TEDxColumbus
Chris Domas: The 1s and 0s behind cyber warfare
Chris Domas: Egyesek és nullák a kiberháború hátországában
Filmed:
Readability: 4
1,109,814 views
Chris Domas IT-biztonsági kutató, területe az új háborús front, a kiber. Lebilincselő előadásában bemutatja, hogyan alkalmazzák a kutatók a mintázat-felismerő és visszafejtő technikákat (és hogyan képesztik el az éjszakákon át dolgozókat), hogy megértsenek egy halom bináris kódot, amelyek célja és tartalma ismeretlen előttük.
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
Sok egyest és nullát látnak.
00:15
It's what we call binary information.
1
3032
3099
Ezt bináris információnak hívjuk.
00:18
This is how computers talk.
2
6131
1442
Ez a számítógépek nyelve.
00:19
It's how they store information.
3
7573
1929
Így tárolják az információt.
00:21
It's how computers think.
4
9502
1626
Így gondolkodnak a számítógépek.
00:23
It's how computers do
5
11128
1619
Ezt használják a számítógépek
00:24
everything it is that computers do.
6
12747
2382
mindenhez, amit csinálnak.
00:27
I'm a cybersecurity researcher,
7
15129
2047
Kiberbiztonsági kutató vagyok.
00:29
which means my job is to sit
down with this information
down with this information
8
17176
2070
Az a munkám, hogy ebből az infóból
00:31
and try to make sense of it,
9
19246
1684
valami értelmeset hozzak ki,
00:32
to try to understand what all
the ones and zeroes mean.
the ones and zeroes mean.
10
20930
2753
s megértsem, mit jelentenek
az egyesek és nullák.
az egyesek és nullák.
00:35
Unfortunately for me, we're not just talking
11
23683
1843
Pechemre nemcsak beszélünk
00:37
about the ones and zeros
I have on the screen here.
I have on the screen here.
12
25526
2234
a képernyőn látható
egyesekről és nullákról.
egyesekről és nullákról.
00:39
We're not just talking about a
few pages of ones and zeros.
few pages of ones and zeros.
13
27760
2683
Nemcsak pár oldalnyi
egyesről és nulláról beszélünk.
egyesről és nulláról beszélünk.
00:42
We're talking about billions and billions
14
30443
2609
Sok-sok milliárdnyi egyesről
00:45
of ones and zeros,
15
33052
1333
és nulláról beszélünk,
00:46
more than anyone could possibly comprehend.
16
34385
2641
többről, mint amennyi ésszel fölfogható.
00:49
Now, as exciting as that sounds,
17
37026
1859
Bármennyire izgalmasnak hangozzék is,
00:50
when I first started doing cyber —
18
38885
2492
mikor a kibertérrel kezdtem foglalkozni
00:53
(Laughter) —
19
41377
1743
(Nevetés) —
00:55
when I first started doing cyber, I wasn't sure
20
43120
2003
nem voltam benne biztos,
00:57
that sifting through ones and zeros
21
45123
1473
hogy ezek vizsgálatával akarok
00:58
was what I wanted to do with the rest of my life,
22
46596
2294
hátralévő életemben bíbelődni.
01:00
because in my mind, cyber
23
48890
2020
Az én fejemben a kiber azt jelentette,
01:02
was keeping viruses off of my grandma's computer,
24
50910
3681
hogy távol tartsam
a vírusokat a nagyi gépétől,
a vírusokat a nagyi gépétől,
01:06
it was keeping people's Myspace
pages from being hacked,
pages from being hacked,
25
54591
3348
hogy a Myspace-oldalakat
ne lehessen föltörni,
ne lehessen föltörni,
01:09
and maybe, maybe on my most glorious day,
26
57939
2185
s lehet, hogy egy szép napon elérem,
01:12
it was keeping someone's credit
card information from being stolen.
card information from being stolen.
27
60124
3751
hogy valaki hitelkártyájáról
az infót ne tudják lelopni.
az infót ne tudják lelopni.
01:15
Those are important things,
28
63875
1363
Bár ezek fontos dolgok,
01:17
but that's not how I wanted to spend my life.
29
65238
2758
de nem ezzel akartam tölteni az életemet.
01:19
But after 30 minutes of work
30
67996
1934
Védelmi megbízatásom első félórája után
01:21
as a defense contractor,
31
69930
1353
hamar rájöttem,
01:23
I soon found out that my idea of cyber
32
71283
2790
hogy a számítástechnikai elképzeléseim
01:26
was a little bit off.
33
74073
1869
nem valósulnak meg.
01:27
In fact, in terms of national security,
34
75942
1945
Nemzetbiztonsági szempontból
01:29
keeping viruses off of my grandma's computer
35
77887
2071
a nagyi gépének megvédése a vírusoktól
01:31
was surprisingly low on their priority list.
36
79958
3186
meglepő módon hátra lett sorolva.
01:35
And the reason for that is cyber
37
83144
1301
Az oka, hogy a számítástechnika
01:36
is so much bigger than any one of those things.
38
84445
3793
sokkal több, mint bármely más dolog.
01:40
Cyber is an integral part of all of our lives,
39
88238
2825
A számítástechnika életünk része,
01:43
because computers are an
integral part of all of our lives,
integral part of all of our lives,
40
91063
3060
mert a számítógép is életünk része,
01:46
even if you don't own a computer.
41
94123
1952
még ha nincs is gépünk.
01:48
Computers control everything in your car,
42
96075
2646
Számítógép szabályoz mindent a kocsinkban,
01:50
from your GPS to your airbags.
43
98721
1880
a GPS-től a légzsákig.
01:52
They control your phone.
44
100601
1316
A mobilunkat is vezérli,
01:53
They're the reason you can call 911
45
101917
1171
így hívhatjuk a 911-et,
01:55
and get someone on the other line.
46
103088
1796
és kapcsolhatnak valakit.
01:56
They control our nation's entire infrastructure.
47
104884
2794
Országunk teljes infrastruktúráját
szabályozzák.
szabályozzák.
01:59
They're the reason you have electricity,
48
107678
1676
Ezért van villamos áramunk,
02:01
heat, clean water, food.
