TEDxColumbus
Chris Domas: The 1s and 0s behind cyber warfare
כריס דומאס: האחדות והאפסים של לוחמת הסייבר
Filmed:
Readability: 4
1,109,814 views
כריס דומאס הוא חוקר בתחום אבטחת המידע הממוחשב, והוא פועל במה שהפך להיות חזית לחימה חדשה, "לוחמת סייבר". בהרצאה מרתקת זו הוא מראה כיצד החוקרים משתמשים בזיהוי דפוסים ובהנדסה הפוכה (וגם מספר על כמה לילות לבנים) כדי להבין פיסת קוד בינארי שאין הם יודעים מהו תוכנה ולמה נועדה.
Chris Domas - Cybersecurity researcher
Chris Domas is an embedded systems engineer and cybersecurity researcher. Full bio
Chris Domas is an embedded systems engineer and cybersecurity researcher. Full bio
Double-click the English transcript below to play the video.
00:12
This is a lot of ones and zeros.
0
770
2262
אלה המוני אחדות ואפסים.
00:15
It's what we call binary information.
1
3032
3099
זה מה שמכונה "מידע בינארי".
00:18
This is how computers talk.
2
6131
1442
ככה מחשבים מדברים.
00:19
It's how they store information.
3
7573
1929
ככה הם מאחסנים מידע.
00:21
It's how computers think.
4
9502
1626
ככה מחשבים חושבים.
00:23
It's how computers do
5
11128
1619
ככה מחשבים עושים
00:24
everything it is that computers do.
6
12747
2382
את כל מה שמחשבים עושים.
00:27
I'm a cybersecurity researcher,
7
15129
2047
אני חוקר בתחום הסייבר (אבטחת מחשבים),
00:29
which means my job is to sit
down with this information
down with this information
8
17176
2070
כלומר, העבודה שלי היא לשבת
עם המידע הזה
עם המידע הזה
00:31
and try to make sense of it,
9
19246
1684
לנסות למצוא בו הגיון
ולנסות להבין מה אומרים
כל האחדות והאפסים האלה.
כל האחדות והאפסים האלה.
00:32
to try to understand what all
the ones and zeroes mean.
the ones and zeroes mean.
10
20930
2753
00:35
Unfortunately for me, we're not just talking
11
23683
1843
לרוע מזלי, לא מדובר
00:37
about the ones and zeros
I have on the screen here.
I have on the screen here.
12
25526
2234
רק באחדות ובאפסים
שעל המסך כאן,
שעל המסך כאן,
00:39
We're not just talking about a
few pages of ones and zeros.
few pages of ones and zeros.
13
27760
2683
ולא רק בעמודים ספורים
של אחדות ואפסים.
של אחדות ואפסים.
00:42
We're talking about billions and billions
14
30443
2609
מדובר במיליארדים רבים
00:45
of ones and zeros,
15
33052
1333
של אחדות ואפסים,
00:46
more than anyone could possibly comprehend.
16
34385
2641
יותר מכפי שמישהו מסוגל לתפוש.
00:49
Now, as exciting as that sounds,
17
37026
1859
מרגש ככל שזה נשמע,
00:50
when I first started doing cyber —
18
38885
2492
כשהתחלתי בתחום הסייבר --
00:53
(Laughter) —
19
41377
1743
[צחוק] --
00:55
when I first started doing cyber, I wasn't sure
20
43120
2003
כשהתחלתי בתחום הסייבר,
לא הייתי בטוח
אם חיטוט באחדות ובאפסים
אם חיטוט באחדות ובאפסים
00:57
that sifting through ones and zeros
21
45123
1473
הוא מה שארצה לעשות כל חיי,
00:58
was what I wanted to do with the rest of my life,
22
46596
2294
01:00
because in my mind, cyber
23
48890
2020
כי אבטחת המחשבים,
כפי שדמיינתי אותה,
כפי שדמיינתי אותה,
01:02
was keeping viruses off of my grandma's computer,
24
50910
3681
היתה למנוע מווירוסים לחדור
למחשב של סבתא שלי, [צחוק]
למחשב של סבתא שלי, [צחוק]
01:06
it was keeping people's Myspace
pages from being hacked,
pages from being hacked,
25
54591
3348
למנוע פריצה לאתרי "מייספייס",
01:09
and maybe, maybe on my most glorious day,
26
57939
2185
ואולי, אולי בשיא הצלחתי,
01:12
it was keeping someone's credit
card information from being stolen.
card information from being stolen.
27
60124
3751
למנוע גניבת מידע של כרטיס אשראי.
01:15
Those are important things,
28
63875
1363
אלה דברים חשובים,
01:17
but that's not how I wanted to spend my life.
29
65238
2758
אבל לא כך רציתי לבלות את חיי.
01:19
But after 30 minutes of work
30
67996
1934
אבל אחרי 30 דקות עבודה
01:21
as a defense contractor,
31
69930
1353
כקבלן הגנה,
01:23
I soon found out that my idea of cyber
32
71283
2790
גיליתי במהרה שהמושג שלי
על אבטחת מחשבים
על אבטחת מחשבים
01:26
was a little bit off.
33
74073
1869
היה קצת מוטעה.
01:27
In fact, in terms of national security,
34
75942
1945
למעשה, בעיני האחראים על הבטחון הלאומי,
01:29
keeping viruses off of my grandma's computer
35
77887
2071
מניעת חדירה של וירוסים
למחשב של סבתא שלי
למחשב של סבתא שלי
01:31
was surprisingly low on their priority list.
36
79958
3186
היתה בעדיפות נמוכה להפתיע.
[צחוק]
[צחוק]
01:35
And the reason for that is cyber
37
83144
1301
והסיבה לכך היא שאבטחת המחשבים
01:36
is so much bigger than any one of those things.
38
84445
3793
היא הרבה יותר גדולה
מכל הדברים האלה.
מכל הדברים האלה.
01:40
Cyber is an integral part of all of our lives,
39
88238
2825
אבטחת המחשבים היא
חלק בלתי-נפרד מחיי כולנו,
חלק בלתי-נפרד מחיי כולנו,
01:43
because computers are an
integral part of all of our lives,
integral part of all of our lives,
40
91063
3060
כי המחשבים הם
חלק בלתי-נפרד מחיי כולנו,
חלק בלתי-נפרד מחיי כולנו,
01:46
even if you don't own a computer.
41
94123
1952
אפילו מחייו של מי
שאין לו מחשב.
שאין לו מחשב.
01:48
Computers control everything in your car,
42
96075
2646
המחשבים שולטים בכל דבר במכונית,
01:50
from your GPS to your airbags.
43
98721
1880
החל מהאיכון הלווייני ועד כריות האוויר.
01:52
They control your phone.
44
100601
1316
הם שולטים בטלפונים.
01:53
They're the reason you can call 911
45
101917
1171
הם הסיבה לכך
שאתם יכולים לחייג למוקד החירום
שאתם יכולים לחייג למוקד החירום
01:55
and get someone on the other line.
46
103088
1796
ולשמוע מישהו בצד השני.
01:56
They control our nation's entire infrastructure.
47
104884
2794
הם שולטים בכל התשתיות
של הארץ שלנו.
של הארץ שלנו.
01:59
They're the reason you have electricity,
48
107678
1676
הם הסיבה לכך שיש לנו חשמל,
02:01
heat, clean water, food.
49
109354
2338
חימום, מים זכים, מזון.
02:03
Computers control our military equipment,
50
111692
1901
המחשבים שולטים בציוד הצבאי שלנו,
02:05
everything from missile silos to satellites
51
113593
1677
מפירי טילים ולוויינים
02:07
to nuclear defense networks.
