TEDxPSU
Bruce Schneier: The security mirage
بروس شنيير: سراب الأمن
Filmed:
Readability: 4
958,315 views
يقول خبير أمن معلومات الحاسوب بروس شنيير أن الشعور بالأمن و حقيقة الأمن لا يتطابقان دائما. في "تيد إكس بي أس يو"، يفسر بروس لماذا نصرف المليارات لنبين قصص إخبارية للمخاطر, مثل "مسرح الأمن" الآن يتم عرضها في مطاركم المحلي، في حين إهمالنا مخاطر أكثر احتمالا -- و كيف بإمكننا كسر هذه النمطية.
Bruce Schneier - Security expert
Bruce Schneier thinks hard about security -- as a computer security guru, and as a philosopher of the larger notion of making a safer world. Full bio
Bruce Schneier thinks hard about security -- as a computer security guru, and as a philosopher of the larger notion of making a safer world. Full bio
Double-click the English transcript below to play the video.
00:15
So security is two different things:
0
0
2000
إذن الأمن هو شيئان مختلفان:
00:17
it's a feeling, and it's a reality.
1
2000
2000
إنه إحساس، و إنه حقيقة.
00:19
And they're different.
2
4000
2000
و هما مختلفان.
00:21
You could feel secure
3
6000
2000
تسطيعون الإحساس بالأمان
00:23
even if you're not.
4
8000
2000
حتى لو لم تكونوا آمنين.
00:25
And you can be secure
5
10000
2000
و تستطيعون أن تكونوا بأمان
00:27
even if you don't feel it.
6
12000
2000
حتى لو لم تشعروا بذلك.
00:29
Really, we have two separate concepts
7
14000
2000
فعلا، إنهما فكرتان مستقلتان
00:31
mapped onto the same word.
8
16000
2000
وضعا في كلمة واحدة.
00:33
And what I want to do in this talk
9
18000
2000
و ما أريد أن أفعله في هذه المحاضرة
00:35
is to split them apart --
10
20000
2000
هو فصلهما عن بعض --
00:37
figuring out when they diverge
11
22000
2000
معرفة أين ينحرفان
00:39
and how they converge.
12
24000
2000
و أين يقتربان.
00:41
And language is actually a problem here.
13
26000
2000
و اللغة حقا مشكلة هنا.
00:43
There aren't a lot of good words
14
28000
2000
لا يوجد كثير من الكلمات الجيدة
00:45
for the concepts we're going to talk about.
15
30000
3000
للأفكار التي سنتكلم عنها.
00:48
So if you look at security
16
33000
2000
فلو نظرتم إلى الأمن
00:50
from economic terms,
17
35000
2000
من ناحية اقتصادية،
00:52
it's a trade-off.
18
37000
2000
إنه مقايضة.
00:54
Every time you get some security,
19
39000
2000
كل مرة تحصلون فيها على بعض الأمن،
00:56
you're always trading off something.
20
41000
2000
دائما تقايضونه بشيء.
00:58
Whether this is a personal decision --
21
43000
2000
سواء أن كان قرار شخصيا --
01:00
whether you're going to install a burglar alarm in your home --
22
45000
2000
سواء كنتم ستركبون جرس إنذار عن اللصوص في بيوتكم --
01:02
or a national decision -- where you're going to invade some foreign country --
23
47000
3000
أو قرارا وطنيا -- سواء أن كنتم ستحتلون بلدا أجنبيا --
01:05
you're going to trade off something,
24
50000
2000
ستقومون بمقايضة شيئ ما،
01:07
either money or time, convenience, capabilities,
25
52000
3000
إما النقود أو الوقت، الراحة، القدرات،
01:10
maybe fundamental liberties.
26
55000
3000
ربما حريات أساسية.
01:13
And the question to ask when you look at a security anything
27
58000
3000
و السؤال الذي يطرح عند النظر إلى أمن أي شيء
01:16
is not whether this makes us safer,
28
61000
3000
هو ليس هل بإمكانه أن يجعلنا بأمان أكبر،
01:19
but whether it's worth the trade-off.
29
64000
3000
لكن هل هو يستحق المقايضة.
01:22
You've heard in the past several years,
30
67000
2000
سمعتم في السنوات القليلة التي مضت،
01:24
the world is safer because Saddam Hussein is not in power.
31
69000
2000
أن العالم مكان آمن أكثر لأن صدام حسين ليس بالحكم.
01:26
That might be true, but it's not terribly relevant.
32
71000
3000
قد يكون هذا حقيقي، لكنه ليس تماما ذو صلة قوية.
01:29
The question is, was it worth it?
33
74000
3000
السؤال هو، هل كان يستحق ذلك؟
01:32
And you can make your own decision,
34
77000
3000
و تسطيعون صنع القرار بأنفسكم،
01:35
and then you'll decide whether the invasion was worth it.
35
80000
2000
و بعدها تقررون إن كان الاحتلال ذو قيمة.
01:37
That's how you think about security --
36
82000
2000
هكذا كيف تفكرون بالأمن --
01:39
in terms of the trade-off.
37
84000
2000
بمصطلحات المقايضة.
01:41
Now there's often no right or wrong here.
38
86000
3000
الآن لا يوجد صواب أو خطأ هنا.