49
109354
2338
fűtésünk, tiszta vizünk, táplálékunk.
02:03
Computers control our military equipment,
50
111692
1901
Gépek vezérlik a katonai berendezéseket,
02:05
everything from missile silos to satellites
51
113593
1677
a rakétasilóktól a műholdakig
02:07
to nuclear defense networks.
52
115270
3914
és a nukleáris védelmi hálózatokig.
02:11
All of these things are made possible
53
119184
1989
Mindezt a számítógépek
02:13
because of computers,
54
121173
1416
teszik lehetővé,
02:14
and therefore because of cyber,
55
122589
1983
s ezért a számítástechnika miatt
02:16
and when something goes wrong,
56
124572
1504
ha valami elromlik,
02:18
cyber can make all of these things impossible.
57
126076
3118
a számítástechnika teszi
őket használhatatlanná.
őket használhatatlanná.
02:21
But that's where I step in.
58
129194
1585
De itt jövök én.
02:22
A big part of my job is defending all of these things,
59
130779
2940
Munkám zömét ezek védelme teszi ki,
02:25
keeping them working,
60
133719
1662
hogy minden működjön,
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
de néha valami semlegesítése
is hozzátartozik,
is hozzátartozik,
02:29
because cyber isn't just about defense,
62
137709
2396
mert a számítástechnikához
nemcsak a védelem,
nemcsak a védelem,
02:32
it's also about offense.
63
140105
2273
hanem a támadás is hozzátartozik.
02:34
We're entering an age where we talk about
64
142378
1576
Olyan korba lépünk, amelyben
02:35
cyberweapons.
65
143954
1461
számítógépes fegyverek vannak.
02:37
In fact, so great is the potential for cyber offense
66
145415
3135
A számítógépes támadás lehetősége
annyira széleskörű,
annyira széleskörű,
02:40
that cyber is considered a new domain of warfare.
67
148550
3621
hogy a háború új területének számít.
02:44
Warfare.
68
152171
1800
Háború.
02:45
It's not necessarily a bad thing.
69
153971
1929
Ez nem szükségképpen rossz.
02:47
On the one hand, it means we have whole new front
70
155900
2751
Egyrészt, ez teljesen új frontot jelent,
02:50
on which we need to defend ourselves,
71
158651
1743
ahol meg kell védenünk magunkat,
02:52
but on the other hand,
72
160394
1485
de másrészt ez azt jelenti,
02:53
it means we have a whole new way to attack,
73
161879
1842
hogy teljesen új módon támadhatunk
02:55
a whole new way to stop evil people
74
163721
1859
s fékezhetjük meg a rossz szándékúakat,
02:57
from doing evil things.
75
165580
2227
hogy ne művelhessenek gonosz dolgokat.
02:59
So let's consider an example of this
76
167807
1811
Nézzük ezt
03:01
that's completely theoretical.
77
169618
1689
a teljesen elméleti példát.
03:03
Suppose a terrorist wants to blow up a building,
78
171307
2258
Tegyük föl, hogy egy terrorista
03:05
and he wants to do this again and again
79
173565
2068
házat akar robbantani, és ezt
03:07
in the future.
80
175633
1451
gyakran meg akarja ismételni.
03:09
So he doesn't want to be in
that building when it explodes.
that building when it explodes.
81
177084
2840
Persze nem akar a leomló házban lenni.
03:11
He's going to use a cell phone
82
179924
1518
Mobilt fog használni
03:13
as a remote detonator.
83
181442
2335
távirányítású gyújtószerkezetként.
03:15
Now, it used to be the only way we had
84
183777
1871
Eddig az egyetlen eszköz
03:17
to stop this terrorist
85
185648
1636
a terrorista megállítására
03:19
was with a hail of bullets and a car chase,
86
187284
2673
a golyózápor és az autós üldözés volt.
03:21
but that's not necessarily true anymore.
87
189957
2332
De ma már nem biztos, hogy ez így van.
03:24
We're entering an age where we can stop him
88
192289
1563
Ma már megállíthatjuk
03:25
with the press of a button
89
193852
1110
egy gombnyomással,
03:26
from 1,000 miles away,
90
194962
2007
innen több ezer kilométerre.
03:28
because whether he knew it or not,
91
196969
1589
Mert még ha nem tudja is
03:30
as soon as he decided to use his cell phone,
92
198558
1711
a terrorista: mikor mobilozni akar,
03:32
he stepped into the realm of cyber.
93
200269
3134
belépett a számítástechnika birodalmába.
03:35
A well-crafted cyber attack
could break into his phone,
could break into his phone,
94
203403
3117
Egy ügyes számítógépes támadással
03:38
disable the overvoltage protections on his battery,
95
206520
2149
betörhetünk a mobiljába, kikapcsolhatjuk
03:40
drastically overload the circuit,
96
208669
1755
a túlfeszültség-védelmet,
03:42
cause the battery to overheat, and explode.
97
210424
2357
s az akku túlhevül és fölrobban.
03:44
No more phone, no more detonator,
98
212781
2446
Volt-nincs mobil, nincs gyutacs,
03:47
maybe no more terrorist,
99
215227
1923
lehet, hogy a terrorista sincs többé.
03:49
all with the press of a button
100
217150
1031
Egy gombnyomásra,
03:50
from a thousand miles away.
101
218181
2680
több ezer kilométerről.
03:52
So how does this work?
102
220861
1751
Hogyan?
03:54
It all comes back to those ones and zeros.
103
222612
2268
Vissza kell térnünk
az egyesekhez és nullákhoz.
az egyesekhez és nullákhoz.
03:56
Binary information makes your phone work,
104
224880
3005
A telefont bináris információ vezérli,
03:59
and used correctly, it can make your phone explode.
105
227885
3584
s ha helyesen használjuk,
fölrobbanthatja a mobilt.
fölrobbanthatja a mobilt.
04:03
So when you start to look at
cyber from this perspective,
cyber from this perspective,
106
231469
2472
Ha ebből a szemszögből
nézzük a számítástechnikát,
nézzük a számítástechnikát,
04:05
spending your life sifting through binary information
107
233941
3163
akkor életünket bináris infóval tölteni
04:09
starts to seem kind of exciting.