52
115270
3914
ועד רשתות הגנה גרעינית.
02:11
All of these things are made possible
53
119184
1989
כל הדברים האלה מתאפשרים
02:13
because of computers,
54
121173
1416
הודות למחשבים,
02:14
and therefore because of cyber,
55
122589
1983
ולכן, הודות לאבטחת המחשבים,
02:16
and when something goes wrong,
56
124572
1504
כשדברים משתבשים,
02:18
cyber can make all of these things impossible.
57
126076
3118
פגיעה באבטחת המחשבים
עלולה למנוע את כל אלה.
עלולה למנוע את כל אלה.
02:21
But that's where I step in.
58
129194
1585
אבל כאן אני נכנס לתמונה.
02:22
A big part of my job is defending all of these things,
59
130779
2940
חלק גדול מעבודתי הוא
להגן על כל הדברים האלה
להגן על כל הדברים האלה
02:25
keeping them working,
60
133719
1662
ולדאוג שימשיכו לפעול,
02:27
but once in a while, part of my
job is to break one of these things,
job is to break one of these things,
61
135381
2328
אבל מידי פעם, חלק מעבודתי
הוא לפרק אחד מהדברים האלה,
הוא לפרק אחד מהדברים האלה,
02:29
because cyber isn't just about defense,
62
137709
2396
כי אבטחת מחשבים
איננה רק הגנה,
איננה רק הגנה,
02:32
it's also about offense.
63
140105
2273
אלא גם התקפה.
02:34
We're entering an age where we talk about
64
142378
1576
אנו נכנסים לעידן
שבו אנו כבר מדברים
שבו אנו כבר מדברים
02:35
cyberweapons.
65
143954
1461
על כלי-נשק ממוחשבים.
02:37
In fact, so great is the potential for cyber offense
66
145415
3135
למעשה, הפוטנציאל הטמון
במתקפה ממוחשבת הוא כה גדול,
במתקפה ממוחשבת הוא כה גדול,
02:40
that cyber is considered a new domain of warfare.
67
148550
3621
עד כי אבטחת המחשבים
נחשבת לתחום לחימה בפני עצמו.
נחשבת לתחום לחימה בפני עצמו.
02:44
Warfare.
68
152171
1800
לוחמה
02:45
It's not necessarily a bad thing.
69
153971
1929
אינה דבר רע כשלעצמו.
02:47
On the one hand, it means we have whole new front
70
155900
2751
מצד אחד זה אומר
חזית חדשה לגמרי
חזית חדשה לגמרי
02:50
on which we need to defend ourselves,
71
158651
1743
שבה עלינו להגן על עצמנו,
02:52
but on the other hand,
72
160394
1485
אבל מצד שני,
זה אומר גם דרך חדשה לגמרי
של התקפה,
של התקפה,
02:53
it means we have a whole new way to attack,
73
161879
1842
02:55
a whole new way to stop evil people
74
163721
1859
דרך חדשה לגמרי
למנוע מאנשים רעים
למנוע מאנשים רעים
02:57
from doing evil things.
75
165580
2227
לעשות דברים רעים.
02:59
So let's consider an example of this
76
167807
1811
הבה נראה דוגמה לכך,
03:01
that's completely theoretical.
77
169618
1689
דוגמה תיאורטית לגמרי.
03:03
Suppose a terrorist wants to blow up a building,
78
171307
2258
נניח שאיזה מחבל
רוצה לפוצץ בניין,
רוצה לפוצץ בניין,
03:05
and he wants to do this again and again
79
173565
2068
ובעתיד הוא ירצה לעשות זאת
שוב ושוב
שוב ושוב
03:07
in the future.
80
175633
1451
03:09
So he doesn't want to be in
that building when it explodes.
that building when it explodes.
81
177084
2840
הוא לא חייב להימצא
באותו בניין בעת הפיגוע;
באותו בניין בעת הפיגוע;
03:11
He's going to use a cell phone
82
179924
1518
הוא ישתמש בטלפון נייד
כשלט-רחוק.
כשלט-רחוק.
03:13
as a remote detonator.
83
181442
2335
03:15
Now, it used to be the only way we had
84
183777
1871
פעם, הדרך היחידה שעמדה לרשותנו
03:17
to stop this terrorist
85
185648
1636
כדי לעצור את המחבל הזה
03:19
was with a hail of bullets and a car chase,
86
187284
2673
היתה מטר כדורים ומרדף מכוניות,
03:21
but that's not necessarily true anymore.
87
189957
2332
אבל זה כבר לא בהכרח כך.
03:24
We're entering an age where we can stop him
88
192289
1563
אנו נכנסים לעידן שבו
ביכולתנו לעצור בעדו
ביכולתנו לעצור בעדו
03:25
with the press of a button
89
193852
1110
בלחיצת כפתור
03:26
from 1,000 miles away,
90
194962
2007
ממרחק אלפי קילומטרים,
03:28
because whether he knew it or not,
91
196969
1589
כי בין אם הוא ידע או לא,
03:30
as soon as he decided to use his cell phone,
92
198558
1711
ברגע בו הוא החליט
להשתמש בטלפון הנייד שלו
להשתמש בטלפון הנייד שלו
03:32
he stepped into the realm of cyber.
93
200269
3134
הוא נכנס לעולם הממוחשב.
03:35
A well-crafted cyber attack
could break into his phone,
could break into his phone,
94
203403
3117
התקפה ממוחשבת מיומנת
מסוגלת לפרוץ לטלפון שלו,
מסוגלת לפרוץ לטלפון שלו,
03:38
disable the overvoltage protections on his battery,
95
206520
2149
לנטרל את הגנות הסוללה שלו
נגד עומס-יתר,
נגד עומס-יתר,
03:40
drastically overload the circuit,
96
208669
1755
לחולל עומס-יתר קיצוני במעגלים,
03:42
cause the battery to overheat, and explode.
97
210424
2357
לגרום לסוללה להתחמם מדי ולהתפוצץ.
03:44
No more phone, no more detonator,
98
212781
2446
אין כבר טלפון,
אין שלט-רחוק,
אין שלט-רחוק,
03:47
maybe no more terrorist,
99
215227
1923
ואולי גם אין מחבל
03:49
all with the press of a button
100
217150
1031
והכל בלחיצת כפתור
03:50
from a thousand miles away.
101
218181
2680
ממרחק אלפי קילומטרים.
03:52
So how does this work?
102
220861
1751
איך זה עובד?
03:54
It all comes back to those ones and zeros.
103
222612
2268
הכל מתמצה באחדות ובאפסים האלה.
03:56
Binary information makes your phone work,
104
224880
3005
המידע הבינארי הוא זה
שגורם לטלפונים שלכם לפעול,
שגורם לטלפונים שלכם לפעול,
03:59
and used correctly, it can make your phone explode.
105
227885
3584
ובשימוש נכון, בכוחו גם
לגרום להם להתפוצץ.
לגרום להם להתפוצץ.
04:03
So when you start to look at
cyber from this perspective,
cyber from this perspective,
106
231469
2472
אז כשמסתכלים על אבטחת המחשבים
מנקודת-השקפה זו,
מנקודת-השקפה זו,
04:05
spending your life sifting through binary information
107
233941
3163
בילוי החיים בחיטוט במידע בינארי
04:09
starts to seem kind of exciting.
108
237104
2417
מתחיל להיראות מלהיב למדי.
04:11
But here's the catch: This is hard,
109
239521
2646
אבל הנה המילכוד:
זה קשה,
זה קשה,
04:14
really, really hard,
110
242167
1685
מאד מאד קשה,
04:15
and here's why.
