감사):
개인과 기업은 자신의 암호화된 재무 데이터를 AI 기반 감사 플랫폼에 안전하게 공유할 수 있다. 이러한 플랫폼은 보안 컴퓨팅을 이용해 세무 감사를 수행하면서도 민감한 재무 정보를 유출하지 않는다.
예를 들어 납세자는 암호화된 재무 기록을 플랫폼에 업로드할 수 있으며, 플랫폼은 세법 준수 여부를 검토하고 불일치 항목을 식별하며 세금 신고를 위한 최적화 제안을 제공한다. 플랫폼은 상세한 보고서와 제안을 생성하지만 실제 재무 데이터는 감사원이나 제3자에게 노출되지 않도록 프라이버시를 보장한다. 이 과정은 인력 감사의 필요성을 줄이고 시간과 비용을 절약하며 정확도를 높이고 프라이버시를 보장한다.
이러한 사례들은 보안 컴퓨팅이 어떻게 AI의 가능성을 해방하여 각 산업에 강력한 솔루션을 제공하면서도 최고 수준의 프라이버시와 보안을 유지할 수 있는지를 보여준다.
프라이버시 강화 기술(PETs)의 실제 적용
보안 컴퓨팅은 미래의 개념처럼 들릴 수 있지만, 세계 최대 조직들 중 일부는 이미 프라이버시 강화 기술(PETs)을 실제로 사용하고 있다. 예를 들어 JP 모건은 다크풀 거래 시스템에 다자간 계산(MPC)을 사용해 거래 당사자들이 주식 포지션 같은 민감 정보를 노출하지 않고도 거래할 수 있도록 하고 있다. 마찬가지로 메타는 광고 기술에 MPC를 적용해 프라이빗한 효과 측정을 수행하며, 광고주는 사용자 개인 데이터에 접근하지 않고도 광고 캠페인의 효과를 평가할 수 있다.
이러한 사례들은 보안 컴퓨팅의 원리가 현실 세계의 프라이버시 문제 해결에 이미 성공적으로 적용되었음을 보여주며, 현대 산업에서 PETs의 실현 가능성과 영향력을 입증한다.
Nillion: 보안 컴퓨팅의 새 시대를 열다
Nillion 소개: 보안 컴퓨팅의 새 시대
Nillion은 보안 컴퓨팅 분야의 중요한 추진자로서, 다양한 산업에서 AI의 가능성을 해방하고 있다. Nillion은 유일한 보안 컴퓨팅 솔루션이 아니지만, Petnet 기반의 탈중앙화 네트워크를 통해 차별화된다. 이 네트워크는 보안 다자간 계산(sMPC)을 통해 개인 데이터를 처리하며, Nil Message Compute(nMC)를 결합해 효율성과 확장성을 극대화한다.
Nillion 아키텍처의 핵심 요소
Nillion 아키텍처 개요
Petnet — 프라이버시 강화 기술 네트워크
Nillion 인프라의 핵심은 Petnet으로, 시스템 내 노드들을 안전하게 연결하는 탈중앙화 네트워크이다. Petnet은 데이터를 분산 방식으로 처리할 수 있게 하며, sMPC를 활용해 여러 참여자가 개인 데이터를 유출하지 않고 공동 계산을 수행할 수 있도록 한다. nMC는 이 과정을 추가로 최적화하여 노드 간 통신량을 줄이고 효율성과 확장성을 향상시킨다.
Petnet은 또한 데이터 샤딩 기술을 사용하여 신원 정보, 의료 기록, 독점 알고리즘, 금융 거래와 같은 고가치 데이터(HVD)를 작은 암호화 조각으로 나누어 서로 다른 노드에 분산 저장한다. 이를 통해 단일 노드가 전체 데이터셋에 접근하는 것을 방지하여 보안성과 성능을 크게 향상시킨다.
이중 네트워크 구조 — 조정 계층과 오케스트레이션 계층
Petnet 위에는 조정 계층과 오케스트레이션(orchestration) 계층이 존재한다:
-
조정 계층(NilChain): 네트워크 내에서 작업을 할당하며, 각 노드가 계산에서의 역할을 명확히 하고, 스토리지 작업과 블라인드 컴퓨팅(blind computing)에 대한 결제를 조정한다. 이 계층은 경제적 인센티브와 네트워크 자원의 효율적 관리가 일치하도록 보장한다.
-
오케스트레이션 계층: 다양한 프라이버시 강화 기술(PETs)을 조정하고 통합하여 복잡하고 안전한 계산을 가능하게 한다. 마치 '지휘자'처럼 다양한 암호학 기술을 관리하고 융합한다.
NilVM — Nillion 가상 머신
NilVM은 Nillion의 프로그래밍 언어인 Nada로 작성된 블라인드 컴퓨팅 프로그램을 실행하는 환경이다. 이는 프로그램이 Nillion 네트워크 내에서 효율적이고 안전하게 실행되도록 보장하며, 오케스트레이션 계층을 통해 다양한 프라이버시 강화 기술(PETs)의 적용을 최적화한다.