108
237104
2417
elég érdekesnek látszik.
04:11
But here's the catch: This is hard,
109
239521
2646
De az a bökkenő, hogy ez nehéz,
04:14
really, really hard,
110
242167
1685
elég nehéz foglalatosság.
04:15
and here's why.
111
243852
1834
Miért?
04:17
Think about everything you have on your cell phone.
112
245686
2766
Gondolják végig,
mi minden van a mobiljukban.
mi minden van a mobiljukban.
04:20
You've got the pictures you've taken.
113
248452
1963
Fényképek,
04:22
You've got the music you listen to.
114
250415
1786
zene,
04:24
You've got your contacts list,
115
252201
1648
címek, telefonszámok, emailek,
04:25
your email, and probably 500 apps
116
253849
1625
és talán vagy 500 alkalmazás,
04:27
you've never used in your entire life,
117
255474
3001
amelyeket soha az életben nem használtak,
04:30
and behind all of this is the software, the code,
118
258475
3987
és a háttérben a szoftver, a kód,
04:34
that controls your phone,
119
262462
1380
a telefonvezérlő program,
04:35
and somewhere, buried inside of that code,
120
263842
2656
s valahol benne megbújik egy pici rész,
04:38
is a tiny piece that controls your battery,
121
266498
2548
amely az akkut vezérli.
04:41
and that's what I'm really after,
122
269046
1871
Pont az kell nekünk.
04:42
but all of this, just a bunch of ones and zeros,
123
270917
3686
Az egészből csak egy pár egyes és nulla,
04:46
and it's all just mixed together.
124
274603
1531
de ezek össze vannak kutyulva.
04:48
In cyber, we call this finding a
needle in a stack of needles,
needle in a stack of needles,
125
276134
3545
A számítástechnikában ezt
"tű a kazalnyi tű között"-nek hívjuk,
"tű a kazalnyi tű között"-nek hívjuk,
04:51
because everything pretty much looks alike.
126
279679
2349
mert mindegyik nagyban hasonlít a többire.
04:54
I'm looking for one key piece,
127
282028
1732
Egy lényeges részt keresek,
04:55
but it just blends in with everything else.
128
283760
3234
de az bele van keveredve az egészbe.
04:58
So let's step back from this theoretical situation
129
286994
2252
Hagyjuk ezt az elméleti helyzetet,
05:01
of making a terrorist's phone explode,
130
289246
2344
hogy fölrobbantjuk a terrorista mobilját,
05:03
and look at something that actually happened to me.
131
291590
2816
s nézzük, mi történt velem.
05:06
Pretty much no matter what I do,
132
294406
1343
Mindegy, mit kell csinálnom,
05:07
my job always starts with sitting down
133
295749
1442
a munkám mindig
05:09
with a whole bunch of binary information,
134
297191
2372
a bináris infó böngészésével kezdődik,
05:11
and I'm always looking for one key piece
135
299563
1727
mindig a lényeges részt keresem,
05:13
to do something specific.
136
301290
1987
hogy azzal kezdjek valamit.
05:15
In this case, I was looking for a very advanced,
137
303277
2077
Ezúttal egy nagyon ravasz,
nagyon high-tech kódot kerestem,
05:17
very high-tech piece of code
138
305354
1518
05:18
that I knew I could hack,
139
306872
1215
tudtam, hogy feltörhetem,
05:20
but it was somewhere buried
140
308087
1714
de valahol a milliárdnyi egyes
05:21
inside of a billion ones and zeroes.
141
309801
2026
és nulla közé volt elásva.
05:23
Unfortunately for me, I didn't know
142
311827
1578
Pechemre, nem tudtam,
05:25
quite what I was looking for.
143
313405
1691
hogy pontosan mit is keressek.
05:27
I didn't know quite what it would look like,
144
315096
1196
Nem tudtam,
05:28
which makes finding it really, really hard.
145
316292
2918
hogyan kell kinéznie,
ami megnehezítette a keresést.
ami megnehezítette a keresést.
05:31
When I have to do that, what I have to do
146
319210
2039
Ilyenkor meg kell figyelnem
05:33
is basically look at various pieces
147
321249
2342
a különféle részleteket
05:35
of this binary information,
148
323591
1723
a bináris infóban,
05:37
try to decipher each piece, and see if it might be
149
325314
2202
megkísérlem megfejteni őket, hogy lássam,
05:39
what I'm after.
150
327516
1224
ezt keresem-e.
05:40
So after a while, I thought I had found the piece
151
328740
1625
Egy idő után azt hittem,
05:42
I was looking for.
152
330365
1337
megtaláltam, amit kellett.
05:43
I thought maybe this was it.
153
331702
2104
Azt hittem, talán ez az.
05:45
It seemed to be about right, but I couldn't quite tell.
154
333806
2032
Úgy tűnt: talán, de nem voltam biztos.
05:47
I couldn't tell what those
ones and zeros represented.
ones and zeros represented.
155
335838
2918
Nem értettem, mit jelentenek
az egyesek és nullák.
az egyesek és nullák.
05:50
So I spent some time trying to put this together,
156
338756
3374
Egy csomó időt töltöttem azzal,
hogy összeálljon az egész,
hogy összeálljon az egész,
05:54
but wasn't having a whole lot of luck,
157
342130
1670
de nem pártolt mellém a szerencse,
05:55
and finally I decided,
158
343800
1186
végül úgy döntöttem,
05:56
I'm going to get through this,
159
344986
1609
átböngészem az egészet,
05:58
I'm going to come in on a weekend,
160
346595
1511
bejövök a hétvégén,
06:00
and I'm not going to leave
161
348106
1340
s addig nem megyek haza,
06:01
until I figure out what this represents.
162
349446
1712
amíg meg nem fejtem.
06:03
So that's what I did. I came
in on a Saturday morning,
in on a Saturday morning,
163
351158
2166
Így is tettem. Bementem szombat reggel,
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
és 10 óra alatt megvoltak
a kirakó darabjai.
a kirakó darabjai.
06:08
I just didn't know how they fit together.
165
356969
1392
Csak az összerakás nem ment.
06:10
I didn't know what these ones and zeros meant.