111
243852
1834
וזו הסיבה:
04:17
Think about everything you have on your cell phone.
112
245686
2766
חישוב על כל מה שיש לכם
בטלפון הנייד.
בטלפון הנייד.
04:20
You've got the pictures you've taken.
113
248452
1963
התמונות שצילמתם.
04:22
You've got the music you listen to.
114
250415
1786
המוסיקה שאתם מאזינים לה.
04:24
You've got your contacts list,
115
252201
1648
רשימת אנשי הקשר,
04:25
your email, and probably 500 apps
116
253849
1625
הודעות הדוא"ל,
וכנראה איזה 500 יישומונים
וכנראה איזה 500 יישומונים
04:27
you've never used in your entire life,
117
255474
3001
שבחיים לא השתמשתם בהם,
[צחוק]
[צחוק]
04:30
and behind all of this is the software, the code,
118
258475
3987
ומאחורי כל אלה - התוכנה, הקוד,
04:34
that controls your phone,
119
262462
1380
ששולטים בטלפון שלכם,
04:35
and somewhere, buried inside of that code,
120
263842
2656
ובמקום כלשהו,
קבור בעומק הקוד הזה,
קבור בעומק הקוד הזה,
04:38
is a tiny piece that controls your battery,
121
266498
2548
יש קטע זעיר
ששולט בסוללה שלכם,
ששולט בסוללה שלכם,
04:41
and that's what I'm really after,
122
269046
1871
ואותו בעצם אני מחפש,
04:42
but all of this, just a bunch of ones and zeros,
123
270917
3686
אבל כל זה הוא
סתם אוסף של אחדות ואפסים,
סתם אוסף של אחדות ואפסים,
04:46
and it's all just mixed together.
124
274603
1531
שכולם מעורבבים ביחד.
04:48
In cyber, we call this finding a
needle in a stack of needles,
needle in a stack of needles,
125
276134
3545
באבטחת המחשבים אנו מכנים זאת
"למצוא מחט בערימת מחטים",
"למצוא מחט בערימת מחטים",
04:51
because everything pretty much looks alike.
126
279679
2349
כי הכל נראה די דומה.
04:54
I'm looking for one key piece,
127
282028
1732
אני מחפש יחידת קוד מרכזית אחת,
04:55
but it just blends in with everything else.
128
283760
3234
אבל היא מתמזגת
עם כל יתר הדברים.
עם כל יתר הדברים.
04:58
So let's step back from this theoretical situation
129
286994
2252
אז בואו נעזוב את המצב התיאורטי
05:01
of making a terrorist's phone explode,
130
289246
2344
שבו אנו גורמים
לטלפון של המחבל להתפוצץ,
לטלפון של המחבל להתפוצץ,
05:03
and look at something that actually happened to me.
131
291590
2816
ונראה משהו שקרה לי.
05:06
Pretty much no matter what I do,
132
294406
1343
לא משנה מה אני עושה,
05:07
my job always starts with sitting down
133
295749
1442
העבודה שלי תמיד מתחילה
בכל שאני יושב
בכל שאני יושב
05:09
with a whole bunch of binary information,
134
297191
2372
עם ערימה שלמה
של מידע בינארי,
של מידע בינארי,
05:11
and I'm always looking for one key piece
135
299563
1727
ואני תמיד מחפש
פיסת קוד מרכזית
פיסת קוד מרכזית
05:13
to do something specific.
136
301290
1987
כדי לבצע משהו ספציפי.
05:15
In this case, I was looking for a very advanced,
137
303277
2077
במקרה זה חיפשתי
פיסת-קוד מאד מתקדמת
ועתירת-ידע
ועתירת-ידע
05:17
very high-tech piece of code
138
305354
1518
05:18
that I knew I could hack,
139
306872
1215
שידעתי שאוכל לפרוץ,
05:20
but it was somewhere buried
140
308087
1714
אבל היא היתה קבורה
05:21
inside of a billion ones and zeroes.
141
309801
2026
בתוך מיליארדי אחדות ואפסים.
05:23
Unfortunately for me, I didn't know
142
311827
1578
למזלי הרע,
05:25
quite what I was looking for.
143
313405
1691
לא ידעתי מה בדיוק לחפש.
05:27
I didn't know quite what it would look like,
144
315096
1196
לא ידעתי איך בדיוק
זה נראה,
זה נראה,
05:28
which makes finding it really, really hard.
145
316292
2918
מה שהקשה עלי מאד
למצוא את זה.
למצוא את זה.
05:31
When I have to do that, what I have to do
146
319210
2039
כשעלי לעשות דבר כזה,
אני צריך, בעקרון,
אני צריך, בעקרון,
05:33
is basically look at various pieces
147
321249
2342
לבחון כל מיני קטעים
05:35
of this binary information,
148
323591
1723
של מידע בינארי כזה,
05:37
try to decipher each piece, and see if it might be
149
325314
2202
לנסות לפענח כל אחת מהן
ולראות אם היא זו
ולראות אם היא זו
05:39
what I'm after.
150
327516
1224
שאני מחפש.
05:40
So after a while, I thought I had found the piece
151
328740
1625
אז אחרי זמן-מה חשבתי
שמצאתי את הקטע שחיפשתי.
שמצאתי את הקטע שחיפשתי.
05:42
I was looking for.
152
330365
1337
05:43
I thought maybe this was it.
153
331702
2104
חשבתי שאולי זה הקטע הנכון.
05:45
It seemed to be about right, but I couldn't quite tell.
154
333806
2032
הוא די התאים,
אבל לא הייתי לגמרי בטוח.
אבל לא הייתי לגמרי בטוח.
05:47
I couldn't tell what those
ones and zeros represented.
ones and zeros represented.
155
335838
2918
לא יכולתי לקבוע
מה ייצגו אותם אחדות ואפסים.
מה ייצגו אותם אחדות ואפסים.
05:50
So I spent some time trying to put this together,
156
338756
3374
אז השקעתי זמן בנסיון
לחבר ביניהם,
לחבר ביניהם,
05:54
but wasn't having a whole lot of luck,
157
342130
1670
אבל לא הצלחתי מי יודע מה
05:55
and finally I decided,
158
343800
1186
ולבסוף החלטתי
05:56
I'm going to get through this,
159
344986
1609
שאני מוכרח להצליח בזה.
05:58
I'm going to come in on a weekend,
160
346595
1511
אני אבוא לעבודה בסוף השבוע,
06:00
and I'm not going to leave
161
348106
1340
ולא אפסיק
06:01
until I figure out what this represents.
162
349446
1712
עד שאגלה מה זה מייצג.
06:03
So that's what I did. I came
in on a Saturday morning,
in on a Saturday morning,
163
351158
2166
אז זה מה שעשיתי.
הגעתי לעבודה בבוקר יום א',
הגעתי לעבודה בבוקר יום א',
06:05
and about 10 hours in, I sort of
had all the pieces to the puzzle.
had all the pieces to the puzzle.
164
353324
3645
ואחרי כ-10 שעות היו בידי
כל פיסות התצרף.
כל פיסות התצרף.
06:08
I just didn't know how they fit together.
165
356969
1392
אלא שלא ידעתי
איך הן משתלבות.
איך הן משתלבות.
06:10
I didn't know what these ones and zeros meant.
166
358361
2790
לא ידעתי מה המשמעות
של האחדות והאפסים האלה.
של האחדות והאפסים האלה.
