Dalam posting ini, kami menunjukkan bagaimana Anda dapat menggunakan Kamar Bersih AWS untuk memungkinkan kolaborasi data antara lembaga kesehatan masyarakat. Instansi pemerintah kesehatan masyarakat perlu memahami tren yang terkait dengan berbagai kondisi dan perawatan kesehatan di seluruh populasi untuk membuat kebijakan dan perawatan dengan tujuan meningkatkan kesejahteraan berbagai komunitas yang mereka layani.
Untuk melakukan ini, lembaga-lembaga ini perlu menganalisis data dari banyak sumber, seperti organisasi klinis, organisasi komunitas non-klinis, dan data administratif dari lembaga pemerintah lainnya, sehingga mereka dapat mengidentifikasi tren seputar kondisi kesehatan dan perawatan di seluruh populasi. Kesehatan masyarakat perlu memahami apa yang terjadi pada populasi dalam komunitas yang mereka layani.
Karena mereka melihat populasi yang berisiko, mereka memerlukan fleksibilitas daftar kasus, dilucuti dari informasi identitas pribadi (PII). Dengan informasi ini, mereka dapat menilai risiko berdasarkan berbagai faktor demografis dan sosial yang tersedia di sumber data tanpa membocorkan PII. Daftar tersebut memberi mereka fleksibilitas untuk menerapkan analisis yang lebih kompleks, seperti regresi, juga pada data yang ditautkan. Program seperti MENDAS, MDPHnet, dan KODE telah menjelajahi menggunakan data klinis dalam jaringan terdistribusi untuk memahami beban penyakit kronis di masyarakat selama bertahun-tahun. Tantangan yang dihadapi program ini mencakup aturan berbagi data yang rumit dan pendekatan analitik terdistribusi, di seluruh jaringan penyedia data. MENDS dan MDPHnet, misalnya, menjalankan analitik di tingkat organisasi tanpa melakukan duplikasi di seluruh situs. Permintaan individu didorong ke setiap situs tempat mereka diproses dan ditinjau oleh manusia, dan keluaran gabungan dikirim ke badan kesehatan masyarakat.
AWS Clean Room menawarkan peluang untuk mengurangi beban penyedia data dalam program seperti ini, sekaligus memungkinkan lembaga kesehatan masyarakat untuk menganalisis data menggunakan kueri mereka sendiri dan memitigasi risiko terhadap privasi data dengan mencegah akses ke data mentah yang mendasarinya.
Ikhtisar Kamar Bersih AWS
Kamar Bersih AWS pertama kali diumumkan di AWS re:Invent 2022, dan kini tersedia secara umum. AWS Clean Room memungkinkan pelanggan dan mitra mereka berkolaborasi dengan lebih mudah dan aman pada kumpulan data kolektif mereka—tanpa berbagi atau menyalin data pokok satu sama lain. AWS Clean Room menyediakan serangkaian kontrol peningkatan privasi yang membantu melindungi data sensitif, termasuk kontrol kueri, pembatasan keluaran kueri, pencatatan kueri, dan alat komputasi kriptografis.
Dengan AWS Clean Room, Anda dapat berkolaborasi dan menganalisis data dengan pihak lain dalam kolaborasi tanpa salah satu pihak harus berbagi atau menyalin data mentah. Kamar Bersih AWS adalah layanan tanpa kewarganegaraan; itu tidak menyimpan data. Alih-alih, ia membaca data dari tempat tinggalnya, menerapkan batasan yang melindungi data dasar setiap peserta pada waktu proses kueri, dan mengembalikan hasilnya. Kueri dapat ditulis untuk memotong dan menganalisis sumber data menggunakan elemen metadata umum (misalnya, geografi, pengidentifikasi bersama, atau faktor demografis lainnya), menghasilkan daftar tingkat baris yang tumpang tindih antara sumber data atau jumlah gabungan menurut populasi, kondisi, atau strata lainnya.
AWS Clean Room membantu lembaga kesehatan masyarakat menganalisis data kolektif untuk mendapatkan gambaran yang lebih lengkap tentang kesehatan dan kesejahteraan komunitas mereka, sekaligus menjaga keamanan dan privasi data.