166
358361
2790
Nem tudtam, mit jelentenek
az egyesek és a nullák.
az egyesek és a nullák.
06:13
At the 15-hour mark,
167
361151
2067
A 15. órában
06:15
I started to get a better picture of what was there,
168
363218
2602
kezdtem kapiskálni, mi van előttem,
06:17
but I had a creeping suspicion
169
365820
1772
de szörnyű gyanúm támadt:
06:19
that what I was looking at
170
367592
1589
ami előttem van,
06:21
was not at all related to what I was looking for.
171
369181
2923
annak semmi köze a keresett dologhoz.
06:24
By 20 hours, the pieces started to come together
172
372104
2487
20 óra telt el, és a dolgok
nagyon lassan
nagyon lassan
06:26
very slowly — (Laughter) —
173
374591
3764
kezdtek összeállni, — (Nevetés) —
06:30
and I was pretty sure I was going down
174
378355
1266
de az volt az érzésem,
06:31
the wrong path at this point,
175
379621
1939
hogy tévúton járok,
06:33
but I wasn't going to give up.
176
381560
2251
de nem akartam föladni.
06:35
After 30 hours in the lab,
177
383811
2834
A 30. óra után rájöttem,
06:38
I figured out exactly what I was looking at,
178
386645
2261
hogy igazam volt: nem azt keresem,
06:40
and I was right, it wasn't what I was looking for.
179
388906
2818
ami előttem van.
06:43
I spent 30 hours piecing together
180
391724
1699
30 órát töltöttem egyesek és nullák
06:45
the ones and zeros that
formed a picture of a kitten.
formed a picture of a kitten.
181
393423
2722
összeillesztésével,
s egy cica rajzolódott ki belőlük.
s egy cica rajzolódott ki belőlük.
06:48
(Laughter)
182
396145
1795
(Nevetés)
06:49
I wasted 30 hours of my life searching for this kitten
183
397940
3806
30 órát fecséreltem el
az életemből a cicára,
az életemből a cicára,
06:53
that had nothing at all to do
184
401746
1838
amelynek semmi köze sem volt
06:55
with what I was trying to accomplish.
185
403584
1987
a megoldandó feladathoz.
06:57
So I was frustrated, I was exhausted.
186
405571
3863
Bosszús és kimerült voltam.
07:01
After 30 hours in the lab, I probably smelled horrible.
187
409434
3226
A laborban töltött 30 óra után
szörnyű szagot áraszthattam.
szörnyű szagot áraszthattam.
07:04
But instead of just going home
188
412660
2230
De ahelyett, hogy hazaindultam
07:06
and calling it quits, I took a step back
189
414890
2530
és lapoztam volna, elgondolkoztam:
07:09
and asked myself, what went wrong here?
190
417420
2541
mit csináltam rosszul?
07:11
How could I make such a stupid mistake?
191
419961
2212
Hogy követhettem el ilyen ostoba hibát?
07:14
I'm really pretty good at this.
192
422173
1398
Elég jó vagyok ezekben.
07:15
I do this for a living.
193
423571
1319
Ezzel keresem a kenyerem.
07:16
So what happened?
194
424890
2148
Mi történt?
07:19
Well I thought, when you're
looking at information at this level,
looking at information at this level,
195
427038
2775
Mikor az ember az infót nézi,
07:21
it's so easy to lose track of what you're doing.
196
429813
2827
könnyű utat téveszteni.
07:24
It's easy to not see the forest through the trees.
197
432640
1744
Gyakran a fától nem látjuk az erdőt.
07:26
It's easy to go down the wrong rabbit hole
198
434384
2164
Könnyű belezavarodni a feladatba,
07:28
and waste a tremendous amount of time
199
436548
1762
és rengeteg időt elvesztegetni
07:30
doing the wrong thing.
200
438310
1820
tévúton járva.
07:32
But I had this epiphany.
201
440130
1600
De jött a megvilágosodás.
07:33
We were looking at the data completely incorrectly
202
441730
2999
Az első naptól kezdve
helytelenül szemléltük
helytelenül szemléltük
07:36
since day one.
203
444729
1490
az adatokat.
07:38
This is how computers think, ones and zeros.
204
446219
2103
A gép egyesekben
és nullákban gondolkozik.
és nullákban gondolkozik.
07:40
It's not how people think,
205
448322
1392
Mi nem így gondolkodunk,
07:41
but we've been trying to adapt our minds
206
449714
2314
de próbáltuk agyunkkal
jobban alkalmazkodni
jobban alkalmazkodni
07:44
to think more like computers
207
452028
1345
a gép gondolkodásához,
07:45
so that we can understand this information.
208
453373
2597
hogy megérthessük az infót.
07:47
Instead of trying to make our minds fit the problem,
209
455970
1950
Agyunkat akarjuk a feladathoz igazítani,
07:49
we should have been making the problem
210
457920
1648
ehelyett a feladatot kellett volna
07:51
fit our minds,
211
459568
969
az agyunkhoz,
07:52
because our brains have a tremendous potential
212
460537
2109
mert bár agyunk nagy kapacitású
07:54
for analyzing huge amounts of information,
213
462646
3086
nagy mennyiségű infó elemzésekor,
07:57
just not like this.
214
465732
1297
de nem így.
07:59
So what if we could unlock that potential
215
467029
1467
Mi lenne, ha megnyithatnánk
08:00
just by translating this
216
468496
1527
agyunk kapacitását
08:02
to the right kind of information?
217
470023
2848
az infó kellő alakra hozásával?
08:04
So with these ideas in mind,
218
472871
1194
Fejemben e gondolatokkal
08:06
I sprinted out of my basement lab at work
219
474065
1618
a pincelaboromból hazafutottam
08:07
to my basement lab at home,
220
475683
1307
az otthoni pincelaboromba,
08:08
which looked pretty much the same.
221
476990
1996
amely majdnem ugyanúgy néz ki.
08:10
The main difference is, at work,
222
478986
1824
A lényegi különbség, hogy a munkában
08:12
I'm surrounded by cyber materials,
223
480810
1579
köröttem informatikai dolgok vannak,
08:14
and cyber seemed to be the
problem in this situation.
problem in this situation.