06:13
At the 15-hour mark,
167
361151
2067
כשהשעון מנה 15 שעות,
06:15
I started to get a better picture of what was there,
168
363218
2602
התחלתי לקבל תמונה טובה יותר
מה היה שם,
מה היה שם,
06:17
but I had a creeping suspicion
169
365820
1772
אבל כירסם בי חשד
06:19
that what I was looking at
170
367592
1589
שהדבר בו אני מתבונן
06:21
was not at all related to what I was looking for.
171
369181
2923
בכלל לא קשור למה שחיפשתי.
06:24
By 20 hours, the pieces started to come together
172
372104
2487
אחרי 20 שעות
הפיסות החלו להשתלב
הפיסות החלו להשתלב
06:26
very slowly — (Laughter) —
173
374591
3764
לאט לאט --
[צחוק]
[צחוק]
06:30
and I was pretty sure I was going down
174
378355
1266
וכעת הייתי בטוח למדי
שאני בכיוון הלא-נכון.
שאני בכיוון הלא-נכון.
06:31
the wrong path at this point,
175
379621
1939
06:33
but I wasn't going to give up.
176
381560
2251
אבל לא התכוונתי לוותר.
06:35
After 30 hours in the lab,
177
383811
2834
אחרי 30 שעות במעבדה,
06:38
I figured out exactly what I was looking at,
178
386645
2261
הבנתי בדיוק במה אני מתבונן,
06:40
and I was right, it wasn't what I was looking for.
179
388906
2818
וצדקתי. זה לא היה
מה שחיפשתי.
מה שחיפשתי.
06:43
I spent 30 hours piecing together
180
391724
1699
הקדשתי 30 שעות לשילוב
06:45
the ones and zeros that
formed a picture of a kitten.
formed a picture of a kitten.
181
393423
2722
של אחדות ואפסים
שיוצרים תמונה של חתלתול.
שיוצרים תמונה של חתלתול.
06:48
(Laughter)
182
396145
1795
[צחוק]
06:49
I wasted 30 hours of my life searching for this kitten
183
397940
3806
בזבזתי 30 שעות מחיי
בחיפוש אחר החתלתול הזה
בחיפוש אחר החתלתול הזה
06:53
that had nothing at all to do
184
401746
1838
שלא היה קשור בשום אופן
למה שניסיתי להשיג.
06:55
with what I was trying to accomplish.
185
403584
1987
06:57
So I was frustrated, I was exhausted.
186
405571
3863
אז הייתי מתוסכל, הייתי מותש.
07:01
After 30 hours in the lab, I probably smelled horrible.
187
409434
3226
אחרי 30 שעות במעבדה
ודאי גם הסרחתי,
ודאי גם הסרחתי,
07:04
But instead of just going home
188
412660
2230
אבל במקום ללכת הביתה
07:06
and calling it quits, I took a step back
189
414890
2530
ולהגיד שנכשלתי, עצרתי
07:09
and asked myself, what went wrong here?
190
417420
2541
ושאלתי את עצמי מה השתבש כאן.
07:11
How could I make such a stupid mistake?
191
419961
2212
איך יכולתי לעשות
טעות כה מטופשת?
טעות כה מטופשת?
07:14
I'm really pretty good at this.
192
422173
1398
אני ממש טוב בעבודה הזאת.
07:15
I do this for a living.
193
423571
1319
אני מתפרנס מכך.
07:16
So what happened?
194
424890
2148
אז מה קרה?
07:19
Well I thought, when you're
looking at information at this level,
looking at information at this level,
195
427038
2775
חשבתי לעצמי,
שכאשר בוחנים מידע ברמה הזאת,
שכאשר בוחנים מידע ברמה הזאת,
07:21
it's so easy to lose track of what you're doing.
196
429813
2827
קל מאד ללכת לאיבוד,
07:24
It's easy to not see the forest through the trees.
197
432640
1744
קל להפסיק לראות
את היער מרוב עצים.
את היער מרוב עצים.
07:26
It's easy to go down the wrong rabbit hole
198
434384
2164
קל לתעות במבוך
07:28
and waste a tremendous amount of time
199
436548
1762
ולבזבז כמויות עצומות של זמן
07:30
doing the wrong thing.
200
438310
1820
על הדבר הלא-נכון.
07:32
But I had this epiphany.
201
440130
1600
אבל אז היתה לי התגלות.
07:33
We were looking at the data completely incorrectly
202
441730
2999
אנו הסתכלנו על המידע
בצורה מוטעית לגמרי
בצורה מוטעית לגמרי
07:36
since day one.
203
444729
1490
כבר מההתחלה.
07:38
This is how computers think, ones and zeros.
204
446219
2103
ככה מחשבים חושבים:
באחדות ואפסים.
באחדות ואפסים.
07:40
It's not how people think,
205
448322
1392
אבל אנשים לא חושבים כך.
07:41
but we've been trying to adapt our minds
206
449714
2314
אלא שאנו ניסינו
לאלץ את המוח שלנו
לאלץ את המוח שלנו
07:44
to think more like computers
207
452028
1345
לחשוב כמו המחשב
07:45
so that we can understand this information.
208
453373
2597
כדי שנוכל להבין
את המידע הזה.
את המידע הזה.
07:47
Instead of trying to make our minds fit the problem,
209
455970
1950
במקום להתאים
את המוח שלנו לבעיה,
את המוח שלנו לבעיה,
07:49
we should have been making the problem
210
457920
1648
היה עלינו לגרום לבעיה
להתאים למוח שלנו,
להתאים למוח שלנו,
07:51
fit our minds,
211
459568
969
07:52
because our brains have a tremendous potential
212
460537
2109
כי למוח שלנו יש פוטנציאל עצום
07:54
for analyzing huge amounts of information,
213
462646
3086
לנתח כמויות-ענק של מידע,
07:57
just not like this.
214
465732
1297
אבל לא בצורה הזאת.
07:59
So what if we could unlock that potential
215
467029
1467
מה אם נוכל לנצל
את הפוטנציאל הזה
את הפוטנציאל הזה
08:00
just by translating this
216
468496
1527
בכך שפשוט נתרגם זאת
לסוג המידע הנכון?
לסוג המידע הנכון?
08:02
to the right kind of information?
217
470023
2848
08:04
So with these ideas in mind,
218
472871
1194
אז עם הרעיון הזה,
08:06
I sprinted out of my basement lab at work
219
474065
1618
יצאתי בריצה ממעבדת המרתף שבעבודה,
08:07
to my basement lab at home,
220
475683
1307
אל מעבדת המרתף בבית,
08:08
which looked pretty much the same.
221
476990
1996
שנראית דומה לה למדי,
08:10
The main difference is, at work,
222
478986
1824
כשההבדל העיקרי הוא, שבעבודה,
08:12
I'm surrounded by cyber materials,
223
480810
1579
אני מוקף בדברים של סייבר,
08:14
and cyber seemed to be the
problem in this situation.
problem in this situation.
224
482389
2605
וכנראה שהסייבר עצמו
היה הבעיה במצב הזה.
היה הבעיה במצב הזה.
08:16
At home, I'm surrounded by
everything else I've ever learned.
everything else I've ever learned.
225
484994
3353
בבית אני מוקף
בכל יתר הדברים שלמדתי.
בכל יתר הדברים שלמדתי.
08:20
So I poured through every book I could find,
226
488347
1872
אז עברתי על כל ספר
שיכולתי למצוא,
שיכולתי למצוא,
08:22
every idea I'd ever encountered,
227
490219
1332
על כל רעיון שאי-פעם
נתקלתי בו,
נתקלתי בו,
08:23
to see how could we translate a problem
228
491551
2146
כדי לראות אם אפשר
לתרגם בעיה
לתרגם בעיה
08:25
from one domain to something completely different?