Ikhtisar solusi
Sebelum kita mulai dengan AWS Clean Room, pertama-tama mari kita bicara tentang beberapa konsep utama layanan:
- Kolaborasi – Ini adalah batas logis yang aman di AWS Clean Room yang dibuat oleh pembuat kolaborasi. Saat membuat kolaborasi, pembuat dapat mengundang anggota tambahan untuk bergabung dalam kolaborasi. Peserta yang diundang dapat melihat daftar anggota kolaborasi sebelum mereka menerima undangan untuk bergabung dalam kolaborasi.
- Anggota – Ini mengacu pada pelanggan AWS yang menjadi peserta dalam kolaborasi. Semua anggota kolaborasi dapat menggabungkan data; namun, hanya satu anggota yang dapat membuat kueri dan menerima hasil per kolaborasi, dan anggota tersebut tidak dapat diubah.
- Aturan analisis – AWS Clean Room mendukung dua jenis aturan analisis:
- Pengumpulan – Anggota dapat menjalankan kueri yang mengumpulkan statistik menggunakan fungsi COUNT, SUM, atau AVG di sepanjang dimensi opsional. Kueri agregasi tidak akan mengungkapkan data tingkat baris.
- Daftar – Anggota dapat menjalankan kueri yang menghasilkan data tingkat baris dari tumpang tindih antara dua tabel.
- Tabel yang dikonfigurasi – Anggota dapat mengkonfigurasi yang ada Lem AWS tabel untuk digunakan di AWS Clean Room. Data ini disimpan di Layanan Penyimpanan Sederhana Amazon (Amazon S3) dalam format data terbuka dan dikatalogkan di AWS Glue Data Catalog. Setiap tabel yang dikonfigurasi berisi aturan analisis yang menentukan bagaimana data dapat ditanyakan. Setelah dikonfigurasi, anggota dapat mengaitkan tabel yang dikonfigurasi ke satu atau beberapa kolaborasi.
Memulai AWS Clean Room adalah proses empat langkah:
- Pembuat mengonfigurasi kolaborasi dan mengundang satu atau beberapa anggota ke kolaborasi.
- Anggota yang diundang bergabung dalam kolaborasi.
- Anggota dapat mengonfigurasi tabel AWS Glue yang ada untuk digunakan di AWS Clean Room.
- Anggota dengan izin untuk melakukannya dapat menjalankan kueri dalam kolaborasi.
Prasyarat
Untuk panduan ini, Anda memerlukan yang berikut:
Buat kolaborasi dan undang satu atau beberapa anggota
Anda harus menentukan konfigurasi kolaborasi Anda di konsol AWS Clean Rooms, melalui Antarmuka Baris Perintah AWS (AWS CLI), atau dengan AWS SDK. Kami mendemonstrasikan cara mengonfigurasi ini di konsol.
- Di konsol AWS Clean Rooms, pilih Ciptakan kolaborasi.
- Untuk Nama, masukkan nama (misalnya, kolaborasi Demo).
- Untuk Deskripsi Produk, tambahkan deskripsi opsional.
- Dalam majalah Anggota bagian, tambahkan anggota berikut:
- Anggota 1 – Masukkan nama tampilan anggota (ID akun AWS Anda diisi secara otomatis).
- Anggota 2 – Masukkan nama tampilan anggota dan ID akun AWS untuk anggota yang ingin Anda undang.
- Pilih Tambahkan anggota lain untuk menambah anggota lagi.
- Dalam majalah Kemampuan anggota bagian, pilih satu anggota yang akan melakukan kueri dan menerima hasil.
- Dalam majalah Pencatatan kueri bagian, pilih Mendukung pencatatan kueri untuk kolaborasi ini untuk memasukkan kueri amazoncloudwatch log.
- Pilih Selanjutnya.
- Dalam majalah Keanggotaan kerjasama bagian, pilih opsi penyimpanan yang Anda sukai untuk CloudWatch.
- Pilih Selanjutnya.
- pada Tinjau dan buat halaman, pilih Ciptakan kolaborasi dan keanggotaan setelah meninjau rincian untuk memastikan akurasi.
Selamat atas terciptanya kolaborasi pertama Anda! Anda dapat melihat detail kolaborasi di Kolaborasi .
Bergabunglah dengan kolaborasi
Setiap anggota kolaborasi dapat masuk ke konsol AWS Clean Room, meninjau undangan, dan memutuskan untuk bergabung dalam kolaborasi dengan mengikuti langkah-langkah berikut:
- Di konsol AWS Clean Rooms, pilih Kolaborasi di panel navigasi.