224
482389
2605
s pont ez a zavaró.
08:16
At home, I'm surrounded by
everything else I've ever learned.
everything else I've ever learned.
225
484994
3353
Otthon köröttem az van, amiből tanultam.
08:20
So I poured through every book I could find,
226
488347
1872
Átnyálaztam minden föllelhető könyvet,
08:22
every idea I'd ever encountered,
227
490219
1332
átgondoltam
08:23
to see how could we translate a problem
228
491551
2146
a szóba jöhető ötleteket,
08:25
from one domain to something completely different?
229
493697
3132
hogy a feladatot átfogalmazzam.
08:28
The biggest question was,
230
496829
1394
A kérdés az volt:
08:30
what do we want to translate it to?
231
498223
1968
mivé fogalmazzam át?
08:32
What do our brains do perfectly naturally
232
500191
2112
Mit hajt végre agyunk
egészen természetesen,
egészen természetesen,
08:34
that we could exploit?
233
502303
1878
amit ki tudunk használni?
08:36
My answer was vision.
234
504181
2289
A válaszom: a látás.
08:38
We have a tremendous capability
to analyze visual information.
to analyze visual information.
235
506470
3149
Számtalan lehetőségünk van
a képi infó elemzésére.
a képi infó elemzésére.
08:41
We can combine color gradients, depth cues,
236
509619
2583
Társíthatjuk a színátmeneteket,
08:44
all sorts of these different signals
237
512202
1788
jelzőmozzanatokat,
08:45
into one coherent picture of the world around us.
238
513990
2395
más jeleket a köröttünk
lévő világ képbe írásához.
lévő világ képbe írásához.
08:48
That's incredible.
239
516385
1407
Ez elképesztő.
08:49
So if we could find a way to translate
240
517792
1381
Ha módot találunk rá,
08:51
these binary patterns to visual signals,
241
519173
2186
hogy e bináris mintázatokat képi jelekké
08:53
we could really unlock the power of our brains
242
521359
1832
írjuk át, feltárhatjuk agyunk erejét
08:55
to process this stuff.
243
523191
2710
a feladat kidolgozására.
08:57
So I started looking at the binary information,
244
525901
1843
Néztem a bináris infót,
08:59
and I asked myself, what do I do
245
527744
1090
s kíváncsi voltam:
09:00
when I first encounter something like this?
246
528834
1876
mit teszek, mikor majd ilyet látok?
09:02
And the very first thing I want to do,
247
530710
1623
Elsősorban arra keresem a választ,
09:04
the very first question I want to answer,
248
532333
1359
s ez az első kérdés:
09:05
is what is this?
249
533692
1278
Mi a csuda ez?
09:06
I don't care what it does, how it works.
250
534970
2528
Nem érdekel, mit művel, hogyan működik.
09:09
All I want to know is, what is this?
251
537498
2479
Csak az érdekel: mi ez?
09:11
And the way I can figure that out
252
539977
1675
Úgy tudok rájönni,
09:13
is by looking at chunks,
253
541652
1683
hogy nagyobb egységeket veszek,
09:15
sequential chunks of binary information,
254
543335
2453
a bináris infó egymás utáni egységeit,
09:17
and I look at the relationships
between those chunks.
between those chunks.
255
545788
2902
és megfigyelem a kapcsolatukat.
09:20
When I gather up enough of these sequences,
256
548690
1772
Mikor elég ilyen részt átnéztem,
09:22
I begin to get an idea of exactly
257
550462
2004
kezd leesni,
09:24
what this information must be.
258
552466
2634
miről szól ez az infó.
09:27
So let's go back to that
259
555100
1184
Térjünk vissza
09:28
blow up the terrorist's phone situation.
260
556284
2090
a terrorista mobilja fölrobbantásához.
09:30
This is what English text looks like
261
558374
2203
Ilyen egy angol nyelvű szöveg
09:32
at a binary level.
262
560577
1313
bináris kódban.
09:33
This is what your contacts list would look like
263
561890
2326
Ilyen a kapcsolatok listája,
09:36
if I were examining it.
264
564216
1560
ha azt vizsgálnám.
09:37
It's really hard to analyze this at this level,
265
565776
2234
Elég nehéz elemezni ezen a szinten,
09:40
but if we take those same binary chunks
266
568010
2104
de ha a nagyobb
bináris egységeket vesszük,
bináris egységeket vesszük,
09:42
that I would be trying to find,
267
570114
1182
amiket meg akarok lelni,
09:43
and instead translate that
268
571296
1764
és képi alakra
09:45
to a visual representation,
269
573060
1920
akarom őket hozni,
09:46
translate those relationships,
270
574980
1797
a kapcsolatukat átalakítva:
09:48
this is what we get.
271
576777
1556
pont ez kell nekünk!
09:50
This is what English text looks like
272
578333
1914
Ilyen egy angol nyelvű szöveg
09:52
from a visual abstraction perspective.
273
580247
2671
elvont képi alakban.
09:54
All of a sudden,
274
582918
1140
Hirtelen előttünk áll
09:56
it shows us all the same information
275
584058
1435
ugyanaz az infó, de egyesek
09:57
that was in the ones and zeros,
276
585493
1172
és nullák helyett
09:58
but show us it in an entirely different way,
277
586665
2321
most teljesen mást mutat:
10:00
a way that we can immediately comprehend.
278
588986
1717
ezt az alakot rögtön fel tudjuk fogni.
10:02
We can instantly see all of the patterns here.
279
590703
2965
Rögtön látható minden mintázat.
10:05
It takes me seconds to pick out patterns here,
280
593668
2592
Pillanatok alatt
fölismerem a mintázatokat,
fölismerem a mintázatokat,
10:08
but hours, days, to pick them out
281
596260
2254
de egyesek és nullák alakjában ez órákba
10:10
in ones and zeros.
282
598514
1320
vagy napokba telne.
10:11
It takes minutes for anybody to learn
283
599834
1736
Bárki percek alatt megtudhatja,
10:13
what these patterns represent here,
284
601570
1665
mit jelképeznek a mintázatok,
10:15
but years of experience in cyber
285
603235
2247
de csak sokévi
kiber-tapasztalat birtokában
kiber-tapasztalat birtokában
10:17
to learn what those same patterns represent
286
605482
1654
ismeri föl, mik a mintázatban
10:19
in ones and zeros.
