IAGON - Platform untuk memanfaatkan kapasitas penyimpanan dan kekuatan pemrosesan beberapa komputer melalui jaringan blokir yang terdesentralisasi.


IAGON adalah platform untuk memanfaatkan kapasitas penyimpanan dan kekuatan pemrosesan beberapa komputer melalui jaringan blokir yang terdesentralisasi. IAGON menggunakan memungkinkan untuk menyimpan file data dan repositori yang besar, serta skala file yang lebih kecil, dan untuk melakukan proses komputasi yang rumit, seperti yang dibutuhkan untuk operasi kecerdasan buatan dan operasi mesin, dalam platform yang sepenuhnya aman dan terenkripsi yang mengintegrasikan blockchain, teknologi kriptografi dan AI dengan cara yang mudah. Ukuran pasar layanan awan yang menyediakan kapasitas penyimpanan dan kemampuan pemrosesan komputasi untuk perusahaan dan untuk perusahaan diperkirakan sebesar 45 miliar USD perannum dan terus bertambah.


Pasar didominasi oleh empat pemain utama: AWS, Google Cloud, Microsoft dan IBM, semuanya memanfaatkan fasilitas penyimpanan dan perhitungan yang sentral dan kurang tepercaya. Karena dominasi oligopolistik mereka, keempat penyedia layanan cloud menetapkan tingkat harga yang tinggi. Penyedia layanan ini juga mampu menghambat persaingan dan mencegah pendatang pasar baru untuk bersaing dengan mereka, karena skala operasi mereka yang luas dan investasi substansial mereka di pusat data, server, dan fasilitas penyimpanan. 


Menariknya, bagaimanapun, permintaan akan kemampuan pemrosesan dan penyimpanan komputasi diharapkan meningkat secara dramatis dalam waktu dekat karena dua tren utama di dunia bisnis dan komputasi: Big Data and Artificial Intelligence (AI). Big Data adalah pengumpulan, pengelolaan dan penyimpanan sejumlah besar informasi yang diperoleh dari sumber internal eksternal (seperti sistem TI perusahaan, jaringan sosial, sensor dan sebagainya). Pengelolaan data perusahaan mempromosikan pengumpulan dan penyimpanan data yang terkait dengan operasi, klien dan kompetitornya, jika perlu menganalisis data yang pernah ada sebelumnya. 


Kecenderungan utama lainnya adalah munculnya metode Artificial Intelligence yang "belajar" dari data operasi masa lalu, menemukan pola dan aturan bisnis dan memprediksi perilaku masa depan. Proses berbasis AI mengkonsumsi memerlukan sejumlah besar perhitungan dan mengkonsumsi daya pemrosesan yang signifikan dari proses CPU dan GPU. Permintaan akan penyimpanan dan untuk daya pemrosesan diperkirakan meningkat secara eksponensial dengan memperluas pengenalan aplikasi AI di area baru dan dengan adopsi pengumpulan data secara meluas dari beberapa saluran (seperti sensor, jaringan sosial, penyedia data, dll.) Dan kemudian memprosesnya

Tujuan utama IAGON adalah merevolusi pasar awan dan layanan web dengan menawarkan jaringan desentralisasi penyimpanan dan pengolahan. Dengan bergabung dengan kapasitas penyimpanan yang tidak terpakai di server dan komputer pribadi dan komputer merekadaya proses, kita bisa membuat super komputer dan super data center yang bisa bersaing dengan salah satu penguasa cloud computing saat ini Kami bertujuan menyediakan layanan penyimpanan dan pemrosesan perusahaan dan individu di sebagian kecil pasar harga dan tingkat keamanan yang lebih baik dengan menghubungkan pusat data, komputer bisnis dan pengguna pribadi dan memanfaatkan kapasitas penyimpanan gratis dan prosesor CPU dan GPU mereka saat idle. Dengan melakukan itu, IAGON mengatasi hambatan masuk yang diberlakukan oleh tingkat investasi yang tinggi dibutuhkan untuk bersaing di pasar ini.

Ekonomi berbasis token kami didasarkan pada pemilik komputer, server dan data center yang bergabung dalam penyimpanan dan pengolahan jaringan listrik. Sebagai gantinya untuk berbagi kemampuan mesin mereka, mereka akan diberikan IAGON token yang bisa diperdagangkan kembali ke fiat uang, sementara pihak manapun yang ingin memanfaatkan kemampuan mereka akan beli IAGON token untuk mendistribusikannya ke pihak-pihak yang memberikan layanan mereka ke grid. Penyimpanan Mekanisme akan didasarkan pada enkripsi blockchain dan pengiriman fragmen file terenkripsi ke banyak penyimpanan fasilitas. Kontributor ke grid dapat mempublikasikan keterampilan dan kapasitas bebas mereka dan menawarkan layanan mereka di dasar pengalaman mereka, sumber daya dan ruang penyimpanan yang tersedia dan penawaran harga. Mesin canggih

Algoritma pembelajaran dan AI akan membantu dalam merekomendasikan harga kepada pihak-pihak yang terlibat dalam usaha ini dan mengklasifikasikan-ing mereka sesuai dengan tingkat harga mereka dan menjamin kelangsungan layanan dan akses ke semua file.

Karena semakin banyak perusahaan akan mengenali manfaat dari platform IAGON untuk menyimpan file dan memprosesnya, permintaan akan meningkat dan karenanya akan menjadi permintaan token - cara pelanggan membayar peserta grid.

Token dan platform IAGON terbukti sebagai layanan dengan versi beta blocker beta Ethereal kami, yang membuktikan konsep komputasi terdistribusi berbasis blockchain dan jaringan penyimpanan. IAGON berencana untuk mendukung teknologi Tangle baru dan inovatif yang memberikan solusi biaya alternatif, cepat dan lebih rendah untuk mengoperasikan teknologi blockchain. Dengan demikian, IAGON akan membangun dua blokir - pada Ethereal dan Tangle - memberikan fleksibilitas dan kebebasan penuh pilihan kepada pengguna dan penambang kami. ICO kami bertujuan untuk mengembangkan platform dan program klien kami yang akan digunakan oleh pihak manapun yang menginginkannya. untuk bergabung dengan grid IAGON kami dan mendapatkan keuntungan dari sumber daya komputer yang tidak terpakai. IAGON akan menawarkan biaya terendah di industri awan kepada pelanggan yang membeli kapasitas penyimpanan dan / atau kemampuan pemrosesan, karena keduanya berlimpah dan dapat dimanfaatkan sepenuhnya dan diperkecil, saling terkait oleh platform kami. ETH, USD, EUR, GBP dan JPY sesuai tarif berikut:
Hari 1 - Hari ke 3 dari penjualan - 1 token IAGON akan diberikan seharga 0,33 USD (diskon 6%)

Hari ke 4 - Hari ke 60 dari penjualan - 1 token IAGON akan diberikan seharga 0,35 USD (tanpa diskon)

 IAGON pra-ICO dimulai pada tanggal 15 Maret 12:00 WEST, dan berlangsung berhari-hari. Pra-ICO menawarkan 20% dari jumlah token dengan harga 0,31 USD per IAGON, atau ekuivalennya di BTC, ETH, EUR, GBP dan JPY (diskon 11%). Kerumunan IAGON dimulai pada tanggal 15 April 12:00 BARAT, dan berlangsung selama 60 hari. Pembelian bisa dilakukan di BTC, Selain pra-ICO, crowdsale menawarkan 50% token IAGON kepada publik (menawarkan secara total 500.000.000 token). Jumlah total token IAG selama 2 fase: 700.000.000 token.

