Siapa Saja yang Sebenarnya Direkrut oleh Anthropic? 1.680 CV Memberikan Jawabannya

marsbitDipublikasikan tanggal 2026-06-15Terakhir diperbarui pada 2026-06-15

Abstrak

Analisis terhadap 1.680 riwayat hidup insinyur di Anthropic mengungkap gambaran tak terduga: perusahaan ini lebih mengutamakan "pembangun" (builder) berpengalaman daripada "peneliti" murni. Berdasarkan data LinkedIn, tim teknik Anthropic berkembang pesat dalam 18 bulan terakhir, dengan lebih dari separuh insinyurnya baru bergabung kurang dari setahun. Rekrutan baru umumnya sangat senior, dengan pengalaman kerja rata-rata 12,2 tahun, dan banyak berasal dari perusahaan dengan reputasi teknik kuat seperti Google, Meta, Amazon, Microsoft, Stripe, Databricks, Snowflake, dan Palantir. Latar belakang insinyur cenderung pada infrastruktur, sistem backend, sistem terdistribusi, database, dan keamanan. Hanya 13,7% yang bergelar PhD. Sumber rekrutan terbesar adalah Google, bukan laboratorium AI pesaing. Untuk kandidat awal karir (kurang dari 6 tahun pengalaman), jalan masuk biasanya melalui magang di perusahaan top, prestasi kompetisi, publikasi makalah, atau pengalaman di proyek keselamatan/alignment AI. Intinya, Anthropic beroperasi lebih seperti perusahaan infrastruktur yang sangat terengineering. Saran bagi pelamar: soroti pengalaman membangun dan mengembangkan sistem berskala besar, bukan hanya keahlian riset.

Catatan Editor: Dunia luar sering membayangkan Anthropic sebagai laboratorium AI yang terdiri dari doktor, peneliti, dan pakar model mutakhir. Namun, analisis terhadap riwayat hidup 1.680 insinyur ini memberikan jawaban yang lebih realistis: inti dari Anthropic bukan hanya "penelitian", melainkan "pembangunan".


Artikel ini menganalisis 5.306 profil LinkedIn yang mencantumkan Anthropic sebagai perusahaan tempat kerja saat ini, dan kemudian menyaring 1.680 riwayat hidup insinyur di antaranya, menghasilkan kesimpulan yang kontra-intuitif: profil talenta inti Anthropic bukanlah "peneliti" seperti yang dibayangkan dunia luar, melainkan sekelompok "pembangun" (builder) yang berpengalaman—orang-orang yang benar-benar mampu membangun, menjalankan, dan mengembangkan sistem berskala besar.

Data menunjukkan bahwa tim teknik Anthropic hampir seluruhnya terbentuk dalam 18 bulan terakhir: lebih dari setengah insinyur saat ini telah bergabung kurang dari setahun. Namun, karyawan baru umumnya sangat senior, dengan pengalaman kerja median sebelum bergabung mencapai 12,2 tahun, dan banyak berasal dari perusahaan-perusahaan yang terkenal dengan kemampuan teknik dan infrastrukturnya seperti Google, Meta, Amazon, Microsoft, Stripe, Databricks, Snowflake, Palantir.

Ini juga menjelaskan fokus sebenarnya dari organisasi teknik Anthropic: dibandingkan dengan penelitian model yang menjadi sorotan publik, perusahaan ini lebih mirip perusahaan infrastruktur yang sangat terrekayasa (highly engineered). Latar belakang insinyurnya terutama terkonsentrasi pada infrastruktur, backend, sistem terdistribusi, basis data, dan keamanan; hanya 13,7% yang bergelar doktor, mayoritas adalah insinyur senior dengan gelar sarjana atau magister.

Peluang untuk karier awal bukan tidak ada sama sekali, tetapi ambang batasnya juga sangat tinggi: magang di perusahaan teknologi papan atas, prestasi kompetisi, publikasi makalah, atau pengalaman proyek keamanan/penyelarasan AI (AI safety/alignment) sering menjadi sinyal seleksi pengganti pengalaman kerja.