287
607136
1586
azok az egyesek és a nullák.
10:20
So this piece is caused by
288
608722
1662
Ez a részlet kisbetűkből áll,
10:22
lower case letters followed by lower case letters
289
610384
2024
amelyeket kisbetűk követnek
10:24
inside of that contact list.
290
612408
1767
a kapcsolati listán belül.
10:26
This is upper case by upper case,
291
614175
1341
Itt meg csak nagybetűk,
10:27
upper case by lower case, lower case by upper case.
292
615516
2685
majd nagybetűk kisbetűk után,
aztán fordítva.
aztán fordítva.
10:30
This is caused by spaces. This
is caused by carriage returns.
is caused by carriage returns.
293
618201
2686
Ez itt betűköz, ez meg sorváltás.
10:32
We can go through every little detail
294
620887
1508
Pillanatok alatt végigmehetünk
10:34
of the binary information in seconds,
295
622395
2966
a bináris infó minden részletén,
10:37
as opposed to weeks, months, at this level.
296
625361
3534
szemben a másik módszerrel:
ott hetekig, hónapokig tartana.
ott hetekig, hónapokig tartana.
10:40
This is what an image looks like
297
628895
1512
Ilyen a mobiljukban lévő
10:42
from your cell phone.
298
630407
1876
egyik kép.
10:44
But this is what it looks like
299
632283
1013
De így néz ki
10:45
in a visual abstraction.
300
633296
1891
képi absztrakcióban.
10:47
This is what your music looks like,
301
635187
1985
Ilyen a zene,
10:49
but here's its visual abstraction.
302
637172
2203
ez meg a képi absztrakciója.
10:51
Most importantly for me,
303
639375
1760
Nekem a leglényegesebb:
10:53
this is what the code on your cell phone looks like.
304
641135
3275
ilyen a mobilban lévő kód.
10:56
This is what I'm after in the end,
305
644410
2157
Végtére erre van szükségem.
10:58
but this is its visual abstraction.
306
646567
2140
Ez meg a képi absztrakciója.
11:00
If I can find this, I can't make the phone explode.
307
648707
2509
Ha meg tudom találni,
fölrobbanthatom a telefont.
fölrobbanthatom a telefont.
11:03
I could spend weeks trying to find this
308
651216
2619
Hetekig tartana
az egyesek és nullák között
az egyesek és nullák között
11:05
in ones and zeros,
309
653835
1177
megtalálni,
11:07
but it takes me seconds to pick out
310
655012
1784
de nekem másodpercek kérdése
11:08
a visual abstraction like this.
311
656796
3304
az ilyen képi absztrakcióból.
11:12
One of those most remarkable parts about all of this
312
660100
2492
Az egyik figyelemre méltó részlet teljesen
11:14
is it gives us an entirely new way to understand
313
662592
2832
új módszert kínál
11:17
new information, stuff that we haven't seen before.
314
665424
3239
az új infó megértésére.
11:20
So I know what English looks like at a binary level,
315
668663
2504
Tudom, hogy milyen
a bináris alakú angol szöveg,
a bináris alakú angol szöveg,
11:23
and I know what its visual abstraction looks like,
316
671167
2110
s tudom, milyen a képi absztrakciója,
11:25
but I've never seen Russian binary in my entire life.
317
673277
3315
de még soha életemben nem láttam
bináris alakú orosz szöveget.
bináris alakú orosz szöveget.
11:28
It would take me weeks just to figure out
318
676592
1800
Hetekbe telne, hogy rájöjjek,
11:30
what I was looking at from raw ones and zeros,
319
678392
2997
mik azok az egyesek és nullák,
11:33
but because our brains can instantly pick up
320
681389
1751
de mivel agyunk tüstént fölfogja
11:35
and recognize these subtle patterns inside
321
683140
2817
és fölismeri ezeket a különös mintázatokat
11:37
of these visual abstractions,
322
685957
1488
a képi absztrakciókban,
11:39
we can unconsciously apply those
323
687445
1832
ezért automatikusan alkalmazzuk őket
11:41
in new situations.
324
689277
1573
az új helyzetben.
11:42
So this is what Russian looks like
325
690850
1482
Így néz ki az orosz szöveg
11:44
in a visual abstraction.
326
692332
1580
képi absztrakció alakjában.
11:45
Because I know what one language looks like,
327
693912
1804
Mivel tudom, hogy egy nyelv milyen,
11:47
I can recognize other languages
328
695716
1576
más nyelveket is fölismerhetek,
11:49
even when I'm not familiar with them.
329
697292
1870
még ha ismeretlenek is.
11:51
This is what a photograph looks like,
330
699162
1786
Ilyen egy fénykép,
11:52
but this is what clip art looks like.
331
700948
1887
ez pedig egy clip art.
11:54
This is what the code on your phone looks like,
332
702835
2555
A mobilon lévő kód meg ilyen,
11:57
but this is what the code on
your computer looks like.
your computer looks like.
333
705390
2707
ez pedig a kód a számítógépen.
12:00
Our brains can pick up on these patterns
334
708097
1864
Agyunk úgy fogja föl e mintázatokat,
12:01
in ways that we never could have
335
709961
1951
ahogy mi soha, ha csak
12:03
from looking at raw ones and zeros.
336
711912
2496
a nyers egyeseket és nullákat nézzük.
12:06
But we've really only scratched the surface
337
714408
1856
De csak éppen belekóstoltunk,
12:08
of what we can do with this approach.
338
716264
2137
mit tehetünk ezzel a módszerrel.
12:10
We've only begun to unlock the capabilities
339
718401
1678
Épp csak elkezdtük föltárni
12:12
of our minds to process visual information.
340
720079
3315
agyunk képfeldolgozó kapacitását,
12:15
If we take those same concepts and translate them
341
723394
1990
Ha ugyanezen elveket
12:17
into three dimensions instead,
342
725384
1651
3D-be alakítjuk,
12:19
we find entirely new ways of
making sense of information.
making sense of information.
343
727035
3195
teljesen új módszert hozunk létre
az infó érzékelésére.
az infó érzékelésére.