30% token lainnya (maksimal.300.000.000 token) akan didedikasikan untuk: 10% untuk tim IAGON, 10% untuk pembimbing dan pemburu hadiah, 10% untuk pengembangan. Tim IAGON bekerja keras untuk mendukung reputasi IAGON sebagai platform terdepan untuk layanan penyimpanan dan pemrosesan, meningkatkan adopsi di antara pengguna yang mengalokasikan sumber daya komputasi dan pelanggan potensial mereka.
 
 
Perkembangan teknologi Artificial Intelligence (AI) dan Big Data baru-baru ini dan peningkatan dramatis dalam penerapan teknologi ini menandakan permintaan yang terus meningkat dan eksponensial terhadap kapasitas penyimpanan dan kekuatan pemrosesan komputasi terhadap adopsi teknologi ini secara luas. Teknologi Data Besar seperti kerangka Hadoop (terutama database MongoDB, HDFS dan Spark) memerlukan sejumlah besar kapasitas penyimpanan, baik secara terpusat atau terdistribusi, untuk memproses dan mengelola file Big Data. Untuk sebagian besar, teknologi Big Data mendukung pertumbuhan data eksponensial dalam semua jenis organisasi, dalam layanan berbasis web dan jaringan sosial dan implementasinya sangat penting untuk mendukung operasi dan pemrosesan data dalam jumlah besar ini (lihat Gambar .1).
 Mesin belajar dan proses belajar yang mendalam (terutama Google TensorFlow, Caffe dan Theano; lihat juga: Dean et al., 2012, Ray, 2017) menerapkan pengenalan pola komputasi lanjutan, pengenalan citra dan analisis prediktif yang memerlukan perhitungan volume tinggi. Skenario tumbuh secara eksponensial
Permintaan akan kemampuan Big Data dan AI solid dan sangat nyata, mengingat kedua bidang teknologi tersebutadalah dasar untuk mendukung sistem IoT dan Industry 4.0. Selain itu, meski Big Data dan teknologi AI hanya pada tahap implementasi bayi mereka, sebagian besar korporat dan lembaga publik telah mulai memeriksa aplikasinya untuk memperbaiki banyak aspek operasi mereka.

Penyimpanan data awan didasarkan pada penyampaian file dari komputer dan server lokal ke server jarak jauh dan fasilitas penyimpanan yang tidak jelas bagi pengguna, namun dapat diakses dan dikelola setiap saat. Dengan demikian, keandalan layanan penyimpanan awan dan privasi pengguna (yaitu melindungi file agar tidak diakses oleh pihak selain pemiliknya) sangat penting untuk berlangganan dan menerapkan layanan awan apa pun. Pasar layanan penyimpanan awan disusun oleh sejumlah besar perusahaan yang mengoperasikan dan menawarkan program penyimpanan data, dari pusat data kecil yang memenuhi kebutuhan individu dan UKM ke fasilitas penyimpanan besar perusahaan (seperti Amazon, Google dan Microsoft), bertujuan untuk mengelola volume data raksasa mereka sendiri, namun juga ditawarkan kepada pelanggan eksternal. Namun, sejak hari pertama awan

layanan penyimpanan dan sampai saat ini menyangkut perlindungan data, keandalan pusat data terpusat, tanggung jawab perusahaan penyimpanan awan dalam kasus file yang hilang atau tidak disimpan dengan benar dan privasi pengguna sering diungkapkan oleh para ahli (lihat misalnya Hu et al ., 2010; Dai et al., 2017). Kesalahan yang terkait dengan kinerja teknis awan muncul dari servernya, mulai dari sistem pengambilan (Jaringan Distribusi Konten, atau CDN) dan dari klien.

Beberapa kesalahan didefinisikan sebagai kesalahan tabrakan sementara ada pula kesalahan yang merendahkan kinerja. Kesalahan kerusakan adalah kategori yang paling umum, dikategorikan oleh layanan "pemadaman", sedangkan layanan yang dinonaktifkan sementara atau menunjukkan tingkat kinerja yang lebih rendah adalah kesalahan yang merendahkan kinerja. Misalnya, insiden di mana file yang diunggah ke awan tidak dapat diakses karena kesalahan penulisan ke folder adalah kesalahan tabrakan, sementara kebocoran CPU yang menyebabkan kinerja server lebih rendah (dan karena itu memperlambat pengambilan file) adalah kesalahan yang merendahkan kinerja (Wang, 2017).

 Ketika data dan file dikelola melalui pusat data terpusat (atau melalui serangkaian seri), kesalahan skala yang luas, dan khususnya kesalahan tabrakan yang menghentikan akses pengguna ke file tersimpan mereka, dapat menyebabkan penghentian operasi perusahaan. , organisasi dan individu selama pemadaman berlangsung. Misalnya, pemadaman AWS baru-baru ini pada bulan Maret 2017 berlanjut selama beberapa jam, menyebabkan kerusakan yang diperkirakan terjadi lebih dari 300 juta USD (Sverdlik, 2017).

Artificial Intelligence adalah seperangkat model dan proses komputasi lanjutan yang terinspirasi oleh penelitian otak manusia. Model dan alat ini beroperasi di balik layar banyak aplikasi, situs web dan aplikasi di dalamnya

sebuah cara mulus yang tidak mengganggu interaksi pengguna melalui UI. Misalnya, pencarian web dan kesamaan antara istilah, terjemahan otomatis, pengenalan wajah dan sistem rekomendasi adalah beberapa aplikasi AI.Artificial Intelligence sering digunakan untuk menghasilkan pengalaman pengguna yang lebih baik. Kasus sederhana dari hal ini adalah Google. Google menggunakan algoritma pembelajaran mesin canggih untuk mempersempit hasil pencariannya agar penggunanya dapat hasil yang sesuai dengan apa yang dicari pengguna. Sebagai algoritma belajar dan memperbaiki definisi pencariannya, pengguna terkadang dapat melihat bahwa hasil pencarian mungkin berbeda dari hari ke hari atau pengguna oleh pengguna. Iklan yang ditargetkan sering menggunakan algoritma pembelajaran mesin untuk mengajukan kemungkinan produk dan iklan penjualan berdasarkan hasil pencarian pengguna.