- pada Tersedia untuk bergabung tab, pilih kolaborasi yang mengundang Anda.
Di halaman detail, Anda dapat meninjau kemampuan anggota.
- Pilih opsi penyimpanan log pilihan Anda dan pilih Buat keanggotaan.
- Di halaman konfirmasi, verifikasi bahwa anggota yang tercantum sesuai dengan perjanjian berbagi data Anda, lalu pilih Buat keanggotaan.
Setelah Anda membuat keanggotaan, status anggota Anda diubah menjadi Aktif di dasbor kolaborasi.
Konfigurasikan tabel AWS Glue yang ada untuk digunakan di AWS Clean Room
AWS Clean Room tidak mengharuskan Anda membuat salinan data karena ini membaca data dari Amazon S3. Ini menghilangkan kebutuhan untuk menyalin dan memuat data Anda ke tujuan di luar akun AWS Anda masing-masing, atau menggunakan layanan pihak ketiga untuk memfasilitasi berbagi data.
Setiap anggota kolaborasi dapat membuat tabel terkonfigurasi, sumber daya AWS Clean Room yang berisi referensi ke Katalog Data AWS Glue dengan data dasar yang menentukan bagaimana data tersebut dapat digunakan. Tabel yang dikonfigurasi dapat digunakan di banyak kolaborasi.
- Di konsol AWS Clean Rooms, pilih Tabel yang dikonfigurasi di panel navigasi.
- Pilih Konfigurasi tabel baru.
- Pilih database untuk mengisi daftar tabel AWS Glue, dan pilih tabel yang ingin Anda kaitkan dengan kolaborasi.
Untuk setiap tabel yang dipilih, Anda dapat menentukan kolom mana yang dapat diakses dalam kolaborasi tersebut.
- Pilih Semua kolom atau pilih Daftar kustom untuk memilih subkumpulan kolom yang akan tersedia dalam kolaborasi.
- Masukkan nama untuk tabel yang dikonfigurasi.
- Pilih Konfigurasi tabel baru.
Selain kontrol akses tingkat kolom, AWS Clean Room menyediakan kontrol kueri terperinci yang disebut aturan analisis. Dengan aturan analisis bawaan dan fleksibel, Anda dapat menyesuaikan kueri dengan kebutuhan bisnis tertentu. Seperti yang telah dibahas sebelumnya, AWS Clean Room menyediakan dua jenis aturan analisis:
- Aturan analisis agregasi – Ini memungkinkan kueri yang menggabungkan data tanpa mengungkapkan informasi tingkat baris. Fungsi yang tersedia meliputi COUNT, SUM, dan AVG, beserta dimensi opsional.
- Daftar aturan analisis – Ini memungkinkan kueri yang menghasilkan analisis atribut tingkat baris dari tumpang tindih antara tabel di ruang kolaborasi.
Kedua tipe aturan memungkinkan pemilik data untuk mengamanatkan gabungan antara set data mereka dan set data kolaborator yang menjalankan kueri. Ini membatasi hasil hanya pada perpotongan kumpulan data kolaborator.
- Pada tabel yang dikonfigurasi, pilih Konfigurasikan aturan analisis untuk mengonfigurasi aturan analisis.
- Untuk posting ini, kami pilih Daftar karena kami ingin menanyakan status imunisasi pasien dengan menggabungkan data imunisasi dari kontributor lain.
- Pilih metode pembuatan dan pilih Selanjutnya.
- Untuk menentukan kriteria untuk gabungan tabel, di Gabung kontrol bagian, pilih nama kolom yang sesuai untuk bergabung.
- Untuk menentukan kolom mana yang akan dikeluarkan, identifikasikan yang ada di Daftar kontrol bagian.
- Pilih Selanjutnya.
- Pilih Konfigurasikan aturan analisis pada Tinjau dan konfigurasikan .
Anda akan melihat pesannya Aturan analisis daftar berhasil dikonfigurasi pada halaman tabel yang dikonfigurasi.
- Pilih Kaitkan dengan kolaborasi untuk menautkan tabel ini ke kolaborasi yang Anda buat.
