O que é a Ontologia de Agrupamento de Endereços da Chainalysis? Padronizando o Rastreamento de Blockchain para Aplicação da Lei

2026/07/04 10:05:00

A ontologia de agrupamento de endereços da Chainalysis é um framework proposto para tornar o rastreamento da blockchain mais padronizado, transparente e legalmente útil. Publicada em 29 de junho de 2026 pelo cientista-chefe da Chainalysis, Jacob Illum, o framework foca em uma das perguntas mais importantes nas investigações de cripto: quando múltiplos endereços da blockchain parecem conectados, o que exatamente essa conexão prova? A Chainalysis argumenta que o termo “cluster” foi frequentemente usado de forma muito ampla, misturando relações técnicas de endereços, suposições de controle de carteira, rótulos de serviços e atribuição no mundo real. A nova ontologia foi projetada para separar essas afirmações, permitindo que investigadores, equipes de conformidade, tribunais e provedores de análises avaliem evidências da blockchain com maior precisão.

A proposta chega à medida que a análise de blockchain desempenha um papel cada vez maior em casos de aplicação da lei, triagem de sanções, conformidade de exchanges, investigações de fraude e recuperação de ativos. As blockchains públicas mostram transações e endereços, mas não revelam automaticamente a pessoa, empresa, serviço ou grupo criminoso por trás de cada carteira. É por isso que os investigadores frequentemente combinam a análise de transações on-chain com informações off-chain, como registros de exchanges, intimações, servidores apreendidos, contas de usuários, dados de IP e outras evidências. A ontologia da Chainalysis tenta criar uma estrutura mais clara para esse processo, definindo o que os dados de blockchain podem provar, o que eles só podem sugerir e onde ainda são necessárias evidências adicionais.

O que é a Ontologia de Agrupamento de Endereços da Chainalysis?

A ontologia de agrupamento de endereços da Chainalysis é um modelo estruturado para agrupar endereços de criptomoedas e explicar as evidências por trás desses agrupamentos. Na rastreabilidade da blockchain, um “cluster” geralmente se refere a múltiplos endereços que podem ser controlados pela mesma carteira, exchange, serviço ou ator. No entanto, a Chainalysis argumenta que o agrupamento de endereços, o controle de carteira e a atribuição no mundo real são níveis diferentes de evidência. A ontologia separa essas camadas para que um analista possa explicar se uma conclusão se baseia em comportamento determinístico na blockchain, atribuição baseada em inteligência, sinais de aprendizado de máquina ou registros investigativos externos.

O framework importa porque os endereços de blockchain não são os mesmos que identidades verificadas. Uma carteira de criptomoeda pode gerenciar ou criar muitos endereços, e esses endereços podem interagir com exchanges, contratos inteligentes, pontes, misturadores ou outros serviços. Entender como as carteiras de criptomoeda gerenciam endereços de blockchain ajuda a explicar por que o agrupamento é útil, mas também por que deve ser tratado com cuidado. Um grupo de endereços pode parecer relacionado, mas isso não prova automaticamente quem os controla no mundo real.

A Chainalysis descreve a ontologia como um modelo de evidência em dois níveis. O primeiro nível foca em afirmações estruturais, como se vários endereços estão ligados por comportamento on-chain reproduzível. O segundo nível foca em atribuição, ou seja, se um cluster pode ser conectado a uma exchange conhecida, mercado de darknet, golpe, grupo de ransomware, mixer, plataforma de jogos ou outra entidade por meio de fontes documentadas e níveis de confiança. Essa distinção é importante porque um gráfico de transações pode mostrar o movimento de fundos, mas a identidade geralmente exige evidências adicionais.

As partes principais da ontologia incluem:

Agrupamento de endereços: Identificar quando vários endereços de blockchain podem estar conectados por meio de sinais de controle comuns.
Evidência estrutural: Explicando o método on-chain utilizado para construir um cluster.
Evidência de atribuição: Vincular um cluster a um serviço, entidade ou categoria de atividade nomeados.
Níveis de confiança: Indicando se uma afirmação é forte, limitada ou apenas uma pista de investigação.
Limitações conhecidas: Reconhecer casos em que um método de agrupamento pode produzir resultados enganosos.