Saran penulis di akhir juga cukup langsung: jika ingin bergabung dengan Anthropic, jangan tulis resume Anda seperti yang ditujukan untuk laboratorium penelitian, melainkan soroti sistem berskala besar yang benar-benar pernah Anda bangun, kembangkan, dan rawat. Kompetisi AI mutakhir di lapisan dasarnya semakin mendekati kompetisi kemampuan teknik dan kemampuan infrastruktur.

Berikut adalah teks aslinya:

Pembangun, Bukan Peneliti

Saya mengambil (scrape) semua profil LinkedIn yang mencantumkan Anthropic sebagai pemberi kerja saat ini, total 5.306 orang. Kemudian, saya menyaring 1.680 orang yang benar-benar berada di posisi teknik, dan selanjutnya melihat 7.986 catatan dalam deskripsi pekerjaan masa lalu mereka, menganalisis apa yang mereka lakukan sebelum bergabung dengan Anthropic.

Berikut hasilnya.

Organisasi Ini Hampir Mengembang dalam Semalam

Hanya ada 15 insinyur yang bergabung dengan Anthropic sebelum tahun 2021 dan masih bekerja hingga sekarang. Pada tahun 2025, tim teknik organisasi ini hampir meluas tiga kali lipat, dengan penambahan 686 insinyur baru tahun itu; kecepatan perekrutan tahun 2026 juga diperkirakan setara, dengan penambahan 455 orang hingga Juni.

Di tim teknik saat ini, separuh orang memiliki masa kerja di Anthropic kurang dari setahun. 53% orang bergabung dalam 12 bulan terakhir. Masa kerja median: 10 bulan.

Ini adalah organisasi berskala besar, tetapi hampir seluruhnya dibangun dalam waktu sekitar 18 bulan.

Hampir Hanya Merekrut Insinyur Senior

Pengalaman kerja median sebelum bergabung dengan Anthropic adalah 12,2 tahun. 50% di tengah memiliki pengalaman 8,8 hingga 16,5 tahun. Dari 1.680 orang ini, hanya 50 orang yang pengalaman kerjanya kurang dari 3 tahun. 44% orang memiliki pengalaman kerja 13 tahun atau lebih. Rekrutmen lulusan baru pada dasarnya tidak ada.

Dengan kata lain, karyawan baru tipikal Anthropic adalah seorang insinyur dengan pengalaman 12 tahun, tetapi hanya bekerja di Anthropic selama 10 bulan.

Jelas Lebih Condong ke Infrastruktur, Daripada Penelitian dalam Arti Tradisional

Latar belakang infrastruktur muncul dalam riwayat hidup 40% insinyur. Backend, sistem terdistribusi, basis data, dan keamanan masing-masing menyumbang sekitar 20%. Pembelajaran penguatan (reinforcement learning/RL), yang merupakan "RL" dalam RLHF, hanya muncul dalam riwayat hidup 3,3% orang.

Insinyur tipikal Anthropic biasanya membangun sistem produksi berskala besar selama satu dekade terakhir di penyedia layanan cloud berskala sangat besar, atau di startup yang berfokus pada infrastruktur.

Keterampilan yang mereka cantumkan juga menunjukkan hal yang sama: Python 585 orang, Java 566 orang, C++ 443 orang, JavaScript 376 orang, SQL 302 orang, Linux 230 orang, Sistem Terdistribusi 189 orang, AWS 154 orang. Pekerjaan pelatihan model yang terdengar lebih "seksi" tentu ada, tetapi proporsinya rendah.

Sumber Talenta Terbesar Bukan Laboratorium, Melainkan Google

Banyak yang mengira Anthropic terutama merekrut orang dari OpenAI dan DeepMind. Namun, saluran talenta terbesarnya, dengan selisih jauh, adalah Google. Laboratorium pesaing itu hanyalah dua pilar kecil di tengah grafik.

Anthropic jelas lebih menyukai perusahaan-perusahaan yang terkenal dengan ketelitian rekayasanya (engineering rigor): Stripe, Databricks, Snowflake, Palantir, Airbnb.