229
493697
3132
מתחום אחד לתחום אחר,
שונה לגמרי.
שונה לגמרי.
08:28
The biggest question was,
230
496829
1394
השאלה הגדולה היתה:
למה כדאי לתרגם את זה?
למה כדאי לתרגם את זה?
08:30
what do we want to translate it to?
231
498223
1968
08:32
What do our brains do perfectly naturally
232
500191
2112
מה המוח שלנו עושה
באופן טבעי ומושלם
באופן טבעי ומושלם
08:34
that we could exploit?
233
502303
1878
שבו ניתן להשתמש?
08:36
My answer was vision.
234
504181
2289
התשובה שלי היתה כושר הראייה.
יש לנו יכולת עצומה לנתח
מידע חזותי.
מידע חזותי.
08:38
We have a tremendous capability
to analyze visual information.
to analyze visual information.
235
506470
3149
אנו מסוגלים למזג
גוונים ודרגות בהירות,
גוונים ודרגות בהירות,
08:41
We can combine color gradients, depth cues,
236
509619
2583
08:44
all sorts of these different signals
237
512202
1788
כל מיני אותות כאלה,
לתמונה מגובשת אחת
של העולם הסובב אותנו.
של העולם הסובב אותנו.
08:45
into one coherent picture of the world around us.
238
513990
2395
08:48
That's incredible.
239
516385
1407
זה מדהים.
אז אם נוכל למצוא דרך לתרגם
08:49
So if we could find a way to translate
240
517792
1381
את הדפוסים הבינאריים האלה
לאותות חזותיים,
לאותות חזותיים,
08:51
these binary patterns to visual signals,
241
519173
2186
08:53
we could really unlock the power of our brains
242
521359
1832
נוכל באמת לשחרר
את עוצמת מוחנו
את עוצמת מוחנו
08:55
to process this stuff.
243
523191
2710
לצורך עיבוד הדברים האלה.
08:57
So I started looking at the binary information,
244
525901
1843
אז התחלתי להתבונן במידע הבינארי
08:59
and I asked myself, what do I do
245
527744
1090
ושאלתי את עצמי
מה אני עושה
מה אני עושה
כשאני נתקל לראשונה במשהו כזה?
09:00
when I first encounter something like this?
246
528834
1876
09:02
And the very first thing I want to do,
247
530710
1623
והדבר הראשון שאני רוצה לעשות,
09:04
the very first question I want to answer,
248
532333
1359
השאלה הראשונה שאני רוצה לשאול
09:05
is what is this?
249
533692
1278
היא: "מה זה?"
09:06
I don't care what it does, how it works.
250
534970
2528
לא איכפת לי מה זה עושה
או איך זה עובד.
או איך זה עובד.
09:09
All I want to know is, what is this?
251
537498
2479
אני רק רוצה לדעת
מה זה.
מה זה.
09:11
And the way I can figure that out
252
539977
1675
והדרך בה אני
יכול לגלות מה זה
יכול לגלות מה זה
09:13
is by looking at chunks,
253
541652
1683
היא להתבונן בגושים,
09:15
sequential chunks of binary information,
254
543335
2453
גושים רציפים של מידע בינארי,
09:17
and I look at the relationships
between those chunks.
between those chunks.
255
545788
2902
ואני מתבונן ביחסים
שבין הגושים האלה.
שבין הגושים האלה.
09:20
When I gather up enough of these sequences,
256
548690
1772
כשיש לי מספיק רצפים כאלה,
09:22
I begin to get an idea of exactly
257
550462
2004
אני מתחיל לקבל מושג מדויק
09:24
what this information must be.
258
552466
2634
מהו ודאי המידע הזה.
09:27
So let's go back to that
259
555100
1184
אז כעת הבה נחזור
09:28
blow up the terrorist's phone situation.
260
556284
2090
לדוגמה של פיצוץ הטלפון
של המחבל.
של המחבל.
09:30
This is what English text looks like
261
558374
2203
ככה נראה טקסט באנגלית
09:32
at a binary level.
262
560577
1313
ברמה הבינארית.
09:33
This is what your contacts list would look like
263
561890
2326
ככה נראית רשימת
אנשי-קשר
אנשי-קשר
09:36
if I were examining it.
264
564216
1560
אילו בדקנו אותה.
09:37
It's really hard to analyze this at this level,
265
565776
2234
קשה מאד לנתח את זה
ברמה הזאת,
ברמה הזאת,
09:40
but if we take those same binary chunks
266
568010
2104
אבל אם ניקח
את אותם גושי מידע בינארי
את אותם גושי מידע בינארי
09:42
that I would be trying to find,
267
570114
1182
שאני מנסה למצוא,
ונתרגם אותם
ונתרגם אותם
09:43
and instead translate that
268
571296
1764
09:45
to a visual representation,
269
573060
1920
לייצוג חזותי,
09:46
translate those relationships,
270
574980
1797
נתרגם את היחסים ביניהם,
09:48
this is what we get.
271
576777
1556
זה מה שנקבל.
09:50
This is what English text looks like
272
578333
1914
ככה נראה טקסט באנגלית
09:52
from a visual abstraction perspective.
273
580247
2671
מנקודת-מבט חזותית מופשטת.
09:54
All of a sudden,
274
582918
1140
לפתע פתאום אנו רואים
את אותו המידע
את אותו המידע
09:56
it shows us all the same information
275
584058
1435
שהיה קודם בצורת אחדות ואפסים,
09:57
that was in the ones and zeros,
276
585493
1172
09:58
but show us it in an entirely different way,
277
586665
2321
בצורה שונה לחלוטין,
10:00
a way that we can immediately comprehend.
278
588986
1717
צורה שאנו יכולים לתפוש מיד.
10:02
We can instantly see all of the patterns here.
279
590703
2965
אנו רואים כאן מיד
את כל הדפוסים.
את כל הדפוסים.
10:05
It takes me seconds to pick out patterns here,
280
593668
2592
אני מזהה תוך שניות
את הדפוסים כאן,
את הדפוסים כאן,
10:08
but hours, days, to pick them out
281
596260
2254
אבל יידרשו לי שעות וימים
לזהות אותם
לזהות אותם
באחדות ואפסים.
10:10
in ones and zeros.
282
598514
1320
10:11
It takes minutes for anybody to learn
283
599834
1736
כל אחד יכול ללמוד
תוך דקות
תוך דקות
10:13
what these patterns represent here,
284
601570
1665
מה מייצגים כאן הדפוסים האלה,
10:15
but years of experience in cyber
285
603235
2247
אבל יידרשו לו שנים
של נסיון-סייבר
של נסיון-סייבר
10:17
to learn what those same patterns represent
286
605482
1654
ללמוד מה אותם הדפוסים מייצגים
10:19
in ones and zeros.
287
607136
1586
באחדות ואפסים.
10:20
So this piece is caused by
288
608722
1662
הקטע הזה נוצר
10:22
lower case letters followed by lower case letters
289
610384
2024
ע"י אותיות קטנות
אחרי אותיות קטנות
אחרי אותיות קטנות
10:24
inside of that contact list.
290
612408
1767
ברשימת אנשי הקשר.
10:26
This is upper case by upper case,
291
614175
1341
כאן זו אות גדולה אחרי אות גדולה,
10:27
upper case by lower case, lower case by upper case.
292
615516
2685
אות גדולה אחרי אות קטנה,
אות קטנה אחרי אות גדולה.
אות קטנה אחרי אות גדולה.