Por que os padrões de agrupamento de endereços são importantes para investigações na blockchain

Os padrões de agrupamento de endereços são importantes porque as investigações na blockchain frequentemente dependem da precisão com que os analistas conectam endereços, carteiras, serviços e fluxos de fundos. Um único caso de ativos roubados pode envolver dezenas ou centenas de endereços em exchanges, pontes, misturadores e rotas de pagamento. Sem padrões claros, um sistema de análise pode tratar um grupo de endereços como fortemente conectado, enquanto outro pode classificar a mesma atividade de forma diferente. Isso pode criar confusão em investigações, revisões de conformidade e processos judiciais.

1. Padrões claros reduzem a atribuição falsa à blockchain

A atribuição falsa é um dos maiores riscos nas investigações de criptomoedas. Se endereços forem agrupados incorretamente, uma carteira legítima, um endereço de depósito de exchange ou uma conta de serviço pode ser vinculada a atividades suspeitas que não controlou. A Chainalysis destacou um exemplo em que duas ferramentas de análise forneceram rótulos drasticamente diferentes para o mesmo endereço de depósito, mostrando como o correspondência de padrões superficiais pode levar a erros graves quando a evidência não é claramente explicada.

Um padrão de agrupamento mais robusto ajuda a separar evidências reais de suposições. Por exemplo, uma carteira pode receber fundos de um endereço arriscado, mas isso nem sempre significa que o proprietário da carteira participou do crime original. Um cluster pode mostrar comportamento de transação comum, mas ainda pode exigir dados da exchange ou outros registros antes que uma identidade do mundo real possa ser confirmada. Ao documentar o tipo de evidência e o nível de confiança, os investigadores podem evitar transformar sinais fracos em conclusões definitivas.

2. Melhor agrupamento ajuda a rastrear fundos de criptomoeda roubados

Agentes criminosos raramente mantêm criptomoedas roubadas em um único local. Os fundos podem ser divididos em quantias menores, encaminhados por múltiplas carteiras, transferidos entre cadeias, enviados por misturadores ou depositados em exchanges. O agrupamento de endereços ajuda os investigadores a construir um mapa mais amplo de atividades relacionadas, em vez de tratar cada endereço como separado. Isso pode apoiar investigações envolvendo hacks, ataques de phishing, pagamentos de ransomware, mercados da darknet, redes de fraude, evasão de sanções e rotas de lavagem. A rastreabilidade na blockchain geralmente começa com registros de transações que podem ser revisados por meio de ferramentas públicas e plataformas analíticas. Um Explorador blockchain mostra históricos de transações, saldos de carteiras e atividade da rede, o que o torna útil para verificar movimentos visíveis na cadeia. No entanto, um Explorador sozinho não explica controle, intenção ou identidade. É por isso que os padrões de agrupamento são importantes: eles ajudam a transformar dados brutos de transações em evidências estruturadas, sem exagerar o que a blockchain prova.

3. Métodos reprodutíveis tornam a revisão da evidência mais fácil

Para que a evidência da blockchain seja útil em investigações sérias, o método por trás da conclusão deve ser explicável. Um gráfico de transações pode parecer persuasivo, mas as equipes jurídicas e de conformidade precisam saber como o cluster foi criado, se outro analista pode reproduzir o mesmo resultado, quais suposições foram utilizadas e quais modos de falha existem. A Chainalysis afirma que as afirmações de agrupamento estrutural devem ser determinísticas, reprodutíveis, auditáveis e apoiadas por limitações conhecidas.

Esse tipo de reprodutibilidade é importante tanto na aplicação da lei quanto na conformidade. Se um cluster de endereços for usado para apoiar uma intimação, congelamento de ativos, revisão de conta ou testemunho pericial, a conclusão não deve depender apenas de um rótulo de caixa-preta. Uma ontologia definida oferece aos analistas uma maneira de explicar se a evidência vem do comportamento de transações, inteligência de serviços, registros de usuários, saídas de aprendizado de máquina ou uma combinação de fontes.

O que a Ontologia significa para a aplicação da lei e a conformidade com criptomoedas

Para as forças de segurança, a ontologia da Chainalysis pode tornar mais fácil explicar e defender evidências na blockchain. Investigadores podem separar conexões estruturais na blockchain de afirmações de atribuição, o que é crítico, pois relações entre carteiras e identidade no mundo real não são a mesma coisa. Para equipes de conformidade em criptoativos, a ontologia pode melhorar as análises de risco de carteiras, mostrando se um alerta se baseia em exposição direta, exposição indireta, atribuição suspeita, inteligência confirmada ou um sinal de menor confiança.