Pasar untuk aplikasi AI diperkirakan akan tumbuh secara substansial di tahun-tahun mendatang. Gambar 2 menyajikan beberapa penggunaan umum yang diharapkan dan pendapatan dari komersialisasi mereka dalam waktu dekat. Meskipun demikian, penerapan proses AI secara luas membutuhkan komputasi yang semakin kuat fasilitas, karena kompleksitas operasi ini. Karena itu, perusahaan menginvestasikan jumlah besar dalam pembelian unit GPU dan CPU yang berdedikasi untuk melaksanakan lingkup compu ini-atau membeli dengan biaya pemrosesan yang besar dari salah satu penyedia pemrosesan awan (mis.Amazon Web Services, Google Cloud, Microsoft Azure dan IBM).


Sama seperti otak manusia, algoritma pembelajaran AI dan mesin memerlukan masukan data untuk menyimpulkan suatu kesimpulan. Data mining adalah proses komputasi untuk menemukan pola dalam kumpulan data yang besar dan membantu mengurangi set struktur data yang besar agar algoritma pembelajaran mesin dapat membuat keputusan dan kesimpulan. Akibatnya, karena organisasi dan perusahaan mengumpulkan kumpulan data besar sebagai bagian dari operasi sehari-hari mereka hampir pada setiap aspek kinerja

pemasok dan klien mereka, mereka mencari cara baru untuk menerapkan metode pembelajaran AI dan mesin untuk memperoleh wawasan manajerial baru dari data secara terus menerus. Meskipun demikian, alat pembelajaran AI dan mesin untuk menganalisis sejumlah besar data memerlukan sejumlah besar daya komputasi yang sering tidak dimiliki oleh organisasi, sehingga mengharuskan mereka berlangganan layanan awan komersial dan mengunggah file data sensitif mereka ke server perusahaan lain. Karena sifat data yang konfiden dan nilai komersialnya, banyak perusahaan yang mengelolanya, karenanya tidak diuntungkan dari nilai potensi analisis database mereka dengan metode AI yang canggih.

Teknologi blockchain memberikan solusi unik dan sepenuhnya aman untuk memproses, menyimpan dan mendistribusikan data dan menjaga konsistensi dan integritas mereka yang dapat digunakan untuk kasus penggunaan seperti pemrosesan yang rusak. Blockchain hanyalah blok data yang disatukan dan dirantai menggunakan hash sebelumnya dan bloknya saat ini untuk menjaga konsistensi di seluruh rantai (Vijayan, 2017). Blockchains menggunakan algoritma SHA256 untuk membuat hash. Sifat unik dari hash membuat sumber dayanya intensif untuk di crack karena hash SHA256 hanya bisa dipecahkan hari ini melalui kekerasan dengan daya komputasi yang belum tersedia di pasar perangkat keras komersial (Vijayan, 2017).

Data mining terdistribusi dari dataset besar diperkenalkan oleh SETI Institute melalui program BOINC (Estrada et al., 2009). Pengenalan 'Bitcoin' dan bukti mekanisme kerja memungkinkan kerangka kerja untuk memberikan insentif kepada penambang data untuk pekerjaan dan energi guna menyelesaikan serangkaian perhitungan besar yang diperluas untuk memproses data melalui jaringan yang terdesentralisasi (Nakamoto, 2008).

Ada banyak proyek yang sedang berlangsung dalam hal menyediakan penyimpanan yang aman melalui jaringan yang terdesentralisasi. Jaringan penyimpanan de-terpusat didefinisikan sebagai platform awan tempat simpul menyimpan sebagian data atau file atau keseluruhan rangkaian data dalam blokir. Beberapa nama yang lebih terkenal di ruang ini adalah proyek FileMoin, IPFS, SiaCoin, Storj, NextCloud, dan NEM's Mijin (lihat misalnya Protokol Labs, 2017). Keandalan dan privasi pada jaringan desentralisasi bisa menjadi masalah utama. Sebagian besar jaringan terdesentralisasi tidak dilengkapi untuk memulihkan data yang hilang jika node hosting mengalami kerusakan perangkat keras atau node dengan file konfigurasi jahat yang bermaksud untuk meng-hack penerima file (masalah umum yang mengganggu wabah torrent).

IAGON dibangun tidak hanya untuk melayani jaringan terdesentralisasi tetapi juga bekerja dengan penyimpanan data penyimpanan saat ini seperti database SQL dan NoSQL. Pendekatan yang dilakukan dengan IAGON unik untuk penggunaan IAGON yaitu algoritma pembelajaran mesin untuk mendistribusikan muatan ke jaringan terdesentralisasi untuk diproses dan kemudian mengenkripsi / mendekripsi data yang mengalir melalui sistemnya. Ada banyak kasus penggunaan yang dapat IAGON layani. IAGON dapat menyediakan penyimpanan yang aman melalui jaringan terpusat, terdesak atau terdesentralisasi, mendistribusikan pemuatan data di seluruh jaringan penambang data untuk analisis data, memberikan solusi aman untuk menciptakan kontrak cerdas melawan blockchain, atau berfungsi untuk mengidentifikasi node yang jujur ​​dan menyerang dalam sebuah sistem.
 
IAGON bertujuan untuk menyediakan pengguna dan penambang fleksibilitas lengkap dan kebebasan memilih dalam menyediakan dan mengkonsumsi layanan awan terdesentralisasi. Oleh karena itu, IAGON akan menyediakan beberapa solusi blockchain, menjalankan penyimpanan awan dan operasi pemrosesannya baik di blokir Ethereal dan pada Tangle. Pengguna dan penambang dapat memilih Ethereum atau Tangle untuk menyimpan file mereka dengan aman, memproses tugas komersil, membayar dan menerima IAGON token untuk layanan awan, dan terutama untuk mendapatkan keuntungan besar dalam mendapatkan akses ke pasar dan negara yang menonjol. Teknologi canggih.
 
Pasar Data Besar ditandai oleh adopsi arsitektur Data Lake yang baru-baru ini, seperti sistem informasi yang berbasis pada kerangka Hadoop, oleh perusahaan besar. Arsitektur Data Lake didasarkan pada implementasi database pusat NoSQL (seperti MongoDB, HBase atau Cassandra) dimana file apapun dapat disimpan dan diambil dari. Perusahaan hampir dapat menentukan penyimpanan utama untuk informasi dan file data mereka yang tidak bergantung pada konten atau jenis file dan menyediakan sumber yang mudah digunakan dan mudah diakses untuk semua file yang dikelola baik di UKM, perusahaan menengah atau perusahaan besar. 

Meskipun demikian, arsitektur data danau menunjukkan bahwa setelah di-hack, penyusup dapat "berenang" dalam sistem basis data, mengeksplorasi file dan mendapatkan akses ke data berharga yang menjelaskan setiap aspek operasi organisasi yang diretas. Salah satu kegunaan utama teknologi Secure Lake IAGON dalam mengenkripsi, mengiris dan mendistribusikan file data danau adalah "pembekuan" danau, yang melarang dengan cara enkripsi dan desentralisasi file dari pihak manapun untuk navigasi di dalam danau data setelah mendapatkan akses ke itu (lihat Gambar 3).