12:22
In seconds, we can pick out every pattern here.
344
730230
2485
Pillanatok alatt bármely
mintázatot kiválaszthatjuk,
mintázatot kiválaszthatjuk,
12:24
we can see the cross associated with code.
345
732715
1820
láthatjuk a kereszthivatkozásokat.
12:26
We can see cubes associated with text.
346
734535
1932
Látjuk a szöveghez tartozó kockákat.
12:28
We can even pick up the tiniest visual artifacts.
347
736467
2476
Még a legapróbb
képrészleteket is kivehetjük.
képrészleteket is kivehetjük.
12:30
Things that would take us weeks,
348
738943
2130
Egyesek és nullák alakjában ez a művelet
12:33
months to find in ones and zeroes,
349
741073
2194
heteket vagy hónapokat igényelne,
12:35
are immediately apparent
350
743267
1803
de így rögtön látható
12:37
in some sort of visual abstraction,
351
745070
2270
képi absztrakció alakjában.
12:39
and as we continue to go through this
352
747340
1132
Ahogy sorra vesszük őket,
12:40
and throw more and more information at it,
353
748472
2016
és egyre több infót juttatunk belé,
12:42
what we find is that we're capable of processing
354
750488
2281
kiderül, hogy pillanatok alatt
12:44
billions of ones and zeros
355
752769
2416
milliárdnyi egyest és nullát
12:47
in a matter of seconds
356
755185
1168
dolgozhatunk föl,
12:48
just by using our brain's built-in ability
357
756353
3234
köszönhetően csupán
12:51
to analyze patterns.
358
759587
1954
agyunk mintázatelemző képességének.
12:53
So this is really nice and helpful,
359
761541
2303
Ez tényleg jó és hasznos,
12:55
but all this tells me is what I'm looking at.
360
763844
2359
megmondja, hogy mit látok.
12:58
So at this point, based on visual patterns,
361
766203
1484
Úgyhogy képi mintázatok alapján
12:59
I can find the code on the phone.
362
767687
2409
megtalálhatom a mobilon a kódot.
13:02
But that's not enough to blow up a battery.
363
770096
2665
De ez még kevés egy akku fölrobbantásához.
13:04
The next thing I need to find is the code
364
772761
1568
Meg kell találnom még
13:06
that controls the battery, but we're back
365
774329
1761
az akkuvezérlő-kódot is, s ez ismét
13:08
to the needle in a stack of needles problem.
366
776090
1731
a "tű a kazalnyi tű között" esete.
13:09
That code looks pretty much like all the other code
367
777821
2389
Az a kód nagyon hasonlít
a rendszerben lévő
a rendszerben lévő
13:12
on that system.
368
780210
2238
többi kódra.
13:14
So I might not be able to find the
code that controls the battery,
code that controls the battery,
369
782448
2401
Így lehet, hogy nem találom meg
a vezérlőkódot,
a vezérlőkódot,
13:16
but there's a lot of things
that are very similar to that.
that are very similar to that.
370
784849
2011
amelyre sok minden nagyon hasonlít.
13:18
You have code that controls your screen,
371
786860
1854
Van képernyővezérlő,
13:20
that controls your buttons,
that controls your microphones,
that controls your microphones,
372
788714
2216
billentyűvezérlő, mikrofonvezérlő kód,
13:22
so even if I can't find the code for the battery,
373
790930
1928
így ha nem is lelem meg az akkuvezérlőt,
13:24
I bet I can find one of those things.
374
792858
2245
valamelyiket biztos.
13:27
So the next step in my binary analysis process
375
795103
2705
A bináris elemzésem következő lépése,
13:29
is to look at pieces of information
376
797808
1231
hogy megfigyeljem
13:31
that are similar to each other.
377
799039
2018
az egymásra hasonlító infókat.
13:33
It's really, really hard to do at a binary level,
378
801057
3983
Nagyon-nagyon nehéz lenne bináris alakban,
13:37
but if we translate those similarities
to a visual abstraction instead,
to a visual abstraction instead,
379
805040
3643
de ha átalakítjuk őket képi absztrakcióvá,
13:40
I don't even have to sift through the raw data.
380
808683
2438
nem kell a nyers adatokat átböngésznem.
13:43
All I have to do is wait for the image to light up
381
811121
2155
Csak annyi kell, hogy rábukkanjak a képre,
13:45
to see when I'm at similar pieces.
382
813276
2236
hogy lássam: hasonló helyen járok.
13:47
I follow these strands of similarity
like a trail of bread crumbs
like a trail of bread crumbs
383
815512
3028
Követem ezeket a hasonló szálakat,
mint az elszórt morzsát,
mint az elszórt morzsát,
13:50
to find exactly what I'm looking for.
384
818540
3106
s így megtalálom, amit keresek.
13:53
So at this point in the process,
385
821646
1734
Tehát ebben a pillanatban
13:55
I've located the code
386
823380
1318
megvan
13:56
responsible for controlling your battery,
387
824698
1685
az akkuvezérlő kód,
13:58
but that's still not enough to blow up a phone.
388
826383
2576
de ez még mindig kevés
az akku fölrobbantásához.
az akku fölrobbantásához.
14:00
The last piece of the puzzle
389
828959
1564
A kirakós utolsó darabja:
14:02
is understanding how that code
390
830523
2679
meg kell értenem, hogy a kód
14:05
controls your battery.
391
833202
1202
hogyan vezérli az akkut.
14:06
For this, I need to identify
392
834404
2388
Ehhez precízen ki kell derítenem
14:08
very subtle, very detailed relationships
393
836792
1716
a bináris infóban lévő infó
14:10
within that binary information,
394
838508
2089
nagyon részletes kapcsolódásait.
14:12
another very hard thing to do
395
840597
1755
Ez nagyon nehéz, ha csak
14:14
when looking at ones and zeros.
396
842352
2312
az egyeseket és a nullákat nézzük.
14:16
But if we translate that information
397
844664
1396
De ha átalakítjuk az infót
14:18
into a physical representation,
398
846060
2180
valóságos képpé,
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
hátradőlhetünk, s a többi
már a látókérgünk dolga.
már a látókérgünk dolga.