Jika melihat di mana insinyur-insinyur ini pernah bekerja sebelumnya, peringkatnya adalah: Google 405 orang, Meta 273 orang, Amazon 197 orang, Microsoft 171 orang, Stripe 124 orang, Apple 87 orang, Stanford 68 orang, DeepMind 62 orang, Airbnb 51 orang, OpenAI 48 orang. Separuh dari tim teknik saat ini, yaitu 50%, memiliki setidaknya satu kali pengalaman kerja di FAANG dalam riwayat hidupnya.

Tentu saja, mereka juga merekrut dari laboratorium AI lainnya. OpenAI adalah salah satu dari lima sumber langsung terbesar, DeepMind adalah salah satu dari enam sumber langsung terbesar. Sekitar 94 insinyur pindah langsung dari laboratorium AI mutakhir lainnya ke Anthropic.

Mitos tentang Doktor

Hanya 13,7% orang yang memiliki gelar doktor. Sekitar satu dari tujuh orang.

Target rekrutan tipikal Anthropic bukanlah ilmuwan peneliti, melainkan insinyur senior dengan gelar sarjana atau magister. Bayangan "seluruh laboratorium adalah doktor" pada tingkat tim teknik pada dasarnya salah.

Distribusi latar belakang pendidikan juga sepenuhnya sesuai dengan gambaran organisasi "tipe pembangun": Ilmu Komputer 819 orang, diikuti Matematika 78 orang, Fisika 70 orang, Teknik Komputer 69 orang. Filsafat juga masuk 20 besar, total 13 orang, mungkin terkait dengan bidang keamanan.

Stanford Jelas Memimpin sebagai Sumber Rekrutan

Dari sisi institusi pendidikan, peringkat kumulatif historis adalah: Stanford 144 orang, Berkeley 118 orang, MIT 80 orang, CMU 73 orang, Harvard 42 orang, Cambridge 39 orang, UW 36 orang, Waterloo dan Cornell masing-masing 35 orang, Oxford 33 orang, Princeton 32 orang. Empat institusi teratas ini menggabungkan seperempat dari seluruh tim teknik.

80% orang memiliki jabatan yang sama.

"Member of Technical Staff" (Anggota Staf Teknis/MoTS).

Seorang mantan CTO Instagram, beberapa mantan pendiri Adept, dan staf pengajar Stanford, jabatan mereka di Anthropic hanyalah "MoTS". Rataannya (flattening) jabatan ini jelas disengaja. Senioritas dan fungsi spesifik sengaja disembunyikan dalam desain.

Di Mana Satu-Satunya Jalur Masuk ke Anthropic bagi Orang di Tahap Karier Awal?

Ada 172 insinyur dengan pengalaman kerja kurang dari 6 tahun, 50 di antaranya kurang dari 3 tahun. Namun, mereka bukan lulusan baru dalam arti biasa. Mereka secara kasar terbagi menjadi dua kategori, hampir tidak ada insinyur menengah biasa di antaranya.

Dibandingkan dengan seluruh tim teknik, mereka menunjukkan karakteristik yang jelas berbeda: proporsi doktor lebih tinggi, mencapai 19%, sedangkan keseluruhan 13,7%; proporsi jabatan produk/SWE tiga kali lipat dari keseluruhan, mencapai 15%, sedangkan keseluruhan hanya 5%; kemungkinan mereka memiliki riwayat FAANG juga jauh lebih rendah, hanya 32%, sedangkan keseluruhan 50%.

Pengganti tahun pengalaman mereka adalah modal prestise jenis lain:

Saluran magang. 50% di antaranya mencantumkan pengalaman magang di perusahaan-perusahaan berikut: Meta 16 orang, Google 10 orang, DeepMind 6 orang, Microsoft 5 orang, Amazon 5 orang, ditambah Jane Street, Two Sigma, HRT, Optiver, Nvidia.

Dari perdagangan kuantitatif ke laboratorium AI. 9% orang pernah berada di lembaga perdagangan (trading) papan atas, termasuk Jane Street, Two Sigma, Five Rings, HRT, Optiver, Citadel. Ini adalah sekelompok talenta muda bertipe kompetisi matematika/komputer, yang masuk ke laboratorium AI melalui industri perdagangan frekuensi tinggi (high-frequency trading).