Hacking Data Lake dari setiap organisasi menghadapkannya pada risiko keamanan, privasi dan finansial yang tidak terbatas, dari publikasi informasi pribadi klien secara online, melalui penggunaan dan penjualan pemasok dan data sensitif komersial ke rahasia perdagangan dagang, korespondensi internal dan digital. barang (seperti kode sumber dan desain produk baru). Kerentanan serta kemungkinan hacking database data Big Data dan Data Lake diposkan ke publik secara umum, terutama organisasi peringatan terhadap pelanggaran keamanan yang mungkin meningkat karena penggunaan platform ini. . Beberapa contoh dari tahun-tahun belakangan ini menggambarkan cakupan ancaman dan risiko yang luas terhadap organisasi (juga bagi pelanggan dan pemasok mereka) yang mengakibatkan hacking sistem dan database TI mereka:

• Pada bulan Januari 2017, Camarda (2017) melaporkan bahwa "Serangan Hadoop mengikuti serangan yang terus berlanjut terhadap MongoDB, ElasticSearch, dan Apache CouchDB. Dalam beberapa kasus, penjahat telah dikenal untuk mengkloning dan menghapus database, mengklaim memegang dokumen asli untuk mendapatkan uang tebusan. Dalam serangan lain, mereka hanya menghapus database tanpa menuntut pembayaran. "

• Pada periode yang sama, Constantin (2017) melaporkan bahwa "Hanya masalah waktu sampai kelompok ransomware yang menghapus data dari ribuan database MongoDB dan cluster Elasticsearch mulai menarget teknologi penyimpanan data lainnya ... 126 kasus Hadoop telah dihapus sejauh ini Lakukan dengan baik di antallet dari pada vil komme, fordi det er tusenvis av Hadoop-implementeringer som er tilgjengelige fra internett, selv om det er vanskelig Ã¥ si hvor kudis er sÃ¥rbare. Penyerang tegen MongoDB en Elasticsearch volgde een gelijkaardig patroon. De aantal MongoDB-slachtoffers melambai van honderden tot duizenden di een kwestie van uren en tot tienduizenden binnen een week. Hitungan terakhir menempatkan jumlah database MongoDB yang dihapus di lebih dari 34.000 dan cluster Elasticsearch yang dihapus di lebih dari 4.600. "

• Claburn (2017) menunjukkan bahwa tindakan penyerang pada sistem berbasis Hadoop mungkin termasuk menghancurkan node data, volume data, atau foto dengan data terabyte dalam hitungan detik.
• Laporan sebelumnya menjelaskan bagaimana cara hack ke sistem Hadoop dan untuk mengeksploitasi kerentanan mereka untuk menghancurkan atau menyalin data dalam jumlah besar (lihat misalnya Gothard, 2015).

Mengingat sifat kerentanan yang terpapar, dan hal-hal yang belum dimanfaatkan oleh penyerang, namun mungkin ada dalam sistem, serta kurangnya kebijakan audit keamanan cyber yang sedang berjalan di banyak organisasi, basis data pada umumnya terpapar pihak lain. , jika mereka memutuskan untuk menerapkan teknik intrusi ini. Hasil untuk organisasi apapun dapat menjadi bencana besar dan memiliki dampak yang besar terhadap operasinya. Sebagai ilustrasi, peretas Equifax, yang dilaporkan pada bulan September 2017, mengungkapkan data pribadi dari 143 juta pelanggan, menyebabkan penurunan 19% dari nilai pasar Equifax di siang hari.

IAGON's Secure Lake didasarkan pada teknologi enkripsi blockchain yang tidak dapat dipecahkan, pada penguraian dan penyimpanan file dari irisan kecil, anonim dan sangat terenkripsi dari file asli memastikan perlindungan file data yang lengkap, jenis file lainnya (seperti scan, foto dan video) dan database dari berbagai ukuran dan memastikan pencarian cepat dan update dari setiap file yang tersimpan. Kecuali pengguna yang mengunggah file dengan aman dan memiliki kata kunci (kunci) untuk mengambil dan mengenkripsinya, tidak ada yang bisa membaca isi irisan file kecil, mengenkripsi, menghapus, mengubah, mengambilnya, mengidentifikasi sumbernya atau bahkan menghubungkannya. dengan irisan file lain yang dihasilkan dari file asli yang diupload. Teknologi IAGON memastikan bahwa bahkan ketika sistem informasi dilanggar dengan cara apapun, data dan file yang mereka gunakan tidak dapat diakses, dihapus atau dimodifikasi dengan cara apapun.


Meningkatnya permintaan akan kekuatan pemrosesan terbukti antara lain dengan meningkatnya penjualan sistem NVIDIA untuk Pembelajaran Mesin dan Pembelajaran Deep Learning, serta operasi canggih lainnya dari Kecerdasan Buatan yang memerlukan volume komputasi dan kemampuan pemrosesan yang luas. Domain teknologi inovasi berbasis AI yang membutuhkan kapasitas pemrosesan daya yang besar (kebanyakan dipasok oleh baterai server dengan jumlah CPU dan GPU yang besar) meliputi pengenalan wajah, pemrosesan video, analisis suara, analisis teks, pengenalan pola pada database Big Data dan digital. repositori dokumen, mobil otonom, sistem pendukung keputusan IoT dan masih banyak lagi. Teknologi dan aplikasi aI diharapkan tumbuh secara eksponensial

selama tahun-tahun berikutnya, sehingga meningkatkan permintaan akan kekuatan pemrosesan untuk mendukung penelitian dan operasi sehari-hari mereka.
IAGON's Smart Grid setara dengan jaringan listrik lainnya (seperti produksi tenaga surya):

•Menghubungkan beberapa produsen ke pelanggan

•Smart Grid memenuhi permintaan akan sumber daya yang diperlukan

•Memindahkan sumber daya yang tidak terpakai ke pelanggan yang membutuhkan (daya pemrosesan dan penyimpanan CPU dan GPU),

• Ini memberi manfaat bagi para penambang yang menyediakan tenaga pengolah dan ruang penyimpanan ke grid tanpa memerlukan usaha saat server dan komputer mereka tidak digunakan oleh mereka.

Smart Grid didasarkan pada komponen Artificial Intelligence canggih yang mencakup lebih dari 100 algoritma, metode dan teknik Mesin Belajar yang mengintegrasikan untuk membentuk sistem AI-Tracker kami. AI-Tracker adalah spasi dan tugas komputasi untuk CPU dan GPU yang bebas penambang (yang menganggur) yang menyusun Smart Grid. AI-Tracker adalah sistem pembelajaran dinamis yang terus menganalisis arus data masa lalu dan saat ini yang mencerminkan ketersediaan ruang penyimpanan dan kapasitas pemrosesan penambang. AI- Tracker melaksanakan tugas pengalokasian dan pemindahan irisan file terenkripsi secara optimal ke ruang penyimpanan yang ditunjuk, alokasi untuk tugas pemrosesan agar kinerja grid grid yang cepat dan optimal dan identifikasi node nakal yang harus diblokir dan dihapus dari grid dan penyetelan yang terus menerus. atribut grid untuk mengoptimalkan kinerjanya setiap saat (lihat Gambar 4).