- Tinjau detailnya di Tabel asosiasi halaman dan pilih Tabel asosiasi.
Halaman kolaborasi akan menampilkan daftar tabel yang Anda kaitkan dengan kolaborasi.
Setiap anggota kolaborasi harus mengulangi langkah-langkah yang disebutkan di atas untuk mengaitkan tabel Katalog Data AWS Glue mereka ke kolaborasi. Untuk postingan ini, anggota kolaborasi lainnya mengikuti langkah yang sama untuk mengaitkan data mereka ke kolaborasi. Kemudian kolaborasi akan mencantumkan semua tabel yang terkait dengan anggota lain.
Setelah menentukan aturan analisis pada tabel yang dikonfigurasi dan mengaitkannya ke kolaborasi, anggota yang dapat membuat kueri dan menerima hasil dapat mulai menulis kueri sesuai dengan batasan yang ditentukan oleh setiap anggota kolaborasi yang berpartisipasi. Bagian berikut menyertakan contoh kueri kolaborasi.
Jalankan kueri dalam kolaborasi
Tangkapan layar berikut adalah contoh kueri yang tidak akan berhasil karena * tidak didukung. Nama kolom harus ditentukan dalam kueri.
Tangkapan layar berikut adalah contoh kueri yang tidak akan berhasil karena Anda tidak dapat menautkan kolom yang dibatasi anggota dalam gabungan Anda.
Tangkapan layar berikut adalah contoh kueri yang akan berhasil karena menggunakan kolom yang diizinkan (kolom yang merupakan bagian dari aturan analisis daftar) dalam kondisi klausa pilih dan gabung.
Kumpulan data sampel (Pasien dan Imunisasi) yang digunakan dalam postingan ini menyertakan pengidentifikasi unik (ID pasien). Namun, dalam skenario dunia nyata, ini mungkin bukan masalahnya. Dalam situasi tersebut, Anda dapat mempertimbangkan untuk menggunakan tautan catatan pelestarian privasi (PPRL) untuk membuat token deidentifikasi unik. Misalnya, program CODI CDC mendeduplikasi seluruh pemilik data dengan mengaburkan PII di balik firewall masing-masing organisasi dengan cara standar. Informasi yang dikaburkan tersebut digabungkan untuk membuat token unik yang tidak teridentifikasi untuk setiap individu yang dianalisis di seluruh sumber data. Jika lembaga kesehatan masyarakat ingin melakukan analisis berdasarkan data longitudinal yang ditautkan secara individual, mereka dapat menerapkan PPRL ke setiap sumber data dan menggunakan elemen metadata tersebut untuk menautkan sumber data di AWS Clean Room sebelum melakukan analitik mereka.
Membersihkan
Sebagai bagian dari panduan ini, Anda menyediakan kolaborasi AWS Clean Rooms, mengundang anggota lain untuk bergabung dalam kolaborasi, dan mengonfigurasi tabel. Untuk menghapus sumber daya ini, lihat Meninggalkan kolaborasi dan Memisahkan tabel yang dikonfigurasi.
Kesimpulan
Dalam postingan ini, kami menunjukkan cara membuat kolaborasi, mengundang anggota lain ke kolaborasi, mengonfigurasi tabel AWS Glue Catalog yang ada, menerapkan aturan analisis, dan menjalankan kueri sampel di konsol AWS Clean Room. Di Bagian 2 dari seri ini, kami mendemonstrasikan cara mengotomatiskan proses kueri menggunakan AWS Lambda, kueri hasil menggunakan Amazon Athena, dan publikasikan dasbor menggunakan Amazon QuickSight.
Tentang Penulis
Venkata Kampana adalah Arsitek Solusi Senior di tim AWS Health and Human Services dan berbasis di Sacramento, CA. Dalam peran itu, dia membantu pelanggan sektor publik mencapai tujuan misi mereka dengan solusi yang dirancang dengan baik di AWS.
Dr Dawn Heisey-Grove adalah pemimpin analisis kesehatan masyarakat untuk tim pemerintah negara bagian dan lokal Amazon Web Services. Dalam peran ini, dia bertanggung jawab untuk membantu lembaga kesehatan masyarakat negara bagian dan lokal berpikir kreatif tentang cara mencapai tantangan analitik dan tujuan jangka panjang mereka. Dia menghabiskan karirnya menemukan cara baru untuk menggunakan data yang ada atau baru untuk mendukung pengawasan dan penelitian kesehatan masyarakat.