Fellowship arah penyelarasan (Alignment). 6% orang pernah terlibat dengan MATS, SERI, Redwood, atau ARC. Ini adalah pintu masuk yang hampir hanya terbuka untuk talenta awal, dan hampir tidak ada di kalangan senior.

Gambaran yang sangat jelas adalah: MIT, medali perak IOI, peringkat Codeforces 2900+, langsung masuk ke bidang reinforcement learning dan keamanan setelah bekerja empat tahun. Dasar seleksi mereka bukanlah lama bekerja, melainkan peringkat kompetisi dan publikasi makalah.

Insinyur muda ini juga lebih internasional dibandingkan insinyur senior. Sumber institusi untuk insinyur berpengalaman rendah termasuk: Berkeley 15 orang, Stanford 14 orang, Cambridge 10 orang, MIT 7 orang, Tsinghua 7 orang, Oxford 6 orang, ditambah Imperial, NUS, Shanghai Jiao Tong University, ETH Zürich.

Lantas, Bagaimana Anda Harus Memahami Informasi Ini?

Jika Anda ingin bergabung dengan Anthropic sebagai insinyur, jangan tulis resume Anda seperti yang ditujukan untuk laboratorium penelitian, tulis seperti yang ditujukan untuk perusahaan infrastruktur. Tunjukkan sistem yang benar-benar pernah Anda bangun dan kembangkan. Inilah resume yang diterima.

Tahap karier awal adalah satu-satunya pengecualian. Pada tahap ini, ambang batasnya bukan pengalaman kerja biasa, melainkan magang papan atas, peringkat kompetisi, atau makalah.

Jika Anda sedang bersaing merebut orang dengan Anthropic, target Anda bukanlah "doktor" atau "latar belakang laboratorium" itu sendiri, melainkan para Pembangun senior dari penyedia layanan cloud berskala sangat besar atau perusahaan dengan reputasi teknik yang sangat kuat: mereka memiliki sekitar 12 tahun pengalaman, mungkin berasal dari Stripe, Databricks, Snowflake, Palantir. Anthropic telah aktif memancing di kolam talenta ini.

Kripto yang Sedang Tren

Pertanyaan Terkait

QApa kesimpulan utama dari analisis profil 1.680 insinyur di Anthropic?

AAnalisis menunjukkan inti talenta Anthropic bukanlah peneliti, tetapi 'builder' atau pembangun — insinyur berpengalaman yang mampu membangun, menjalankan, dan mengembangkan sistem skala besar. Tim lebih menyerupai perusahaan infrastruktur yang sangat termekanisasi daripada lab penelitian AI.

QBerapa tahun pengalaman kerja median yang dimiliki insinyur sebelum bergabung dengan Anthropic?

APengalaman kerja median sebelum bergabung dengan Anthropic adalah 12.2 tahun. 44% insinyur memiliki 13 tahun atau lebih pengalaman. Hanya 50 dari 1.680 insinyur memiliki pengalaman kurang dari 3 tahun.

QLatar belakang teknis apa yang paling dominan di kalangan insinyur Anthropic?

ALatar belakang infrastruktur adalah yang paling dominan, muncul di 40% profil. Bidang seperti backend, sistem terdistribusi, database, dan keamanan masing-masing muncul di sekitar 20% profil. Keterampilan yang paling sering disebut adalah Python, Java, C++, JavaScript, SQL, Linux, dan sistem terdistribusi.

QPerusahaan apa yang menjadi sumber talenta terbesar bagi Anthropic?

ASumber talenta terbesar adalah Google, jauh melampaui sumber lainnya. Perusahaan lain yang menjadi sumber utama termasuk Meta, Amazon, Microsoft, Stripe, Databricks, Snowflake, dan Palantir — perusahaan yang terkenal dengan kemampuan rekayasa dan infrastrukturnya.

QBagaimana seseorang dengan pengalaman karir awal dapat bergabung dengan Anthropic?