IAGON bermaksud untuk membawa desentralisasi ke bisnis utama dan pasar konsumen. Untuk mencapai hal ini, IAGON dirancang dan dibangun untuk mengintegrasikan secara mulus ke dalam infrastruktur TI yang ada tanpa memerlukan sumber daya yang mahal untuk diterapkan.





Gambar 5 adalah representasi grafis IAGON yang berfungsi sebagai middleware antara database server dan fron-tend-backend di infrastruktur TI yang ada. IAGON dapat bekerja dengan struktur database SQL dan NoSQL yang umum digunakan saat ini tanpa memerlukan proses migrasi yang mahal atau sumber daya khusus untuk diterapkan dan diterapkan. IAGON menyediakan lapisan keamanan karena mengidentifikasi sidik jari digital tertentu yang terkait dengan permintaan melalui server untuk mengidentifikasi apakah permintaan adalah simpul yang jujur.


Gambar 6 memberikan ikhtisar IAGON di jaringan blokir pribadi dan publik. Ini berfungsi sebagai lapisan untuk memungkinkan data disimpan dengan aman di dalam blokir pribadi dan publik. Dengan menggunakan mesin belajar al - gorithms dan protokol enkripsi / dekripsi, IAGON mampu menyediakan metode yang aman untuk menyimpan data di seluruh platform.

 IAGON dapat dikonfigurasi untuk melayani tidak hanya sebagai platform yang aman untuk diintegrasikan dengan blockchains yang ada namun juga memanfaatkan fitur data mining untuk memproses data. Skala IAGON dengan mendistribusikan muatan pemrosesan ke jaringan yang terdesentralisasi dan menyimpan data dengan aman di berbagai platform desentralisasi yang berbeda. Hal ini dilakukan melalui algoritma pembelajaran mesin IAGON yang berfungsi untuk mendistribusikan data berdasarkan tugas yang harus dilakukan. IAGON menggunakan metode pembelajaran mesin yang diawasi dan tidak diawasi yang dikenal sebagai pembelajaran semi-su-pervised untuk kedua proses dan mendistribusikan data melalui jaringan terdesentralisasi.




Pengenalan Regulasi EU 2016/679 untuk menggantikan Directive 95/46 / EC, memperkenalkan peraturan yang lebih ketat mengenai pengolahan data dan penambangan data catatan pribadi. Peraturan tersebut memperkenalkan pembatasan tertentu pada pengumpulan dan pengolahan data pribadi termasuk pembatasan pergerakan bebas dan pembagian data tersebut (EU, 2016).

Agar tetap patuh dengan pembatasan peraturan daerah terhadap data mining dan pengolahan, IAGON akan membatasi dan membatasi jenis pemrosesan yang dilakukan pada platformnya. Ini akan melakukan ini dengan menggunakan algoritma geolokasi untuk mengidentifikasi sumber pengguna dan tujuan data sedang dikirim. Secara umum IAGON mengenkripsi semua data dalam platformnya sehingga proses pengumpulan data pribadi atau identifikasi individu berdasarkan data yang prosesnya secara teknis tidak mungkin dilakukan. Dalam kebanyakan kasus penggunaan, IAGON adalah entitas pass-through karena tidak menyimpan data di dalam fasilitasnya dan hanya berfungsi sebagai lapisan keamanan antara data yang mengalir melalui sistemnya.




Arsitektur platform IAGON dapat dibagi menjadi tiga bagian yang unik. Bagian adalah algoritma pembelajaran mesin, blockchain dan penambang, dan protokol enkripsi / dekripsi. Ketika sebuah permintaan dikirim ke IAGON, algoritma pembelajaran mesin mengirimkan blok data ke penambang untuk diproses dan dicari untuk tanda tangan yang sesuai. Blok data ini kemudian dikirim kembali untuk divalidasi di atas rantai blok beserta output yang akan digunakan algoritma pembelajaran mesin untuk mengidentifikasi simpul. Tidak mungkin mengidentifikasi node tanpa memproses data di beberapa blok dan untuk mengidentifikasi korelasi sehingga ini memberikan tingkat anonimitas dan privasi kepada pengguna yang memanfaatkan platform IAGON.

 Penambang individu tidak akan dapat mengidentifikasi permintaan atau simpul tertentu kecuali jika mereka memiliki akses ke blok yang cukup. Blok didistribusikan secara merata kepada para penambang dengan memanfaatkan bukti varians dan tidak menyimpan data apapun dalam sistem lokal mereka. Hal ini memungkinkan data diproses secara anonim tanpa dapat mengidentifikasi satu pun simpul individual kecuali melalui algoritma pembelajaran mesin. Selain itu, Penambang diberi insentif untuk memproses data dengan cepat untuk mendapatkan imbalan, karena itu tidak akan ideal bagi penambang untuk benar-benar menghabiskan waktu, tenaga dan uang untuk mencoba menyimpan atau memproses data.

Blockchain memungkinkan data dipecah menjadi blok dan dikirim melintasi node. Algoritma hashing menggunakan SHA256 dan hash setiap blok dengan hash sebelumnya untuk membuat sebuah rantai. Ketika data diterima kembali dari node individu, output data akan dicocokkan dengan hash dari blok yang sesuai dan divalidasi terhadap header untuk menentukan apakah data output valid. Cara pemrosesan ini memberikan metode unik terhadap pemrosesan terdistribusi karena memberikan lapisan integritas pada data yang sedang diproses dan untuk menentukan apakah keluaran telah terganggu dengan cara apa pun. Jika ada penambang yang memanipulasi data, blok yang kembali akan ditolak dan blok tersebut akan dikirim ke simpul yang berbeda untuk diproses ulang. 

Penambang menerima insentif berdasarkan jumlah proses yang mereka lakukan - dengan berbicara sederhana, semakin banyak data yang mereka berikan semakin besar insentifnya. Protokol enkripsi dan dekripsi memungkinkan penyimpanan data yang aman dalam platform eksternal atau internal. Ini memberikan pendekatan unik terhadap desentralisasi karena platform eksternal dengan API hanya dapat diintegrasikan ke platform IAGON untuk memanfaatkan layanannya. Apa yang membuat IAGON unik adalah kenyataan bahwa IAGON dapat mengintegrasikan secara mulus dengan arsitektur database saat ini termasuk SQL, NoSQL, database data besar, blockchain pribadi, hyperledger, atau jaringan blokir atau desentralisasi publik.
 