1. As autoridades policiais recebem um quadro mais forte para evidências

Investigações de aplicação da lei muitas vezes exigem mais do que apenas rastrear fundos de uma carteira para outra. Os investigadores podem precisar demonstrar por que determinados endereços estão conectados, se o mesmo agente provavelmente os controlou e se o cluster pode ser vinculado a um serviço ou suspeito conhecido. A ontologia fornece a eles uma maneira mais organizada de explicar esses passos. Em vez de dizer “esses endereços pertencem juntos”, um analista pode explicar que os endereços estão estruturalmente conectados por comportamento on-chain reproduzível, enquanto a atribuição no mundo real depende de evidências separadas.

Essa distinção tornou-se especialmente importante no caso Bitcoin Fog envolvendo Roman Sterlingov. A Chainalysis mencionou o caso como parte do contexto para explicar por que a análise de blockchain precisa de padrões evidenciais mais fortes, e os relatos judiciais sobre o caso demonstraram como a metodologia de rastreamento de criptoativos pode enfrentar desafios legais. A lição mais ampla é que as evidências de blockchain devem ser suficientemente claras para revisão técnica e escrutínio legal.

2. Os tribunais precisam de linguagem mais clara para rastrear criptomoedas

Rastrear criptomoedas pode ser difícil em tribunal, pois termos como “endereço”, “carteira”, “cluster”, “rótulo de serviço” e “identidade” são frequentemente mal compreendidos. Uma ontologia padronizada pode ajudar peritos e investigadores a explicar a diferença entre uma relação na blockchain e uma atribuição no mundo real. Isso é especialmente importante quando um caso envolve mixers, pontes, endereços de depósito em exchange ou infraestrutura de serviço compartilhada. Uma explicação útil em tribunal pode precisar responder a várias perguntas: O agrupamento de endereços foi reproduzível? A atribuição foi baseada em fontes documentadas? O aprendizado de máquina foi usado apenas como pista ou como evidência mais forte? O analista separou os dados on-chain da inteligência off-chain? A ontologia da Chainalysis foi projetada para tornar essas distinções mais explícitas.

3. As equipes de conformidade podem melhorar as análises de risco de carteiras

Para exchanges, custódios, plataformas de fintech e instituições financeiras, os padrões de agrupamento de endereços podem melhorar a forma como as atividades suspeitas de carteiras são analisadas. Sistemas de conformidade frequentemente verificam depósitos e saques em busca de exposição a endereços ilícitos, entidades sancionadas, golpes, carteiras de ransomware e serviços de alto risco. Se a lógica de agrupamento for incerta, os sistemas podem gerar muitos falsos positivos ou não identificar riscos conectados entre carteiras relacionadas.

A ontologia pode ajudar as equipes de conformidade a distinguir entre:

Uma transação direta com um endereço ilícito confirmado
Exposição indireta por meio de vários saltos de transação
Um cluster ligado a um serviço de alto risco conhecido
Um padrão suspeito que ainda precisa ser revisado
Um sinal fraco que não deve ser tratado como atribuição confirmada

Essa distinção é importante porque nem toda exposição da carteira apresenta o mesmo nível de risco. Uma transferência direta de um endereço sancionado é diferente de uma conexão distante por meio de muitas transações. Uma carteira de golpe conhecida é diferente de um endereço recém-criado que apenas apresenta comportamento suspeito.

4. A segurança da carteira e a monitoração de fraudes tornam-se mais fáceis de explicar

A ontologia também é relevante para a prevenção de fraude, pois muitas investigações criptográficas começam com carteiras comprometidas, ataques de phishing ou manipulação de endereços. O guia de segurança da KuCoin sobre riscos de manipulação de endereço de saque explica como os atacantes podem substituir um endereço de destinatário copiado ou inserido por um que controlam, o que demonstra por que o monitoramento em nível de endereço é importante em casos reais. Quando fundos roubados são transferidos de uma carteira vítima para endereços controlados pelo atacante, o agrupamento pode ajudar a mapear para onde esses fundos irão em seguida.