14:23
It can find all the detailed patterns,
400
851256
1734
Látókérgünk meglel
14:24
all the important pieces, for us.
401
852990
2020
minden fontos mintázatot.
14:27
It can find out exactly how the pieces of that code
402
855010
2593
Rájön, pontosan hogyan vezérlik ezek
14:29
work together to control that battery.
403
857603
2934
az akkut.
14:32
All of this can be done in a matter of hours,
404
860537
3004
Pár óra alatt végez vele,
14:35
whereas the same process
405
863541
1356
a folyamat régen
14:36
would have taken months in the past.
406
864897
2922
több hónapig tartott volna.
14:39
This is all well and good
407
867819
1189
Ez mind szép, ha csak
14:41
in a theoretical blow up a terrorist's phone situation.
408
869008
2942
elméletileg kell fölrobbantanunk
a terrorista mobilját.
a terrorista mobilját.
14:43
I wanted to find out if this would really work
409
871950
2847
Rá akarok jönni,
14:46
in the work I do every day.
410
874797
2629
működik-e ez a gyakorlatban is.
14:49
So I was playing around with these same concepts
411
877426
3055
Eljátszadoztam ezzel az ötlettel
14:52
with some of the data I've looked at in the past,
412
880481
3024
és a kapott adatokkal.
14:55
and yet again, I was trying to find
413
883505
2492
Megint csak megpróbáltam megtalálni
14:57
a very detailed, specific piece of code
414
885997
2208
a kód egy nagyon egyedi részletét
15:00
inside of a massive piece of binary information.
415
888205
3595
a bináris infó tengerében.
15:03
So I looked at it at this level,
416
891800
1773
Megnéztem, feltételezve,
15:05
thinking I was looking at the right thing,
417
893573
1950
hogy azt keresem, amit kell.
15:07
only to see this doesn't have
418
895523
2321
De azt láttam, hogy nincs meg
15:09
the connectivity I would have expected
419
897844
1740
a remélt összefüggés
15:11
for the code I was looking for.
420
899584
1905
a kódban.
15:13
In fact, I'm not really sure what this is,
421
901489
2603
Nem voltam benne biztos,
15:16
but when I stepped back a level
422
904092
1012
de egy szintet
15:17
and looked at the similarities within the code
423
905104
1715
visszalépve a kódot néztem,
15:18
I saw, this doesn't have similarities
424
906819
2294
láttam, hogy nem hasonlít
15:21
like any code that exists out there.
425
909113
1491
a többi kódra.
15:22
I can't even be looking at code.
426
910604
2225
Még kódot sem láttam.
15:24
In fact, from this perspective,
427
912829
2386
Tény, hogy meg tudom mondani,
15:27
I could tell, this isn't code.
428
915215
2048
hogy ez nem kód.
15:29
This is an image of some sort.
429
917263
2048
Ez valamilyen kép.
15:31
And from here, I can see,
430
919311
1682
Még azt is tudom,
15:32
it's not just an image, this is a photograph.
431
920993
2911
hogy ez egy fénykép.
15:35
Now that I know it's a photograph,
432
923904
1392
Most már tudom, hogy fénykép.
15:37
I've got dozens of other
binary translation techniques
binary translation techniques
433
925296
2930
Tucatnyi más bináris
átalakító módszerem van
átalakító módszerem van
15:40
to visualize and understand that information,
434
928226
2421
az infó láthatóvá és érthetővé tételére,
15:42
so in a matter of seconds,
we can take this information,
we can take this information,
435
930647
2543
ezért ezt az infót pillanatok
alatt átfuttathatjuk
alatt átfuttathatjuk
15:45
shove it through a dozen other
visual translation techniques
visual translation techniques
436
933190
2397
tucatnyi más bináris átalakító módszeren,
15:47
in order to find out exactly what we were looking at.
437
935587
3731
hogy megtaláljuk a keresett dolgot.
15:51
I saw — (Laughter) —
438
939318
1682
Megint az istenverte cica volt.
15:53
it was that darn kitten again.
439
941000
3456
(Nevetés)
15:56
All this is enabled
440
944456
1050
Azért,
15:57
because we were able to find a way
441
945506
1495
mert képesek voltunk
15:59
to translate a very hard problem
442
947001
2029
egy nagyon nehéz feladatot átfogalmazni
16:01
to something our brains do very naturally.
443
949030
2512
olyanná, amit agyunk
természetes módon kezel.
természetes módon kezel.
16:03
So what does this mean?
444
951542
2238
Mit jelent ez?
16:05
Well, for kittens, it means
445
953780
1545
A cicáknak azt,
16:07
no more hiding in ones and zeros.
446
955325
2417
hogy nem bújhatnak el
az egyesek és a nullák közé.
az egyesek és a nullák közé.
16:09
For me, it means no more wasted weekends.
447
957742
3303
Nekem, hogy nincs több
elfecsérelt hétvége.
elfecsérelt hétvége.
16:13
For cyber, it means we have a radical new way
448
961045
2612
Az informatikának,
hogy teljesen új utat találtunk
hogy teljesen új utat találtunk
16:15
to tackle the most impossible problems.
449
963657
2965
a legképtelenebb feladatok megoldására.
16:18
It means we have a new weapon
450
966622
1812
Azt jelenti, hogy új fegyverünk van
16:20
in the evolving theater of cyber warfare,
451
968434
2416
a kiberháború kialakuló
hadszíntere számára.
hadszíntere számára.
16:22
but for all of us,
452
970850
1420
Mindannyiunknak pedig azt,
16:24
it means that cyber engineers
453
972270
1475
hogy a kibermérnökök
16:25
now have the ability to become first responders
454
973745
2146
most elsőként adhatnak választ
16:27
in emergency situations.
455
975891
2583
vészhelyzetben.
Ha minden másodperc számít,
16:30
When seconds count,
456
978474
1047
16:31
we've unlocked the means to stop the bad guys.
457
979521
3409
eszközöket alkottunk
a gonosztevők megállítására.
a gonosztevők megállítására.
16:34
Thank you.
458
982930
2000
Köszönöm.
16:36
(Applause)
459
984930
2962
(Taps)
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