AJalur utama untuk kandidat berpengalaman rendah (kurang dari 6 tahun) adalah melalui prestasi luar biasa, bukan pengalaman kerja biasa. Ini termasuk magang di perusahaan top seperti FAANG atau lab AI, peringkat tinggi dalam kompetisi pemrograman (seperti IOI, Codeforces), publikasi penelitian, atau pengalaman dalam program fellowship keselamatan/penyelarasan AI (seperti MATS, SERI).

Bacaan Terkait

Dialog dengan Ray Dalio: Saat Ini Berada dalam Gelembung AI, 1% Portofolio Investasi Adalah Bitcoin

Sumber: The Diary Of A CEO Ray Dalio, pendiri Bridgewater Associates yang meramalkan krisis keuangan 2008, memperingatkan bahwa ledakan AI saat ini menunjukkan tanda-tanda klasik gelembung ekonomi yang dapat pecah dan memicu resesi. Dalam wawancara podcast, dia menjelaskan dinamika "siklus besar" yang didorong oleh ketimpangan kekayaan, defisit pemerintah, dan perubahan geopolitik. Dalio mengidentifikasi pola di mana antusiasme berlebihan terhadap teknologi revolusioner baru, seperti AI, menyebabkan harga aset melambung dan pinjaman berlebihan. Ketika kondisi berubah (seperti kenaikan suku bunga atau kebutuhan tunai), gelembung ini dapat pecah, menyebabkan penurunan harga aset, kerugian luas, dan kontraksi ekonomi. Untuk melindungi kekayaan di masa ketidakpastian, Dalio sangat menekankan pentingnya **diversifikasi portofolio**—termasuk saham, obligasi, emas, dan real estat—daripada mengandalkan uang tunai saja. Dia mengungkapkan bahwa sekitar **1% portofolionya adalah Bitcoin**, yang diakuinya sebagai aset keras, tetapi dia lebih menyukai **emas fisik** karena sejarahnya sebagai penyimpan nilai dan aset bebas liabilitas. Mengenai dampak AI, Dalio percaya bahwa teknologi ini akan menggantikan tidak hanya tenaga fisik tetapi juga kemampuan kognitif manusia, berpotensi memperlebar kesenjangan antara pemilik modal dan pekerja. Masa depan akan menguntungkan mereka yang dapat memadukan kecerdasan manusia (seperti emosi dan intuisi) dengan kemitraan AI. Secara geopolitik, Dalio menggambarkan dunia yang memasuki fase "penurunan" dalam tatanan global, dengan Amerika Serikat menghadapi tantangan internal dan eksternal, termasuk konflik seperti di Iran yang mengungkap kelemahannya. Dia memprediksi dunia mungkin menjadi lebih terregionalisasi di masa depan. Secara keseluruhan, kunci untuk navigasi melalui periode kompleks ini adalah pemahaman akan pola sejarah, adaptasi, dan diversifikasi yang cermat.

marsbit1j yang lalu

Dialog dengan Ray Dalio: Saat Ini Berada dalam Gelembung AI, 1% Portofolio Investasi Adalah Bitcoin

marsbit1j yang lalu

Rekor! Beli Bersih Asing 7,2 Triliun Won dalam Sehari, Wall Street: Tekanan Likuiditas di Pasar Saham Korea Telah Mereda

**Ringkasan: Rekor Pembelian Asing dan Peningkatan Likuiditas di Pasar Saham Korea** Aliran modal asing menunjukkan perubahan signifikan di pasar saham Korea (KOSPI). Pada 31 Juli, investor asing melakukan pembelian bersih rekor sebesar 7,2 triliun Won Korea dalam sehari, menandai pembalikan dari tren penjualan bersih besar-besaran dalam beberapa bulan terakhir. Secara bulanan, penjualan bersih asing menyusut drastis menjadi 9,8 triliun Won di Juli, turun dari 48,4 triliun dan 44,5 triliun Won pada Juni dan Mei. Tekanan penjualan dari lembaga domestik juga mereda. Dana pensiun dan reksa dana domestik justru menjadi pembeli bersih 1,0 triliun Won di Juli, setelah dua bulan sebelumnya menjadi penjual bersih. Faktor pendukung lainnya adalah peraturan baru dari Komisi Jasa Keuangan (FSC) yang memberlakukan syarat lebih ketat bagi investor ritel untuk masuk ke ETF leverage saham tunggal, yang langsung mengurangi volume perdagangan instrumen tersebut hingga sekitar 50%. Kebijakan ini diperkirakan dapat menekan volatilitas pasar. Citigroup mempertahankan target indeks KOSPI di level 10.000 poin, menyoroti memudarnya angin penentu likuiditas. Analis mereka menilai faktor fundamental seperti industri chip memori yang solid, valuasi historis yang rendah, fundamental ekonomi Korea yang kuat, dan dukungan kebijakan berpotensi menjadi pendorong bagi pasar.