Ao mesmo tempo, padrões de agrupamento mais robustos podem evitar reações exageradas. Uma carteira vítima, uma carteira de golpista e um endereço de depósito de exchange podem todos aparecer na mesma cadeia de transações, mas não desempenham o mesmo papel. Uma ontologia clara ajuda os analistas a descrever cada papel com mais cuidado e a evitar tratar todos os endereços em um caminho de fluxo de fundos como igualmente responsáveis.

Aprendizado de Máquina, Qualidade da Evidência e os Limites dos Dados On-Chain

Uma das partes mais importantes da proposta da Chainalysis é sua cautela em relação ao aprendizado de máquina. Modelos preditivos podem ajudar a detectar comportamentos incomuns, identificar possíveis padrões de serviço e priorizar pistas de investigação. No entanto, a Chainalysis argumenta que os resultados do aprendizado de máquina não devem ser tratados da mesma forma que evidências forenses determinísticas. Um modelo pode sugerir que um endereço parece semelhante a um certo tipo de serviço, mas isso não prova automaticamente controle comum ou identidade no mundo real. Isso é importante porque muitos comportamentos na blockchain podem parecer semelhantes à distância. Pagamentos repetidos, horários regulares, infraestrutura compartilhada e padrões de transação semelhantes podem criar sinais úteis, mas também podem produzir erros. Um alerta de aprendizado de máquina pode ser útil no início de uma investigação, enquanto conclusões mais fortes devem exigir evidência on-chain reprodutível, atribuição baseada em inteligência ou confirmação off-chain.

A ontologia também reforça uma limitação básica do rastreamento na blockchain: a movimentação de fundos não é identidade. Livros públicos podem mostrar que ativos se moveram entre endereços, mas nem sempre conseguem explicar quem controlava uma carteira, por que uma transação ocorreu ou se uma única pessoa controlou cada etapa. É por isso que evidências fora da cadeia permanecem essenciais. Registros de exchange, dispositivos apreendidos, contas de usuários, comunicações, informações de IP e processos legais frequentemente fornecem a camada de identidade que os dados da blockchain sozinhos não conseguem fornecer.

Como a ontologia da Chainalysis pode moldar o futuro da forense de criptomoedas

A ontologia de agrupamento de endereços da Chainalysis pode influenciar o futuro da forense cripto, transformando a análise de blockchain em uma disciplina de evidências mais estruturada. À medida que as investigações relacionadas a cripto se tornam mais comuns, agências de aplicação da lei, equipes de conformidade, empresas de análise, reguladores e tribunais precisam de uma linguagem mais clara para discutir relações entre carteiras, exposição a transações, atribuição, níveis de confiança e risco. Sem essa linguagem compartilhada, a mesma atividade de carteira pode ser interpretada de forma diferente em plataformas ou instituições distintas, o que pode criar confusão em investigações, revisões de conformidade e processos legais.

1. Uma linguagem compartilhada poderia reduzir a confusão nas investigações de blockchain

Um dos maiores benefícios potenciais da ontologia é que ela fornece aos investigadores e equipes de conformidade um vocabulário mais claro para explicar o que realmente significa uma alegação de rastreamento na blockchain. Hoje, um provedor de análise pode rotular um cluster de carteiras como de alto risco, enquanto outro pode descrever a mesma atividade como apenas fracamente conectada a fundos suspeitos. Essa diferença nem sempre significa que uma ferramenta está errada; pode significar que elas estão usando padrões de evidência diferentes, fontes de dados distintas ou limiares de confiança variados. Um quadro compartilhado poderia tornar essas diferenças mais fáceis de comparar, pois os analistas poderiam explicar o tipo de alegação feita, a evidência por trás dela e os limites da conclusão.

2. Padrões melhores de evidência poderiam fortalecer a forense de criptomoedas

A proposta também poderia tornar a forense cripto mais disciplinada, incentivando os analistas a separarem a estrutura on-chain da atribuição no mundo real. Os dados da blockchain podem mostrar padrões de transação, interações entre carteiras e movimentação de fundos, mas não provam automaticamente quem controla um endereço ou por que uma transação ocorreu. Um modelo de evidência mais robusto ajuda os analistas a fazerem perguntas melhores antes de chegar a uma conclusão: O agrupamento de endereços é reprodutível? A atribuição é apoiada por inteligência documentada? Qual o nível de confiança associado à afirmação? Quais são as limitações conhecidas? Essa abordagem poderia tornar o rastreamento da blockchain mais útil em investigações sérias, pois afasta o processo de rótulos amplos e aproxima-o do raciocínio baseado em evidências.