Jim Daniel adalah pimpinan Kesehatan Masyarakat di Amazon Web Services. Sebelumnya, dia memegang posisi di Departemen Kesehatan dan Layanan Kemanusiaan Amerika Serikat selama hampir satu dekade, termasuk Direktur Inovasi Kesehatan Masyarakat dan Koordinator Kesehatan Masyarakat. Sebelum dinas pemerintahannya, Jim menjabat sebagai Chief Information Officer untuk Departemen Kesehatan Masyarakat Massachusetts.
- Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
- Keuangan EVM. Antarmuka Terpadu untuk Keuangan Terdesentralisasi. Akses Di Sini.
- Grup Media Kuantum. IR/PR Diperkuat. Akses Di Sini.
- PlatoAiStream. Kecerdasan Data Web3. Pengetahuan Diperkuat. Akses Di Sini.
- Sumber: https://aws.amazon.com/blogs/big-data/part-1-enable-data-collaboration-among-public-health-agencies-with-aws-clean-rooms/
- :adalah
- :bukan
- :Di mana
- 1
- 100
- 12
- 195
- 2022
- 7
- a
- kemampuan
- Tentang Kami
- Setuju
- mengakses
- diakses
- Menurut
- Akun
- ketepatan
- Mencapai
- di seluruh
- menambahkan
- tambahan
- Tambahan
- administratif
- Setelah
- lembaga
- badan
- pengumpulan
- perjanjian
- meluruskan
- Semua
- mengizinkan
- memungkinkan
- sepanjang
- Amazon
- Amazon Web Services
- antara
- an
- analisis
- analisis
- menganalisa
- dianalisis
- dan
- mengumumkan
- Lain
- Mendaftar
- pendekatan
- sesuai
- ADALAH
- sekitar
- AS
- menilai
- Menghubungkan
- terkait
- At
- mengotomatisasikan
- secara otomatis
- tersedia
- AVG
- AWS
- Lem AWS
- AWS re: Temukan
- berdasarkan
- BE
- karena
- sebelum
- di belakang
- antara
- luas
- built-in
- beban
- bisnis
- by
- CA
- bernama
- CAN
- yang
- Lowongan Kerja
- kasus
- kasus
- katalog
- CDC
- tantangan
- berubah
- kepala
- Pilih
- Klinis
- Berkolaborasi
- kolaborasi
- Kolaborasi
- Kolektif
- Kolom
- Kolom
- bergabung
- Umum
- Masyarakat
- masyarakat
- lengkap
- kompleks
- komputasi
- konsep
- kondisi
- Kondisi
- Mengadakan
- melakukan
- konfigurasi
- dikonfigurasi
- konfirmasi
- Mempertimbangkan
- konsul
- mengandung
- kontributor
- kontrol
- Koordinator
- penyalinan
- bisa
- membuat
- dibuat
- membuat
- penciptaan
- Secara kreatif
- pencipta
- kriteria
- kriptografi
- pelanggan
- dasbor
- dasbor
- data
- privasi data
- berbagi data
- Basis Data
- kumpulan data
- dasawarsa
- memutuskan
- didefinisikan
- Mendefinisikan
- mendefinisikan
- Demo
- demografis
- mendemonstrasikan
- Departemen
- deskripsi
- tujuan
- rincian
- Menentukan
- ditentukan
- ukuran
- Kepala
- dibahas
- penyakit
- Display
- didistribusikan
- do
- Tidak
- setiap
- Terdahulu
- mudah
- antara
- elemen
- elemen
- menghilangkan
- aktif
- memungkinkan
- memastikan
- Enter
- Eter (ETH)
- contoh
- ada
- Dieksplorasi
- memudahkan
- menghadapi
- faktor
- temuan
- firewall
- Pertama
- keluwesan
- fleksibel
- mengikuti
- berikut
- Untuk
- dari
- fungsi
- Mendapatkan
- umumnya
- menghasilkan
- geografi
- mendapatkan
- memberikan
- tujuan
- Anda
- Pemerintah
- pemerintah
- instansi pemerintah
- Kejadian
- memiliki
- he
- Kesehatan
- Dimiliki
- membantu
- membantu
- membantu
- dia
- -nya
- Seterpercayaapakah Olymp Trade? Kesimpulan
- How To
- Namun
- HTML
- http
- HTTPS
- manusia
- Manusia
- ID
- identifier
- pengidentifikasi
- mengenali
- if
- abadi
- meningkatkan
- in
- memasukkan
- termasuk
- Termasuk
- sendiri-sendiri
- Secara individual
- informasi
- Innovation
- sebagai gantinya
- persimpangan
- ke
- undangan
- mengundang
- diundang
- mengundang
- IT
- Jim
- ikut
- bergabung
- bergabung
- Bergabung
- jpg
- hanya
- kunci
- memimpin
- pemimpin
- Tingkat
- 'like'
- batas
- baris
- LINK
- terkait
- Daftar
- Daftar
- daftar
- hidup
- memuat
- lokal
- Pemerintah lokal
- mencatat
- penebangan
- logis
- jangka panjang
- mencari
- mempertahankan
- membuat
- Mandat
- banyak
- massachusetts
- Mungkin..