marsbit1j yang lalu

Rekor! Beli Bersih Asing 7,2 Triliun Won dalam Sehari, Wall Street: Tekanan Likuiditas di Pasar Saham Korea Telah Mereda

marsbit1j yang lalu

Pembaruan! AI Generasi Berikut OpenAI Pecahkan 10 Masalah Kelas Medali Fields

**OpenAI Model Astra Pecahkan 10 Masalah Matematika Kelas Fields Medal!** OpenAI mengumumkan terobosan besar dari model internal terbarunya, Astra. Model ini dilaporkan telah membuat kemajuan signifikan dalam **10 masalah matematika yang belum terpecahkan**, dengan biaya komputasi hanya sekitar **$2000**. Hasilnya dipublikasikan dalam makalah setebal 249 halaman. Beberapa pencapaian utama meliputi: 1. **Menyelesaikan masalah "non-sofic group"** yang diajukan Mikhail Gromov tahun 1999, dengan membangun contoh kelompok yang tak hingga dan finitely presented yang bukan sofic. Ini dianggap sebagai kemajuan bersejarah. 2. **Memecahkan batas lama dalam masalah pengepakan bola berdimensi tinggi** (sphere packing), meningkatkan batas yang telah bertahan sejak 1978 untuk dimensi tak hingga. 3. **Menyangkal dugaan "Connes Rigidity"** dengan membangun keluarga tak terhitung dari kelompok berbeda yang menghasilkan aljabar von Neumann yang sama persis. Semua bukti telah diverifikasi menggunakan asisten pembuktian formal Lean 4, memastikan ketepatannya. Para ahli matematika menyebut temuan ini sebagai **momen bersejarah**, setara dengan prestasi penghargaan Fields Medal, dan menandai kemampuan AI untuk melakukan penalaran matematika mendalam di berbagai bidang. OpenAI juga membagikan proses penalaran model, menunjukkan langkah maju yang besar menuju AGI (Artificial General Intelligence).