10:30
This is caused by spaces. This
is caused by carriage returns.
is caused by carriage returns.
293
618201
2686
זה נוצר ע"י תווי רווח,
זה נוצר ע"י תווי "אנטר".
זה נוצר ע"י תווי "אנטר".
10:32
We can go through every little detail
294
620887
1508
אפשר לעבור על כל פרט ופרט
של המידע הבינארי תוך שניות,
של המידע הבינארי תוך שניות,
10:34
of the binary information in seconds,
295
622395
2966
10:37
as opposed to weeks, months, at this level.
296
625361
3534
לעומת שבועות וחודשים
ברמה הזאת.
ברמה הזאת.
10:40
This is what an image looks like
297
628895
1512
ככה נראית תמונה
10:42
from your cell phone.
298
630407
1876
מהטלפון הנייד שלכם.
10:44
But this is what it looks like
299
632283
1013
אבל ככה היא נראית
10:45
in a visual abstraction.
300
633296
1891
כהפשטה חזותית.
10:47
This is what your music looks like,
301
635187
1985
ככה נראית המוסיקה שלכם,
10:49
but here's its visual abstraction.
302
637172
2203
אבל זאת ההפשטה החזותית שלה.
10:51
Most importantly for me,
303
639375
1760
הכי חשוב, מבחינתי,
10:53
this is what the code on your cell phone looks like.
304
641135
3275
כך נראה הקוד
בטלפון הנייד שלכם.
בטלפון הנייד שלכם.
ואותו אני מחפש,
בסופו של דבר,
בסופו של דבר,
10:56
This is what I'm after in the end,
305
644410
2157
אבל זאת ההפשטה החזותית שלו.
10:58
but this is its visual abstraction.
306
646567
2140
11:00
If I can find this, I can't make the phone explode.
307
648707
2509
אם אוכל למצוא את זה,
אוכל לגרום לטלפון להתפוצץ.
אוכל לגרום לטלפון להתפוצץ.
11:03
I could spend weeks trying to find this
308
651216
2619
אני יכול לחפש את זה
במשך שבועות
במשך שבועות
11:05
in ones and zeros,
309
653835
1177
באחדות ואפסים,
11:07
but it takes me seconds to pick out
310
655012
1784
אבל אני אזהה זאת
תוך שניות
תוך שניות
11:08
a visual abstraction like this.
311
656796
3304
בהפשטה חזותית כזאת.
11:12
One of those most remarkable parts about all of this
312
660100
2492
אחד הדברים הכי מעניינים
בכל זה
בכל זה
11:14
is it gives us an entirely new way to understand
313
662592
2832
הוא שזה נותן לנו
דרך חדשה לגמרי להבין
דרך חדשה לגמרי להבין
11:17
new information, stuff that we haven't seen before.
314
665424
3239
מידע חדש, דברים שלא ראינו
לפני כן.
לפני כן.
11:20
So I know what English looks like at a binary level,
315
668663
2504
אז אני יודע איך נראית אנגלית
ברמה הבינארית,
ברמה הבינארית,
11:23
and I know what its visual abstraction looks like,
316
671167
2110
ואני יודע איך היא נראית
בהפשטה חזותית,
בהפשטה חזותית,
11:25
but I've never seen Russian binary in my entire life.
317
673277
3315
אבל מעולם לא ראיתי
רוסית בינארית.
רוסית בינארית.
11:28
It would take me weeks just to figure out
318
676592
1800
יידרשו לי שבועות
רק כדי להבין
רק כדי להבין
11:30
what I was looking at from raw ones and zeros,
319
678392
2997
מה אני רואה ברמה הגולמית
של אחדות ואפסים,
של אחדות ואפסים,
11:33
but because our brains can instantly pick up
320
681389
1751
אבל היות שהמוח שלנו
מסוגל לראות מיד
מסוגל לראות מיד
11:35
and recognize these subtle patterns inside
321
683140
2817
ולזהות את הדפוסים העדינים האלה
שבהפשטות החזותיות האלו,
11:37
of these visual abstractions,
322
685957
1488
11:39
we can unconsciously apply those
323
687445
1832
הרי שאנו יכולים
באופן בלתי-מודע ליישם זאת
באופן בלתי-מודע ליישם זאת
11:41
in new situations.
324
689277
1573
במצבים חדשים.
11:42
So this is what Russian looks like
325
690850
1482
אז כך נראית רוסית
11:44
in a visual abstraction.
326
692332
1580
בהפשטה חזותית.
11:45
Because I know what one language looks like,
327
693912
1804
העובדה שאני יודע
איך נראית שפה אחת,
איך נראית שפה אחת,
11:47
I can recognize other languages
328
695716
1576
מאפשרת לי לזהות שפות אחרות
11:49
even when I'm not familiar with them.
329
697292
1870
אפילו אם הן זרות לי.
11:51
This is what a photograph looks like,
330
699162
1786
כך נראה צילום,
11:52
but this is what clip art looks like.
331
700948
1887
וכך נראה קובץ גרפי.
11:54
This is what the code on your phone looks like,
332
702835
2555
כך נראה הקוד
בטלפון שלכם,
בטלפון שלכם,
11:57
but this is what the code on
your computer looks like.
your computer looks like.
333
705390
2707
וכך נראה הקוד במחשב שלכם.
12:00
Our brains can pick up on these patterns
334
708097
1864
מוחנו מסוגל לזהות דפוסים אלה
12:01
in ways that we never could have
335
709961
1951
כפי שלא היינו מצליחים
12:03
from looking at raw ones and zeros.
336
711912
2496
מתוך התבוננות
באחדות ובאפסים גולמיים.
באחדות ובאפסים גולמיים.
12:06
But we've really only scratched the surface
337
714408
1856
אבל אנו רק מגרדים
את פני השטח
את פני השטח
12:08
of what we can do with this approach.
338
716264
2137
של מה שאפשר להשיג
בגישה הזאת.
בגישה הזאת.
12:10
We've only begun to unlock the capabilities
339
718401
1678
רק התחלנו לשחרר
את היכולות האלה של מוחנו
את היכולות האלה של מוחנו
12:12
of our minds to process visual information.
340
720079
3315
בעיבוד מידע חזותי.
12:15
If we take those same concepts and translate them
341
723394
1990
אם ניקח את התפישות האלה
ונתרגם אותן
ונתרגם אותן
12:17
into three dimensions instead,
342
725384
1651
לשלושה מימדים,
12:19
we find entirely new ways of
making sense of information.
making sense of information.
343
727035
3195
נגלה דרכים חדשות לגמרי
להבנת מידע.
להבנת מידע.
12:22
In seconds, we can pick out every pattern here.
344
730230
2485
נוכל תוך שניות לזהות כאן
כל דפוס.
כל דפוס.
12:24
we can see the cross associated with code.
345
732715
1820
נוכל לראות את הצלב
הקשור לקוד.
הקשור לקוד.
12:26
We can see cubes associated with text.
346
734535
1932
נוגל לראות קוביות שקשורות לטקסט.
12:28
We can even pick up the tiniest visual artifacts.
347
736467
2476
נוכל אפילו לזהות
את הפריטים החזותיים הזעירים ביותר.
את הפריטים החזותיים הזעירים ביותר.