3. Métricas na cadeia poderiam ser interpretadas com mais cuidado

A ontologia também pode melhorar a compreensão das métricas de atividade on-chain. Por exemplo, medições em nível de rede, como carteiras ativas únicas como uma métrica de atividade on-chain, podem mostrar tendências de participação em uma rede blockchain, mas não revelam automaticamente quem controla essas carteiras. O mesmo princípio se aplica a investigações forenses. Os dados da blockchain podem revelar comportamento, atividade e movimentação de fundos, mas identidade e intenção geralmente exigem evidências complementares mais robustas. Ao separar a atividade observável das afirmações de atribuição, a ontologia poderia ajudar a evitar que analistas exagerem o que os dados brutos on-chain podem provar.

4. O Framework Não Substitui a Revisão Humana ou o Processo Legal

A ontologia da Chainalysis é um importante esforço de padronização, mas não resolve todos os problemas nas investigações de blockchain. Ela não torna todas as ferramentas de análise totalmente transparentes, não garante que cada cluster esteja correto nem elimina a necessidade de revisão humana experiente. Também não substitui mandados judiciais, registros de exchanges, dispositivos apreendidos, dados de comunicação ou outras evidências fora da blockchain que possam ser necessárias para identificar uma pessoa ou organização real por trás de uma carteira. Portanto, o framework deve ser entendido como um passo em direção a uma melhor disciplina de evidências, e não como uma regra legal final ou um sistema de prova automática.

5. O futuro da análise de blockchain precisará de equilíbrio

Uma abordagem equilibrada será importante à medida que a forense cripto se tornar mais amplamente utilizada. A divulgação pública total de cada método de agrupamento pode ajudar atores mal-intencionados a evitar detecção, enquanto rótulos vagos e fechados podem danificar a confiança e criar resultados injustos para usuários e instituições legítimos. A versão mais robusta da análise de blockchain provavelmente se situará entre esses extremos: suficientemente transparente para revisão profissional, cuidadosa o suficiente para uso legal e de conformidade, e suficientemente protegida para preservar a eficácia investigativa. Se a ontologia da Chainalysis ganhar adoção mais ampla, poderá ajudar a impulsionar a indústria em direção a esse ponto intermediário, tornando as afirmações de agrupamento de carteiras mais claras, mais responsáveis e mais fáceis de avaliar.

Conclusão

A ontologia de agrupamento de endereços da Chainalysis é significativa porque tenta padronizar como as afirmações de rastreamento de blockchain são definidas, revisadas e explicadas. Seu principal valor não é simplesmente agrupar endereços. A maior contribuição é separar diferentes tipos de evidência: vínculos estruturais entre endereços, atribuição a entidades do mundo real, níveis de confiança, pistas de aprendizado de máquina e verificação fora da blockchain.

Para as forças policiais, isso pode facilitar a apresentação e defesa de investigações cripto. Para equipes de conformidade, pode reduzir falsos positivos e melhorar as decisões de risco de carteira. Para os tribunais, pode fornecer linguagem mais clara para avaliar evidências de blockchain. Para o setor cripto como um todo, pode impulsionar a análise de blockchain longe de rótulos vagos e em direção a afirmações baseadas em evidências com limites definidos. A principal lição é que o rastreamento de blockchain é poderoso, mas deve ser usado com cuidado. O agrupamento de endereços pode revelar relações importantes entre carteiras, mas não identifica automaticamente uma pessoa. A aprendizagem de máquina pode ajudar a gerar pistas, mas não deve substituir evidências reprodutíveis. A ontologia da Chainalysis é, portanto, melhor compreendida como um passo em direção a tornar a forense cripto mais responsável, transparente e legalmente útil.

Perguntas frequentes

O agrupamento de endereços é o mesmo que identificar um usuário de criptomoeda?

Não. O agrupamento de endereços pode mostrar que vários endereços da blockchain podem estar relacionados, mas não identifica automaticamente a pessoa por trás deles. A identidade no mundo real geralmente exige evidências adicionais, como registros de conta em exchange, solicitações legais, dispositivos apreendidos, comunicações do usuário ou outras informações fora da cadeia. A ontologia da Chainalysis é importante porque separa as relações entre endereços das afirmações de identidade.