IAGON adalah AI yang belajar dari waktu ke waktu. Untuk mencapai hal ini, IAGON belajar melalui metode yang dikenal sebagai reinforcement learning. Penguatan pembelajaran adalah ilmu pengambilan keputusan untuk menangani lingkungan yang dinamis. Ini berarti IAGON menjalani proses belajar aktif untuk mengoptimalkan proses pengambilan keputusannya untuk menentukan jalannya tindakan. Ini menciptakan dan paradigma yang tak tertandingi tentang bagaimana IAGON menangani masukannya. Dengan menggunakan metode yang dikenal dengan Markov Decision Process yang didasarkan pada teori probabilitas, IAGON mencoba untuk menentukan bentuk sistem penghargaan yang dioptimalkan yang berimprovisasi tindakannya untuk memaksimalkan sistem penghargaannya dari waktu ke waktu.

 Pembelajaran penguatan adalah perpotongan berbagai paradigma dalam sains seperti yang dijelaskan pada Gambar 8:
 



Proses Keputusan Markov dapat dijelaskan dengan menggunakan algoritma berikut:
•S, satu set negara bagian di dunia
•A, satu set tindakan
•R, penghargaan yang diharapkan dari sebuah negara dan tindakan
•penghargaan yang diharapkan untuk transisi dari mana beberapa tindakan diambil
•Aturan untuk menggambarkan pengamatan yang dilakukan agen
Tujuan akhirnya adalah memilih tindakan yang memaksimalkan penghargaan masa depan
Negara Markov unik dalam pendekatannya karena mendasarkan keputusan pembuatan masa depan yang independen dari masa lalu mengingat masa sekarang (David Silver). Ini ditunjukkan oleh negara informasi (a.k.a negara Markov) jika dan hanya jika:

Negara informasi membuktikan bahwa jika keadaan sistem sekarang diketahui, maka tindakan historis tidak perlu dianggap sebagai hasil masa depan akan independen terhadap keadaan historis.
 


           IAGON mengambil pendekatan yang sangat berbeda terhadap data mining. IAGON melakukan ini dengan memanfaatkan blockchain pribadi dengan protokol jaringan publik di atas jaringan API. Seorang penambang tidak perlu menyimpan data apapun untuk menambang, tugas satu-satunya penambang adalah dengan jujur memproses data dan mengirimkan hasilnya kembali ke mesin IAGON. algoritma pembelajaran untuk analisis








        Data mining pada platform IAGON tidak memiliki kebutuhan untuk melakukan algoritma yang kompleks untuk menyelesaikan suatu persamaan. Sebagai gantinya, IAGON menggunakan jaringan komputasi terdesentralisasi untuk mendistribusikan muatan dan meningkatkan kecepatan tugas pengolah data biasa. Tugas blok didistribusikan ke penambang dengan menggunakan metode varians varians. Penambang harus mencocokkan tanda tangan data dari input data dan menemukan objek data yang sesuai di blok dan mengembalikan output data. Para penambang tidak perlu menyimpan data yang diolahnya, dan setelah data divalidasi menjadi milik blok tertentu, penambang dianggap telah menambang blok tersebut.

           Penambang menerima penghargaan berdasarkan jumlah titik data yang ditambangnya, dan jika tidak ada data yang ditemukan di dalam blok penambang tidak menerima imbalan apapun. Ini akan memberi insentif kepada para penambang untuk menyelesaikan penambangan seluruh blok dan untuk meningkatkan jumlah blok yang menjadi tambang mereka. Mekanisme insentif menghambat para penambang dari  hanya menambang satu blok sampai keluaran data pertama tercapai karena keterbatasan kecepatan yang terkait dengan koneksi jaringan akan terbukti tidak ekonomis, karena penambang tersebut akan didorong untuk keuntungan mereka sendiri untuk sepenuhnya menambang seluruh blok untuk menemukan semua titik data yang mungkin cocok masukan data.

Blok dihasilkan pada tingkat terbatas dan tidak ada komunikasi antara klien penambang. Server yang menghubungkan penambang ke platform IAGON menggunakan server multithread untuk mendistribusikan dan menerima hasil. Blok dikirim melalui protokol berbasis HTTP sehingga klien di dalam firewall dapat terhubung dengannya. Ada dua metode yang saat ini mendekati blok penyimpanan dan pemindahan dari unit penambang. Pilihannya adalah memproses secara murni memori yang diberikan oleh unit memori akses acak di komputer atau mengenalkan program pengumpul sampah yang secara efektif menghapus blok dari disk. Arsitektur klien penambangan harus memungkinkannya berjalan sebagai proses latar belakang atau aplikasi GUI. 

        Untuk mendukung arsitektur yang berbeda, pendekatan terbaik adalah membuat beberapa benang, di mana satu benang melakukan komunikasi dan pengolahan data sementara thread lainnya menangani interaksi GUI (Anderson, 2002). Bukti varians memungkinkan IAGON untuk mengidentifikasi kecepatan khas yang dibutuhkan penambang untuk memproses satu blok. Jika penambang diputus, berjalan secara offline atau tidak menyelesaikan perhitungan pada bloknya, blok tersebut dibenci ke node lain di jaringan.



IAGON memanfaatkan teknologi blockchain untuk menjaga kejujuran node melalui algoritma IAGON distributed data mining. Blockchain menggunakan algoritma SHA256 dari blok sebelumnya untuk menjaga hubungan rantai ke keadaan historisnya (dalam kasus ini data). Hal ini memungkinkan IAGON untuk memberi insentif kepada para penambang di platformnya untuk memproses data dengan jujur ​​dan untuk mencegah manipulasi data output yang disengaja. Dengan menggunakan blockchain, IAGON sebenarnya adalah bagian yang benar dari blok tersebut. 

Hal ini dapat dicapai dalam kerangka blockchain sederhana yang serupa dengan yang digunakan oleh 'Bitcoin' oleh hashing input dengan hash dari blok sebelumnya. Blok kejadian dibuat secara internal di dalam blokir pribadi. Blockchain menyajikan pendekatan unik untuk berbagi data melalui jaringan terdesentralisasi. Data dapat disimpan, diproses dan divalidasi oleh jaringan node atau dapat disimpan dan divalidasi di dalam fasilitas internal dimana pemrosesan dioutsourcing ke jaringan node yang terdesentralisasi. Blockchain memungkinkan konsistensi untuk dipertahankan di seluruh struktur data.

Salah satu alasan utama blockchain dipertahankan secara pribadi adalah bersaing dengan database data besar di pasaran dalam hal volume, variasi dan kecepatan. Blockchain pribadi memungkinkan biaya penelitian, pengembangan dan fasilitas yang harus ditanggung oleh tim IAGON dengan masukan dari berbagai pemangku kepentingan karena menentang banyak pihak untuk mencapai konsensus yang cukup besar sebelum membuat perubahan besar dalam pengembangan sistem. Agar dapat mengikuti operasi baca dan tulis besar-besaran di dalam blokir pribadi, IAGON mungkin dalam skala masa depan untuk memperkenalkan beberapa blockchains pribadi untuk mengurangi potensi satu titik kegagalan yang dapat membawa keseluruhan sistem dengan menggunakan master-less. Arsitektur.