marsbit3j yang lalu

Pembaruan! AI Generasi Berikut OpenAI Pecahkan 10 Masalah Kelas Medali Fields

marsbit3j yang lalu

Bagaimana Membuat Diri Sendiri Tak Tergantikan oleh Kecerdasan Buatan

**Ringkasan: Bagaimana Membuat Diri Anda Tak Tergantikan oleh AI** Artikel ini membahas ancaman nyata dalam era AI: bukan kehilangan pekerjaan, tetapi "perbudakan gaji"—ketergantungan pada sistem dan orang lain untuk bertahan hidup. Solusinya adalah menjadi "individu super" yang "tak bisa dipekerjakan" dengan membangun bisnis atau karya sendiri. Kunci untuk bertahan dan berkembang di masa depan bukan sekadar keterampilan teknis, tetapi menguasai lima elemen yang sulit digantikan AI: 1. **Otonomi (Agency):** Kemampuan bertindak tanpa menunggu perintah. 2. **Rasa (Taste):** Pengalaman untuk mengetahui apa yang bernilai untuk ditawarkan. 3. **Kemampuan Persuasi (Persuasion):** Keterampilan menarik perhatian dan pengakuan. 4. **Ketekunan (Persistence):** Memahami bahwa kegagalan adalah bagian dari proses. 5. **Iterasi (Iteration):** Kemampuan memperbaiki kesalahan berdasarkan umpan balik. Lima elemen ini dapat dikembangkan dengan **membuat konten** (media). Dibandingkan pemrograman (code), konten lebih unggul karena nilainya subjektif, membutuhkan penilaian manusia, dan merupakan alat distribusi yang ampuh untuk membangun koneksi dan otoritas. Untuk memulai transformasi: 1. **Ubah lingkungan** Anda secara drastis untuk memicu perubahan identitas. 2. **Gali "bahan mentah"** Anda: Identifikasi pengetahuan mendalam, masalah yang pernah Anda selesaikan, dan minat unik masa kecil Anda. 3. **Temukan "poros pemikiran balik"**: Tentukan pendapat kontra-intuitif atau keyakinan Anda yang bertentangan dengan arus utama dalam bidang Anda. 4. **Luncurkan ide pertama** Anda besok. Gabungkan jawaban dari langkah 2 dan 3, lalu publikasikan. Umpan balik nyata dari dunia adalah guru terbaik. Intinya, bangunlah *karier seumur hidup* yang autentik berdasarkan pengalaman dan sudut pandang unik Anda. Dengan memanfaatkan AI sebagai alat dan fokus pada pengembangan diri yang tak tergantikan, Anda dapat mengambil kendali atas hidup dan masa depan Anda.

marsbit3j yang lalu

Bagaimana Membuat Diri Sendiri Tak Tergantikan oleh Kecerdasan Buatan

marsbit3j yang lalu

Kunci Bitcoin Disimpan Offline Berkat Lemparan Dadu, Tetapi Tidak Semua Orang Akan Melakukannya

Berdasarkan insiden kerentanan generator angka acak pada perangkat hardware wallet Coldcard, artikel ini membahas metode pembuatan kunci Bitcoin menggunakan dadu untuk menghasilkan entropi mandiri. Claude Shannon mengukur ketidakpastian dengan konsep entropi, di mana satu lemparan dadu enam sisi setara dengan sekitar 2,585 bit. Praktik melempar dadu 50 hingga 99 kali dapat menghasilkan frasa pemulihan 12 kata yang aman (128 bit entropi), melampaui ketergantungan pada generator perangkat. Namun, insiden Coldcard mengungkap bahwa meskipun seed utama dibuat dari dadu aman, fungsi lain seperti dompet kertas, kunci kloning, dan password masih berpotensi menggunakan generator cacat. Peneliti keamanan Kevin Loaec menekankan bahwa perlindungan hanya berlaku untuk seed utama, bukan keseluruhan sistem. Proses manual ini membutuhkan ketelitian tinggi, rentan kesalahan, dan tidak praktis bagi kebanyakan pengguna baru. Oleh karena itu, meski kuat secara matematis, metode ini lebih cocok untuk pengguna berpengalaman. Artikel menyarankan pemilik Coldcard untuk memperbarui firmware, memeriksa fungsi yang pernah digunakan, dan mempertimbangkan skema multisignature dengan perangkat dari produsen berbeda untuk mitigasi risiko. Tujuan jangka panjang adalah perangkat yang dapat menghasilkan keacakan kuat secara mandiri, tanpa memerlukan prosedur rumit dari pengguna.

cryptonews.ru7j yang lalu

Kunci Bitcoin Disimpan Offline Berkat Lemparan Dadu, Tetapi Tidak Semua Orang Akan Melakukannya

cryptonews.ru7j yang lalu

Trading

Spot

Artikel Populer

Cara Membeli PEOPLE

Selamat datang di HTX.com! Kami telah membuat pembelian ConstitutionDAO (PEOPLE) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli ConstitutionDAO (PEOPLE) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan ConstitutionDAO (PEOPLE) AndaSetelah melakukan pembelian, simpan ConstitutionDAO (PEOPLE) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading ConstitutionDAO (PEOPLE)Lakukan trading ConstitutionDAO (PEOPLE) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

720 Total TayanganDipublikasikan pada 2024.12.12Diperbarui pada 2026.06.02

Cara Membeli PEOPLE

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga PEOPLE (PEOPLE) disajikan di bawah ini.

活动图片