NIL 토큰
NIL 토큰은 Nillion 네트워크의 고유 유틸리티 토큰이다. 그 용도는 다음과 같다:
-
보안 및 조정: NIL 토큰을 스테이킹함으로써 사용자는 위임형 지분 증명(DPoS) 메커니즘을 통해 네트워크 보안을 담보하고 활성 검증자 선택에 투표권을 얻을 수 있다.
-
네트워크 자원 관리: 사용자는 조정 계층 사용이나 블라인드 컴퓨팅 요청을 위해 NIL 토큰을 지불하여 네트워크 자원을 효율적으로 관리한다.
-
Petnet 클러스터 경제: 인프라 제공자는 클러스터에 참여해 블라인드 컴퓨팅을 지원하며, 네트워크 자원 제공에 대한 보상으로 NIL 토큰을 획득한다.
-
네트워크 거버넌스: NIL 보유자는 토큰을 스테이킹하여 체인 상의 제안에 투표하거나 투표권을 타인에게 위임할 수 있다.
AI의 새 시대: Nillion이 안전한 데이터 처리에서 일으키는 변화
Nillion은 오케스트레이션 계층을 통해 보안 다자간 계산(sMPC)과 완전 동형 암호화(FHE) 등 첨단 프라이버시 강화 기술(PETs)을 통합함으로써 데이터 보안 분야의 변혁을 주도하고 있다. 다음은 Nillion 기술이 다양한 분야에서 깊은 영향을 미칠 수 있는 두 가지 사례이다.
-
의료 응용 사례: 감기 백신 개발 가속화
직면한 과제
감기 바이러스는 매년 새로운 변종이 출현하여 백신 개발을 더욱 복잡하게 만든다. 연구자들은 이러한 계속 변화하는 바이러스를 분석하기 위해 다양하고 방대한 데이터셋에 접근해야 한다. 그러나 개인정보 보호 법규는 명시적으로 동의한 환자 데이터에만 접근을 허용하므로, 표본 크기가 제한되고 백신 개발 속도가 느려진다.
Nillion의 해결책
Nillion의 보안 컴퓨팅 기술은 오케스트레이션 계층의 조정을 통해 데이터 공유의 신뢰 문제를 제거한다. 보안 다자간 계산(sMPC)과 완전 동형 암호화(FHE)를 통합함으로써 Nillion은 병원이 암호화된 환자 데이터를 안전하게 공유할 수 있도록 한다. 연구자들은 개인정보를 노출하지 않고도 이러한 데이터를 분석할 수 있으므로, 훨씬 더 광범위한 범위에서 안전하고 기밀적인 협업이 가능하다.
가져오는 영향
Nillion을 통해 연구자들은 방대한 암호화된 환자 데이터에 접근할 수 있어 백신 개발을 크게 가속화할 수 있다. 거의 무한한 데이터셋을 안전하게 활용함으로써 백신 타겟을 신속하게 식별하고 새로운 변종에 효과적으로 대응할 수 있으며, 동시에 환자 프라이버시도 보호된다.
왜 기존 AI 모델은 이를 달성할 수 없는가
현재의 AI 모델은 신뢰에 의존하며, 원본 데이터 공유를 위해 환자의 동의가 필요하므로 참여자 수와 표본 규모가 제한된다. 데이터 유출과 프라이버시 문제는 ChatGPT 및 기타 대규모 언어 모델(LLMs) 플랫폼이 직면한 주요 도전 과제이다. 보안 컴퓨팅이 없다면 이러한 모델은 민감한 정보가 유출되거나 남용되지 않도록 보장할 수 없으며, 이는 환자 프라이버시를 보호하면서 협업 연구를 수행할 가능성을 저해한다.
-
개인 응용 사례: 안전한 개인 AI 글쓰기 도우미
직면한 과제
많은 사람들이 이메일 작성, 민감한 보고서 편집 또는 개인 문서 요약 시 AI의 도움을 필요로 한다. 그러나 프라이버시 문제와 데이터 유출 위험 때문에 사용자들은 기밀 정보를 AI 플랫폼에 넘기는 것을 망설인다. 현재의 AI 시스템은 원본 데이터에 접근해야 하므로, 사용자들은 개인 파일이 저장되거나 유출되거나 남용될 수 있다는 우려를 갖게 된다.
Nillion의 해결책
Nillion은 오케스트레이션 계층을 통해 각 단계에서 사용자 프라이버시를 보장하는 안전한 AI 글쓰기 도우미를 제공한다:
-
문서 제출 오케스트레이션: 사용자는 Nillion의 오케스트레이션 계층을 통해 문서를 안전하게 제출할 수 있으며, 이 계층은 암호화 과정을 담당하여 내용이 기밀 상태로 유지되며, AI 서비스 자체조차 내용을 볼 수 없다.