12:30
Things that would take us weeks,
348
738943
2130
דברים שהיו נדרשים לנו
שבועות וחודשים
שבועות וחודשים
12:33
months to find in ones and zeroes,
349
741073
2194
כדי לאתר באחדות ואפסים,
12:35
are immediately apparent
350
743267
1803
נגלים מיד לעין
12:37
in some sort of visual abstraction,
351
745070
2270
בסוג כלשהו של הפשטה חזותית,
12:39
and as we continue to go through this
352
747340
1132
וככל שנמשיך לעבור על זה
12:40
and throw more and more information at it,
353
748472
2016
ולערום עוד ועוד מידע,
12:42
what we find is that we're capable of processing
354
750488
2281
נגלה שאנו מסוגלים לעבד
12:44
billions of ones and zeros
355
752769
2416
מיליארדי אחדות ואפסים
12:47
in a matter of seconds
356
755185
1168
תוך שניות
12:48
just by using our brain's built-in ability
357
756353
3234
פשוט בכך שנשתמש
ביכולת הטבעית של מוחנו
ביכולת הטבעית של מוחנו
12:51
to analyze patterns.
358
759587
1954
לנתח דפוסים.
12:53
So this is really nice and helpful,
359
761541
2303
אז זה נחמד ומועיל,
12:55
but all this tells me is what I'm looking at.
360
763844
2359
אבל זה רק אומר לי
על מה אני מסתכל.
על מה אני מסתכל.
12:58
So at this point, based on visual patterns,
361
766203
1484
אז בשלב זה,
על סמך דפוסים חזותיים,
על סמך דפוסים חזותיים,
12:59
I can find the code on the phone.
362
767687
2409
אני מסוגל למצוא
את הקוד בטלפון.
את הקוד בטלפון.
13:02
But that's not enough to blow up a battery.
363
770096
2665
אבל אין בכך די
כדי לפוצץ סוללה.
כדי לפוצץ סוללה.
13:04
The next thing I need to find is the code
364
772761
1568
הדבר הבא שעלי למצוא
הוא הקוד
הוא הקוד
13:06
that controls the battery, but we're back
365
774329
1761
ששולט בסוללה,
אבל אז אנו חוזרים
אבל אז אנו חוזרים
13:08
to the needle in a stack of needles problem.
366
776090
1731
לבעיית המחט בערימת המחטים.
13:09
That code looks pretty much like all the other code
367
777821
2389
הקוד נראה דומה למדי
לכל יתר הביטויים
לכל יתר הביטויים
13:12
on that system.
368
780210
2238
במערכת.
13:14
So I might not be able to find the
code that controls the battery,
code that controls the battery,
369
782448
2401
אז ייתכן שלא אצליח למצוא
את הקוד ששולט בסוללה,
את הקוד ששולט בסוללה,
13:16
but there's a lot of things
that are very similar to that.
that are very similar to that.
370
784849
2011
אבל יש המון דברים דומים לו.
13:18
You have code that controls your screen,
371
786860
1854
יש קודים ששולטים במסך,
13:20
that controls your buttons,
that controls your microphones,
that controls your microphones,
372
788714
2216
בלחצנים, במיקרופון,
13:22
so even if I can't find the code for the battery,
373
790930
1928
אז אפילו אם לא אצליח
לאתר את הקוד של הסוללה,
לאתר את הקוד של הסוללה,
13:24
I bet I can find one of those things.
374
792858
2245
בטוח שאצליח למצוא אחד
מהדברים האלה.
מהדברים האלה.
13:27
So the next step in my binary analysis process
375
795103
2705
אז השלב הבא
בתהליך הניתוח הבינארי שלי
בתהליך הניתוח הבינארי שלי
13:29
is to look at pieces of information
376
797808
1231
הוא לבחון קטעי מידע
שדומים זה לזה.
שדומים זה לזה.
13:31
that are similar to each other.
377
799039
2018
מאד מאד קשה לעשות זאת
ברמה הבינארית,
ברמה הבינארית,
13:33
It's really, really hard to do at a binary level,
378
801057
3983
13:37
but if we translate those similarities
to a visual abstraction instead,
to a visual abstraction instead,
379
805040
3643
אבל אם נתרגם את הזהויות האלה
להפשטה חזותית,
להפשטה חזותית,
13:40
I don't even have to sift through the raw data.
380
808683
2438
אני לא צריך אפילו לחטט
בנתונים הגולמיים.
בנתונים הגולמיים.
13:43
All I have to do is wait for the image to light up
381
811121
2155
עלי רק להמתין עד שהתמונה תתבהר
13:45
to see when I'm at similar pieces.
382
813276
2236
כדי לראות אם יש לי
קטעים דומים.
קטעים דומים.
13:47
I follow these strands of similarity
like a trail of bread crumbs
like a trail of bread crumbs
383
815512
3028
אני עוקב אחרי חוטי זהות אלה
כמו אחרי נתיב פירורי-לחם
כמו אחרי נתיב פירורי-לחם
13:50
to find exactly what I'm looking for.
384
818540
3106
כדי למצוא בדיוק
את מה שאני מחפש.
את מה שאני מחפש.
13:53
So at this point in the process,
385
821646
1734
אז בשלב הזה בתהליך
13:55
I've located the code
386
823380
1318
איתרתי את הקוד
13:56
responsible for controlling your battery,
387
824698
1685
שאחראי לשליטה בסוללה שלכם,
13:58
but that's still not enough to blow up a phone.
388
826383
2576
אבל זה עדיין לא מספיק
כדי לפוצץ טלפון.
כדי לפוצץ טלפון.
14:00
The last piece of the puzzle
389
828959
1564
הפיסה האחרונה בתצרף
היא להבין איך הקוד הזה
שולט בסוללה שלכם.
שולט בסוללה שלכם.
14:02
is understanding how that code
390
830523
2679
14:05
controls your battery.
391
833202
1202
14:06
For this, I need to identify
392
834404
2388
לשם כך עלי לזהות
14:08
very subtle, very detailed relationships
393
836792
1716
יחסים סמויים ומפורטים מאד
14:10
within that binary information,
394
838508
2089
בתוך המידע הבינארי הזה,
14:12
another very hard thing to do
395
840597
1755
וגם את זה קשה מאד לעשות
כשבוחנים אחדות ואפסים.
כשבוחנים אחדות ואפסים.
14:14
when looking at ones and zeros.
396
842352
2312
14:16
But if we translate that information
397
844664
1396
אבל אם נתרגם את המידע הזה
לייצוג פיזי
לייצוג פיזי
14:18
into a physical representation,
398
846060
2180
14:20
we can sit back and let our
visual cortex do all the hard work.
visual cortex do all the hard work.
399
848240
3016
אפשר לשבת בנוחות ולהשאיר את כל
העבודה הקשה לקליפת הראייה במוח.
העבודה הקשה לקליפת הראייה במוח.
14:23
It can find all the detailed patterns,
400
851256
1734
היא מסוגלת למצוא
את כל הדפוסים המפורטים,
את כל הדפוסים המפורטים,
14:24
all the important pieces, for us.
401
852990
2020
את כל הקטעים החשובים,
למעננו.
למעננו.
14:27
It can find out exactly how the pieces of that code
402
855010
2593
היא יכולה למצוא איך בדיוק
קטעי הקוד הזה
קטעי הקוד הזה
14:29
work together to control that battery.
403
857603
2934
פועלים במשולב כדי לשלוט בסוללה.
14:32
All of this can be done in a matter of hours,
404
860537
3004
אפשר לעשות את כל זה
תוך שעות ספורות,
תוך שעות ספורות,
14:35
whereas the same process
405
863541
1356
בעוד שאותו תהליך
דרש בעבר חודשים.
דרש בעבר חודשים.
14:36
would have taken months in the past.
406
864897
2922
כל זה טוב ויפה
14:39
This is all well and good
407
867819
1189
14:41
in a theoretical blow up a terrorist's phone situation.