- anggota
- Anggota
- keanggotaan
- pesan
- Metadata
- metode
- mungkin
- Misi
- Mengurangi
- lebih
- harus
- nama
- nama
- Navigasi
- hampir
- Perlu
- kebutuhan
- jaringan
- New
- sekarang
- target
- of
- Penawaran
- Petugas
- on
- ONE
- hanya
- Buka
- Data terbuka
- Kesempatan
- pilihan
- or
- urutan
- organisasi
- organisasi
- Lainnya
- keluaran
- di luar
- sendiri
- pemilik
- halaman
- pane
- bagian
- peserta
- berpartisipasi
- pihak
- rekan
- pihak
- pasien
- izin
- Sendiri
- saleh
- plato
- Kecerdasan Data Plato
- Data Plato
- Kebijakan
- diisi
- populasi
- populasi
- posisi
- Pos
- lebih suka
- disukai
- mencegah
- sebelumnya
- pribadi
- proses
- diproses
- program
- program
- melindungi
- penyedia
- menyediakan
- publik
- kesehatan masyarakat
- menerbitkan
- terdorong
- query
- Mentah
- data mentah
- RE
- dunia nyata
- menerima
- catatan
- menurunkan
- mengacu
- regresi
- terkait
- ulangi
- membutuhkan
- penelitian
- sumber
- Sumber
- itu
- tanggung jawab
- terbatas
- pembatasan
- Hasil
- Pengembalian
- mengungkapkan
- mengungkapkan
- ulasan
- review jurnal
- meninjau
- Risiko
- risiko
- Peran
- kamar
- Aturan
- aturan
- Run
- berjalan
- Sacramento
- sama
- skenario
- SDK
- Bagian
- sektor
- aman
- aman
- keamanan
- melihat
- terpilih
- senior
- peka
- mengirim
- Seri
- melayani
- layanan
- Layanan
- set
- Share
- berbagi
- berbagi
- Menunjukkan
- menunjukkan
- Sederhana
- situs web
- Situs
- situasi
- So
- Sosial
- Solusi
- beberapa
- sumber
- sumber
- Space
- tertentu
- ditentukan
- menghabiskan
- awal
- mulai
- Negara
- Negara
- statistika
- Status
- Tangga
- penyimpanan
- menyimpan
- Simpan datanya
- tersimpan
- sukses
- seperti itu
- mendukung
- Didukung
- Mendukung
- pengawasan
- tabel
- Berbicara
- tim
- bahwa
- Grafik
- mereka
- Mereka
- kemudian
- Ini
- mereka
- berpikir
- pihak ketiga
- ini
- itu
- untuk
- token
- alat
- perawatan
- Tren
- dua
- jenis
- pokok
- memahami
- unik
- Serikat
- Amerika Serikat
- menggunakan
- bekas
- kegunaan
- menggunakan
- variasi
- berbagai
- memeriksa
- melalui
- View
- walkthrough
- ingin
- adalah
- Cara..
- cara
- we
- jaringan
- layanan web
- BAIK
- adalah
- Apa
- Apa itu
- ketika
- yang
- sementara
- SIAPA
- akan
- dengan
- dalam
- tanpa
- penulisan
- tertulis
- tahun
- kamu
- Anda
- zephyrnet.dll