Por que a Chainalysis publicou uma ontologia de agrupamento de endereços?

A Chainalysis publicou a ontologia para criar padrões mais claros para a análise de blockchain. O objetivo é definir o que significa um “cluster”, que evidências o sustentam e qual nível de confiança deve ser atribuído a uma afirmação de rastreamento. Isso ajuda a reduzir a confusão quando os dados de blockchain são utilizados em investigações, revisões de conformidade e processos legais.

A agrupação de endereços pode estar errada?

Sim. O agrupamento de endereços pode estar errado se os analistas confiarem em sinais fracos, dados incompletos ou padrões que parecem semelhantes, mas têm causas diferentes. Endereços de depósito compartilhados, infraestrutura de exchange, misturadores, pontes e fluxos de transações complexos podem todos criar conexões enganosas. É por isso que a Chainalysis enfatiza a qualidade da evidência, a reprodutibilidade e os modos de falha conhecidos.

Como o agrupamento de endereços ajuda a recuperar criptomoedas roubadas?

O agrupamento de endereços pode ajudar a mapear para onde os fundos roubados se deslocam após um ataque de hack, golpe, phishing ou pagamento de ransomware. Em vez de rastrear um endereço de cada vez, os investigadores podem procurar carteiras relacionadas, pontos de depósito, rotas de saque e serviços envolvidos no fluxo de fundos. No entanto, a recuperação geralmente ainda depende da cooperação das exchanges, do processo legal e da possibilidade de congelar os fundos antes que se movam novamente.

A ontologia torna o rastreamento da blockchain aceito em tribunal?

Não automaticamente. A ontologia pode facilitar a explicação do rastreamento da blockchain, mas os tribunais ainda avaliam as evidências caso a caso. Um juiz pode considerar se o método é confiável, se o especialista consegue explicá-lo claramente e se as conclusões são sustentadas por evidências suficientes. A CoinDesk relatou que a Chainalysis propôs o framework em parte para melhorar a forma como as afirmações de agrupamento de endereços são compreendidas e avaliadas.

Qual é a diferença entre uma carteira, um endereço e um cluster?

Um endereço de blockchain é um destino para enviar ou receber cripto. Uma carteira é um software, hardware ou infraestrutura que pode gerenciar um ou muitos endereços. Um cluster é um grupo de endereços que métodos de análise acreditam poder estar conectados. O ponto principal é que um cluster é uma conclusão analítica, não a mesma coisa que uma identidade verificada.

O machine learning pode provar que endereços pertencem juntos?

O aprendizado de máquina pode apoiar investigações de blockchain, mas não deve ser tratado como prova por si só. Um modelo pode detectar atividades incomuns, sugerir um padrão provável ou priorizar pistas para análise. Afirmações forenses mais robustas geralmente exigem evidências on-chain reproduzíveis, fontes de atribuição documentadas ou confirmação off-chain. O framework da Chainalysis define especificamente limites sobre onde modelos preditivos devem e não devem ser utilizados.

Como os misturadores e pontes afetam o agrupamento de endereços?

Mixers e bridges tornam o agrupamento mais complexo porque podem quebrar a visibilidade direta das transações, agrupar fundos de muitos usuários ou mover ativos entre cadeias. Isso não torna o rastreamento impossível, mas aumenta a necessidade de padrões cuidadosos de evidência. Um elo fraco por meio de um mixer ou bridge não deve ser tratado da mesma forma que uma transferência direta entre duas carteiras controladas.

Aviso

As informações fornecidas nesta página podem originar-se de fontes de terceiros e não necessariamente representam as visões ou opiniões da KuCoin. Este conteúdo destina-se exclusivamente a fins informativos gerais e não deve ser considerado como aconselhamento financeiro, de investimento ou profissional. A KuCoin não garante a exatidão, completude ou confiabilidade das informações e não se responsabiliza por quaisquer erros, omissões ou consequências decorrentes do seu uso. Investir em ativos digitais apresenta riscos inerentes. Por favor, avalie cuidadosamente sua tolerância ao risco e sua situação financeira antes de tomar quaisquer decisões de investimento. Para mais detalhes, consulte os Termos de Uso e o Desclosure de Risco da KuCoin.

Aviso legal: Esta página foi traduzida usando tecnologia de IA para sua conveniência. Para informações mais precisas, consulte a versão original em inglês.