408
869008
2942
כשמדובר בתרחיש תיאורטי
של פיצוץ טלפון של מחבל.
של פיצוץ טלפון של מחבל.
14:43
I wanted to find out if this would really work
409
871950
2847
רציתי לגלות אם זה יצליח
14:46
in the work I do every day.
410
874797
2629
בעבודה היומיומית שלי.
14:49
So I was playing around with these same concepts
411
877426
3055
אז השתעשעתי לי
עם רעיונות כאלה
עם רעיונות כאלה
14:52
with some of the data I've looked at in the past,
412
880481
3024
בחלק מהמידע שבחנתי בעבר,
14:55
and yet again, I was trying to find
413
883505
2492
ושוב, ניסיתי למצוא
14:57
a very detailed, specific piece of code
414
885997
2208
קטע קוד מפורט וספציפי מאד
15:00
inside of a massive piece of binary information.
415
888205
3595
בתוך גוש מסיבי
של מידע בינארי.
של מידע בינארי.
15:03
So I looked at it at this level,
416
891800
1773
אז בחנתי את זה ברמה הזו,
15:05
thinking I was looking at the right thing,
417
893573
1950
במחשבה שאני מתבונן בדבר הנכון,
15:07
only to see this doesn't have
418
895523
2321
אבל גיליתי
שאין כאן הקישוריות
שהייתי מצפה למצוא
שהייתי מצפה למצוא
15:09
the connectivity I would have expected
419
897844
1740
15:11
for the code I was looking for.
420
899584
1905
בקוד שאני מחפש.
15:13
In fact, I'm not really sure what this is,
421
901489
2603
למעשה, בכלל לא ידעתי מה זה,
15:16
but when I stepped back a level
422
904092
1012
אבל כשעליתי רמה
ובחנתי את הזהויות שבתוך הקוד,
ובחנתי את הזהויות שבתוך הקוד,
15:17
and looked at the similarities within the code
423
905104
1715
15:18
I saw, this doesn't have similarities
424
906819
2294
ראיתי שאין בו זהויות
כמו בכל קוד אחר.
כמו בכל קוד אחר.
15:21
like any code that exists out there.
425
909113
1491
15:22
I can't even be looking at code.
426
910604
2225
אולי אני בכלל לא מסתכל
על קטע קוד.
על קטע קוד.
15:24
In fact, from this perspective,
427
912829
2386
למעשה, מנקודת המבט הזאת,
15:27
I could tell, this isn't code.
428
915215
2048
יכולתי לקבוע שזה איננו קוד.
15:29
This is an image of some sort.
429
917263
2048
זאת תמונה כלשהי.
15:31
And from here, I can see,
430
919311
1682
ומכאן אני יכול לראות
15:32
it's not just an image, this is a photograph.
431
920993
2911
שזאת לא סתם תמונה,
אלא צילום.
אלא צילום.
15:35
Now that I know it's a photograph,
432
923904
1392
משהתברר לי שזה צילום,
15:37
I've got dozens of other
binary translation techniques
binary translation techniques
433
925296
2930
עומדות לרשותי
עשרות טכניקות תרגום בינארי
עשרות טכניקות תרגום בינארי
15:40
to visualize and understand that information,
434
928226
2421
כדי להפוך מידע זה לחזותי ולהבינו,
15:42
so in a matter of seconds,
we can take this information,
we can take this information,
435
930647
2543
אז אנו יכולים תוך שניות
לקחת את המידע הזה,
לקחת את המידע הזה,
15:45
shove it through a dozen other
visual translation techniques
visual translation techniques
436
933190
2397
להעביר אותו דרך עוד עשר
טכניקות תרגום חזותי
טכניקות תרגום חזותי
15:47
in order to find out exactly what we were looking at.
437
935587
3731
כדי לגלות על מה
אנו בעצם מסתכלים.
אנו בעצם מסתכלים.
15:51
I saw — (Laughter) —
438
939318
1682
ראיתי --
[צחוק]
[צחוק]
15:53
it was that darn kitten again.
439
941000
3456
זה שוב החתלתול המעצבן הזה.
15:56
All this is enabled
440
944456
1050
כל זה התאפשר
15:57
because we were able to find a way
441
945506
1495
הודות לכך שיכולנו למצוא דרך
15:59
to translate a very hard problem
442
947001
2029
לתרגם בעיה קשה מאד
16:01
to something our brains do very naturally.
443
949030
2512
למשהו שמוחנו מסוגל לעשות
באופן טבעי ביותר.
באופן טבעי ביותר.
16:03
So what does this mean?
444
951542
2238
אז מה זה אומר?
16:05
Well, for kittens, it means
445
953780
1545
מבחינת החתלתולים זה אומר
16:07
no more hiding in ones and zeros.
446
955325
2417
שהם כבר לא יכולים להסתתר
בין האחדות והאפסים.
בין האחדות והאפסים.
16:09
For me, it means no more wasted weekends.
447
957742
3303
מבחינתי זה אומר
לא עוד סופי-שבוע מבוזבזים.
לא עוד סופי-שבוע מבוזבזים.
16:13
For cyber, it means we have a radical new way
448
961045
2612
מבחינת אבטחת המחשבים זה אומר
שיש לנו שיטה חדשה ורדיקלית
שיש לנו שיטה חדשה ורדיקלית
16:15
to tackle the most impossible problems.
449
963657
2965
להתמודדות עם הבעיות
הכי בלתי-אפשריות.
הכי בלתי-אפשריות.
16:18
It means we have a new weapon
450
966622
1812
זה אומר שיש לנו נשק חדש
16:20
in the evolving theater of cyber warfare,
451
968434
2416
בזירה המתפתחת של הלוחמה הממוחשבת,
16:22
but for all of us,
452
970850
1420
אבל מבחינת כולנו,
16:24
it means that cyber engineers
453
972270
1475
זה אומר שמהנדסי אבטחת המחשבים
16:25
now have the ability to become first responders
454
973745
2146
מצוידים כעת ביכולת להגיב ראשונים
16:27
in emergency situations.
455
975891
2583
במצבי חירום.
16:30
When seconds count,
456
978474
1047
כשכל שניה קובעת,
16:31
we've unlocked the means to stop the bad guys.
457
979521
3409
גילינו את האמצעים
כיצד לעצור את הרעים.
כיצד לעצור את הרעים.
16:34
Thank you.
458
982930
2000
תודה לכם.
[מחיאות כפיים]
16:36
(Applause)
459
984930
2962
ABOUT THE SPEAKER
Chris Domas - Cybersecurity researcherChris Domas is an embedded systems engineer and cybersecurity researcher.
Why you should listen
Chris Domas is a cyber-security researcher at the Battelle Memorial Institute. He specializes in embedded systems reverse-engineering (RE) and vulnerability analysis, figuring out how to manipulate electronic devices. Applying this towards national security, his group develops cyber technology that protects people on the newest front of global war.
Domas graduated from Ohio State University, where he set out to take every class offered by the school. He bounced between majors in electrical engineering, physics, mathematics, mechanical engineering, biology, chemistry, statistics, biomedical engineering, computer graphics, psychology, and linguistics, but finally ran out of money and was forced to graduate. Settling on a degree in computer science, with an irrelevant handful of minors, he joined Battelle as a cyber security researcher. Today, he strives to incorporate ideas from these disparate fields to tackle the world’s most challenging cyber problems in innovative and unexpected ways. As a result of his work, he received Battelle’s coveted 2013 Emerging Scientist and 2013 Technical Achievement awards. He continues to present research around the country, most recently at the cyber security conferences Black Hat, REcon and DerbyCon.
Chris Domas | Speaker | TED.com