IAGON akan memperluas operasinya untuk mendukung penggunaan teknologi Smart Grid dan Secure Lake di platform Tangle, selain mengoperasikannya di blokir Ethereal. Teknologi Tangle didasarkan pada penerapan grafik asiklik terarah (DAG). Secara matematis, Tangle menghasilkan proses stokastik pada bidang Directed Acyclic Graphs (DAGs) yang "tumbuh" pada waktunya dengan melampirkan simpul baru ke grafik sesuai dengan jam Poissonian.

 Namun, tidak ada simpul (tepi) yang dihapus. Ketika sinyal tersebut menandakan sistem, sebuah simpul baru muncul dan menempel pada posisi pada grafik yang dipilih oleh proses jalan acak pada keadaan grafik sebelumnya (Popov et al., 2017). Penerapan teknologi Tangle membantu menyelesaikan beberapa masalah yang terkait dengan penerapan teknologi blockchain untuk skala besar operasi, termasuk kesulitan untuk skala blockchain, untuk mencapai konsensus tentang validitas blok saat blok baru terus berdatangan. Dengan menerapkan teknologi Tangle, IAGON dapat menawarkan solusi alternatif untuk organisasi dengan repositori Big Data yang dapat mendukung skala besar dalam tugas pengelolaan pemrosesan dan penyimpanan.
 

IAGON tidak menggunakan blockchain seperti cryptocurrencies lainnya. Bahkan kasus penggunaannya mendekati pengolahan data dengan metode yang lebih konvensional sehingga menggunakan mekanisme POW (proof of work) atau POS (bukti saham) untuk memberi penghargaan kepada penambang tertentu karena menemukan blok tertentu bukanlah solusi yang tepat. Oleh karena itu, IAGON menggunakan mekanismenya sendiri untuk menentukan kontribusi dan kecepatan pemrosesan para penambang dengan menggunakan metode yang dikenal sebagai bukti varians. Bukti varians mengklasifikasikan masing-masing penambang berdasarkan kontribusinya ke dalam kolam.

Penambang di dalam kolam yang sama kemudian saling bersaing satu sama lain. Penambang dari kolam bawah bisa ditingkatkan atau diturunkan berdasarkan beberapa faktor namun dua faktor utama adalah kecepatan dan jumlah penambang data dapat ditemukan. Bukti varians menggunakan kombinasi teori aljabar dan fungsi probabilitas untuk menghitung kontribusi penambang dan kolam mana penambang dapat diklasifikasikan di bawahnya. Hal ini memungkinkan penambang baru memperoleh keuntungan dari data mining dan meningkatkan aset pemrosesan mereka secara eksponensial sementara penambang berinvestasi lebih banyak ke aset mereka dapat memperoleh pengembalian investasi mereka segera. Teori probabilitas menggunakan fungsi diskrit dan kontinu dan hasil perubahan pertambangan dari waktu ke waktu.

Pencitraan Blok: Pencitraan blok adalah metode di mana beberapa subset dari blokir dicitrakan atau disalin untuk didistribusikan secara acak melintasi nodus. Gambar dari blok yang dikirim ke node akan berarti blockchain tidak mengalami permutasi apapun dan tetap tidak berubah. Secara teoritis, blok yang dipilih secara acak bercabang dan didistribusikan ke node untuk diproses. Algoritma pencitraan adalah metode yang sesuai yang scalable untuk memecahkan masalah besar secara sewenang-wenang dengan menggunakan node terdistribusi. Untuk membuat algoritma pencitraan blok, kita asumsikan itu dan blok dapat dipisahkan:
 



dengan asumsi variabel A sebagai blok:

 
Jika, dimana diperlakukan sebagai indeks baris blok dan sebagai indeks kolom blok fungsi dapat dinyatakan sebagai:
 




Bila demikian dan sekali semua subvektor berukuran 0, dan sepenuhnya dapat dipisahkan. Blok terpisah sepenuhnya tidak memiliki batasan pada partisi dengan tujuan akhir adalah membiarkan setiap blok ditangani oleh proses terpisah dan tidak melibatkan transfer matriks blok antar proses (Parikh dan Boyd, 2012).

Distribusi Binomial: Untuk memastikan distribusi blok dalam satu set (blok diasumsikan mencakup 0 sebagai blok genesis), untuk bilangan natural n dan k, di mana n ≥ k ≥ 0, koefisien binomial disusun menjadi beberapa baris untuk nilai berturutan n , dan di mana k berkisar dari 0 sampai n. Karena blok didefinisikan dalam bilangan natural dan dapat didefinisikan sebagai koefisien monomial dalam ekspansi. Koefisien memungkinkan penggunaan teorema binomial untuk mengukur distribusi blok data dengan menggunakan:


Memecahkan dimana bilangan bulat non-negatif memberikan jumlah kombinasi (Molenaar, 1970; Fog, 2008).
Metode ini memungkinkan skalabilitas sebagai nomor blok tumbuh dan algoritma dependen tidak lagi memerlukan data yang akan diuraikan dari keseluruhan blockchain setelah volume yang cukup diperoleh.

Continuous Time: IAGON menggunakan dinamika matematis tertentu yang dikenal sebagai waktu kontinyu sebagai kerangka kerja untuk melakukan perhitungan mengingat dimensi waktu tumbuh secara linier. Waktu terus menerus akan menjelaskan keterbatasan potensial yang ada dengan menggunakan model waktu diskrit saat berhadapan dengan simulasi berkelanjutan.

Bukti Varians: IAGON menggunakan fungsi kepadatan probabilitas dalam menentukan distribusi data dan klasifikasi penambang. Ini menggunakan fungsi variabel acak kontinu yang nilainya pada suatu titik tertentu dalam ruang sampel didefinisikan sebagai kemungkinan relatif dari penambang yang menemukan keluaran data dalam jumlah n blok.Block didistribusikan dengan cara ini kepada para penambang di seluruh sistemnya dimana kap umum kemungkinan penambang dengan tingkat probabilitas yang lebih tinggi dapat memproses data pada kecepatan yang lebih tinggi. Karena fungsi menggunakan variabel kontinyu dari waktu ke waktu, memungkinkan klasifikasi penambang berdasarkan kinerja daripada sistem undian atau memiliki saham dalam sistem tertentu.