-
보안 컴퓨팅: Nillion 네트워크의 지원 하에 AI는 보안 다자간 계산(sMPC)과 완전 동형 암호화(FHE)를 사용해 문서를 처리한다. 오케스트레이션 계층은 이러한 기술을 조정하여 AI가 원본 문서를 복호화하지 않고도 편집, 요약, 내용 개선을 수행할 수 있도록 한다.
-
기밀 결과 전달: AI 처리 후 결과는 암호화된 형태로 사용자에게 반환된다. 사용자만 자신의 개인 복호화 키로 최종 결과를 해제하고 확인할 수 있다.
가져오는 영향
이 접근 방식은 사용자가 민감한 정보를 보호하면서도 AI를 안심하고 글쓰기 작업에 활용할 수 있게 해준다. Nillion은 법률 문서나 기밀 비즈니스 보고서 처리처럼 프라이버시 우려로 인해 과거에는 접근하기 어려웠던 작업을 AI가 수행할 수 있도록 하며, 사용자의 신뢰나 데이터 보안을 해치지 않는다.
왜 기존 AI 모델은 이를 달성할 수 없는가
기존 AI 모델은 원본 텍스트 데이터에 접근해야 하므로 상당한 프라이버시 리스크를 안고 있다. 사용자는 플랫폼이 민감한 파일을 남용하거나 유출하지 않을 것이라고 신뢰해야 한다. Nillion은 AI가 직접 암호화된 데이터를 처리함으로써 이러한 신뢰의 필요성을 없애고, 전체 과정에서 프라이버시와 기밀성을 보장한다.
결론: Nillion이 보안 컴퓨팅의 미래를 선도한다
디지털 세계가 계속 발전함에 따라 데이터 유출과 민감 정보 남용의 위험도 증가하고 있다. 심화되는 데이터 프라이버시 문제는 더욱 강력한 보호 조치의 시급함을 보여준다. 동시에 인공지능은 산업을 변화시킬 거대한 가능성을 지녔지만, 프라이버시 문제와 기존 데이터 처리 방식의 취약점 때문에 아직 그 가능성이 완전히 발휘되지 못하고 있다.
현재 AI는 프라이버시와 민감 정보 처리에 대한 우려로 인해 제한되어 있으며, 그 응용 범위는 주로 비핵심 분야에 머물고 있다. 그러나 보안 컴퓨팅의 돌파구는 AI가 민감한 데이터를 안전하게 처리할 수 있게 함으로써 진정한 가능성을 해방시킬 것이다. 이는 전환점이 될 것이며, AI는 우리의 일상 전반에 통합되어 산업과 기술과의 상호작용 방식을 근본적으로 변화시킬 것이다.
Nillion은 이러한 변화를 주도하고 있다. 암호화된 데이터를 대상으로 보안 컴퓨팅을 수행할 수 있는 능력을 통해 Nillion은 AI의 광범위한 적용을 저해하는 문제를 해결하고 있다. 보안 다자간 계산(sMPC)과 완전 동형 암호화(FHE) 같은 첨단 프라이버시 강화 기술을 채택함으로써 Nillion은 전체 과정에서 민감한 정보가 보호되도록 보장한다. 의료 분야에서의 안전한 글로벌 협업을 촉진하는 것에서부터 더 개인화되고 안전한 금융 서비스를 제공하는 것에 이르기까지, Nillion은 AI의 전체 가능성을 해방시키면서도 프라이버시와 보안을 지킨다.
Nillion에 참여하고, 웹사이트를 방문하고, 문서를 통해 획기적인 기술에 대한 자세한 정보를 읽고, X에서 최신 소식을 팔로우하며 안전한 컴퓨팅의 미래를 함께 만들어가자:
우리는 프라이버시와 혁신이 공존하는 디지털 세계를 함께 만들 수 있다.
감사의 말
제가 제공한 그림과 소중한 피드백을 주신 Nillion 팀에게 진심 어린 감사를 전한다. 또한 본 글의 아이디어 형성에 소중한 통찰과 지원을 제공해주신 3rd St Capital과 uDAO의 친구들에게도 감사드린다. 3rd St Capital에 대해 더 알고 싶으신 분은 저희 웹사이트를 방문하시기 바란다:
uDAO에 대한 더 많은 정보는 다음에서 확인할 수 있다:
중요 고지사항
본 문서는 참고용으로만 제공된다. 여기에 표현된 견해는 투자 조언이나 추천으로 간주되어서는 안 된다. 본 문서를 수령한 사람은 본문에서 다루지 않은 자신의 구체적인 재정 상태, 투자 목표 및 위험 감내 능력을 고려하여 신중한 조사를 수행한 후 투자 결정을 내려야 한다. 본 문서는 본문에 언급된 자산의 매매 제안 또는 초청을 구성하지 않는다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
@3rdStCapital