Mengingat bahwa: 


Dimana distribusi Gaussian dilambangkan sebagai:





Dan bersama terus menerus dalam domain, D di ruang n-dimensi dari variabel antara X1 .... Xn: 




Akhirnya, varians digunakan untuk mengidentifikasi pengelompokkan miner tertentu dalam metrik kinerja vs waktu:


Bukti varians algoritma unik untuk kasus penggunaan dalam hal domain yang berbeda yang digunakan dalam perhitungannya. Karena blok dihasilkan dalam waktu dan proses yang kontinu terjadi asynchronous, penggunaan fungsi probabilitas memungkinkan sistem yang lebih adil untuk memberi penghargaan kepada para penambang berdasarkan kelompok yang ditambang oleh penambang. Bukti varians memungkinkan penambang baru memperbaiki daya komputasi mereka dari waktu ke waktu dan penambang yang ada dengan daya komputasi yang lebih besar dan kecepatan koneksi untuk mendapatkan imbalan yang proporsional dengan kontribusinya.


Seperti semua sistem otonom, selalu ada kebutuhan untuk beberapa bentuk intervensi manual saat berhadapan dengan anomali. Protokol resolusi memiliki seperangkat aturan saat berhadapan dengan anomali untuk menyelesaikannya secara otomatis atau melakukan pemrosesan lebih lanjut dengan sandboxing permintaan dan memungkinkan intervensi manual untuk menyelesaikan konflik.
 
 Protokol enkripsi / dekripsi digunakan untuk menyimpan data secara internal. Semua data yang tersimpan dalam platform IAGON dienkripsi sampai tingkat tertentu untuk melindungi data jika terjadi pelanggaran. IAGON memiliki berbagai pilihan untuk menyimpan data pada platformnya termasuk SQL, NoSQL, private blockchains dan penyedia penyimpanan pihak ketiga lainnya yang sesuai dengan persyaratan peraturan. IAGON pada intinya menggunakan AES-256 untuk mengenkripsi dan mendekripsi data. AES-256 adalah standar enkripsi yang direkomendasikan oleh NIST (Institut Nasional Standar dan Teknologi) dan menggunakan algoritma kunci simetris
 


IAGON pra-ICO dimulai pada tanggal 15 Maret 12 siang WEST, dan berlangsung berhari-hari. Pre-ICO menawarkan 20% token dengan harga 0,31 USD per IAGON, atau ekuivalennya di BTC, ETH, EUR, GBP dan JPY (diskon 11%).

Kerumunan IAGON dimulai pada tanggal 15 April 12:00 BARAT, dan berlangsung selama 60 hari. Pembelian dapat dilakukan di BTC, ETH, USD, EUR, GBP dan JPY sesuai dengan tarif berikut:
Hari 1 - Hari ke 3 dari penjualan - 1 token IAGON akan diberikan seharga 0,33 USD (diskon 6%)

Hari ke-4 - Hari ke 60 dari penjualan - 1 token IAGON akan diberikan seharga 0,35 USD (tanpa diskon) 

Pra-ICO IAGON dimulai pada tanggal 15 Maret 12:00 WEST, dan berlangsung berhari-hari. Pre-ICO menawarkan 20% token dengan harga 0,31 USD per IAGON, atau ekuivalennya di BTC, ETH, EUR, GBP dan JPY (diskon 11%). Selain pra-ICO, crowdsale menawarkan 50% token IAGON kepada publik (menawarkan total 500.000.000 token). Jumlah total token IAG selama 2 fase: 700.000.000 token.

30% token lainnya (maksimal 300.000.000 token) akan didedikasikan untuk: 10% untuk tim IAGON, 10% untuk pembimbing dan pemburu hadiah, 10% untuk pengembangan. Tim IAGON bekerja keras untuk mendukung reputasi IAGON sebagai platform terdepan untuk layanan penyimpanan dan pemrosesan, meningkatkan adopsi di antara pengguna yang mengalokasikan sumber daya komputasi dan pelanggan potensial mereka.

Pengembangan perangkat lunak IAGON dan perangkat lunak penambang akan segera berlanjut setelah selesainya ICO. Pengenalan versi beta dari platform dan klien diharapkan pada Q4 2018.


Mode pembelian token yang disarankan adalah melalui transfer kriptografi dan bukan transfer kawat, karena biaya yang lebih rendah dan durasi penyelesaian transfer melalui sistem perbankan. Meskipun demikian, transfer uang hanya diperbolehkan dalam USD, EUR, JPY dan GBP. Ikuti petunjuk rinci untuk transfer uang ICO di situs kami.
 

Tim eksekutif IAGON dipimpin oleh Dr. Navjit Dhaliwal, seorang profesional yang sangat berpengalaman di bidang investasi kriptocurrency dan operasi keuangan.
Anggota tim IAGON adalah:
 Kontrak Token dan audit terkait akan dipublikasikan di Etherscan nanti. Kami mengundang semua peserta potensial untuk memeriksanya untuk fitur dan fungsionalitas.


IAGON hanya merupakan token fungsional yang dimaksudkan untuk digunakan untuk mengimbangi IAGON untuk penggunaan platform IAGON. IAGON token akan memberi pemegang token dan akses pengguna ke platform IAGON. IAGON bukan untuk investasi spekulatif. Tidak ada janji mengenai nilai atau kinerja masa depan yang dibuat mengenai IAGON. Tidak ada janji mengenai nilai tertentu dari IAGON yang dibuat. Tidak ada hak lain yang terkait dengan memegang IAGON diberikan. Hasil penjualan token dapat digunakan saat perusahaan melihat sesuai, yang mungkin berubah sebagaimana yang dianggap perlu dalam pematangan dan kemajuan IAGON.

Tim kami berinvestasi dalam keamanan dan keamanan layanan IAGON. Namun, kita tidak bisa melindungi dari semua sumber kesalahan dan perbuatan jahat yang diprakarsai oleh pihak manapun. Oleh karena itu, semua risiko yang diasumsikan dengan menggunakan platform IAGON dalam kapasitas apa pun, mentransfer 'menerima dan mengumpulkan token IAGON semata-mata diasumsikan oleh pengguna.

 IAGON token dimaksudkan untuk dimiliki dan digunakan oleh mereka yang berpengalaman dan berpengetahuan luas dalam token kriptografi, akuisisi, transfer dan penggunaannya hanya untuk mengakses layanan yang ditawarkan di platform IAGON. IAGON dan timnya harus mematuhi undang-undang yang ditetapkan di negara operasionalnya. Kami bermaksud menyediakan layanan kami sebagai desentralisasi mode yang layak dilakukan, namun badan hukum kami harus bertindak sesuai dengan peraturan dan batasan yang dikodekan dalam undang-undang yang berlaku. Ini termasuk namun tidak terbatas pada undang-undang yang mengatur operasi keuangan, pekerjaan, biaya pengisian, dan penjualan.

Terimakasih atas perhatian anda 


User name Bitcointalk   : Eko manghas

Link User Bitcointalk      : https://bitcointalk.org/index.php?action=profile;u=1185858

MEW address            : 0x46aC7111fDD8dE01E461238fC6bb0749229db2D3

Email                          : yogiyoga292@gmail.com







Comments

Post a Comment

Popular Posts