01:44
Some of us have a burglar alarm system at home,
39
89000
2000
بعضنا لديه في البيت جرس إنذار عن اللصوص،
01:46
and some of us don't.
40
91000
2000
و بعضنا ليس لديه.
01:48
And it'll depend on where we live,
41
93000
2000
و كل هذا يعتمد على أين نعيش،
01:50
whether we live alone or have a family,
42
95000
2000
هل نعيش لوحدنا أو مع عائلتنا،
01:52
how much cool stuff we have,
43
97000
2000
ما عدد الأشياء القيمة التي لدينا،
01:54
how much we're willing to accept
44
99000
2000
ما مدى تتقبلنا
01:56
the risk of theft.
45
101000
2000
لمخاطرة السرقة.
01:58
In politics also,
46
103000
2000
في السياسة أيضا،
02:00
there are different opinions.
47
105000
2000
هناك آراء مختلفة.
02:02
A lot of times, these trade-offs
48
107000
2000
كثير من المرات، هذه المقايضات
02:04
are about more than just security,
49
109000
2000
عن أشياء أكثر من الأمن ،
02:06
and I think that's really important.
50
111000
2000
و أظن أن هذا حقا مهم.
02:08
Now people have a natural intuition
51
113000
2000
الآن الناس لديهم حاسة طبيعية
02:10
about these trade-offs.
52
115000
2000
لهذه المقايضات.
02:12
We make them every day --
53
117000
2000
نقوم بعملها كل يوم--
02:14
last night in my hotel room,
54
119000
2000
البارحة في غرفتي الفندقية،
02:16
when I decided to double-lock the door,
55
121000
2000
عندما قررت أن أضاعف قفل الباب،
02:18
or you in your car when you drove here,
56
123000
2000
أو عندما قدتم سيارتكم إلى هنا،
02:20
when we go eat lunch
57
125000
2000
عندما نذهب لتناول الغداء
02:22
and decide the food's not poison and we'll eat it.
58
127000
3000
و نقرر أن الأكل ليس مسموم لنأكله.
02:25
We make these trade-offs again and again,
59
130000
2000
نحن نقوم بهذه المقايضات مرارا و تكرارا
02:27
multiple times a day.
60
132000
2000
عدة مرات في اليوم.
02:29
We often won't even notice them.
61
134000
2000
عادة لا نلاحظها حتى.
02:31
They're just part of being alive; we all do it.
62
136000
2000
أنها جزء من كوننا على قيد الحياة; كلنا نقوم بها.
02:33
Every species does it.
63
138000
3000
كل المخلوقات تقوم بها.
02:36
Imagine a rabbit in a field, eating grass,
64
141000
2000
تخيلوا الأرنب في الحقل، يأكل العشب،
02:38
and the rabbit's going to see a fox.
65
143000
3000
و سيرى الأرنب ثعلبا.
02:41
That rabbit will make a security trade-off:
66
146000
2000
ذلك الأرنب سيقوم بمقايضة:
02:43
"Should I stay, or should I flee?"
67
148000
2000
"هل علي المكوث، أو هل علي الهروب؟"
02:45
And if you think about it,
68
150000
2000
و لو فكرتم بها،
02:47
the rabbits that are good at making that trade-off
69
152000
3000
الأرانب الجيدة في عمل تلك المقايضة
02:50
will tend to live and reproduce,
70
155000
2000
هي التي ستعيش و تنجب،
02:52
and the rabbits that are bad at it
71
157000
2000
و الأرانب السيئة فيها
02:54
will get eaten or starve.
72
159000
2000
ستؤكل أو تموت من الجوع.
02:56
So you'd think
73
161000
2000
و ستفكرون
02:58
that us, as a successful species on the planet --
74
163000
3000
أن نحن، ككائنات ناجحة على الأرض --
03:01
you, me, everybody --
75
166000
2000
أنتم، أنا، كلنا --
03:03
would be really good at making these trade-offs.
76
168000
3000
سنكون حقا جيدين في عمل هذه المقايضات.
03:06
Yet it seems, again and again,
77
171000
2000
و مع ذلك يبدو، مرارا و تكرار،
03:08
that we're hopelessly bad at it.
78
173000
3000
أننا سيئون بها لليأس.
03:11
And I think that's a fundamentally interesting question.
79
176000
3000
و أن هذا سؤال مثير جدا للاهتمام.
03:14
I'll give you the short answer.
80
179000
2000
سأعطيكم الجواب القصير.
03:16
The answer is, we respond to the feeling of security
81
181000
2000
الإجابة هي، نحن نستجيب إلى الاحساس بالأمن
03:18
and not the reality.
82
183000
3000
و ليس الحقيقة.
03:21
Now most of the time, that works.
83
186000
3000
الآن في معظم الأوقات، هذا يعمل.
03:25
Most of the time,
84
190000
2000
في معظم الوقت،
03:27
feeling and reality are the same.
85
192000
3000
الاحساس بالأمن و حقيقة الأمن هما الشىء نفسه.
03:30
Certainly that's true
86
195000
2000
بالتأكيد هذا صحيح
03:32
for most of human prehistory.
87
197000
3000
لمعظم التاريخ ما قبل البشري.
03:35
We've developed this ability
88
200000
3000
نحن بنينا هذه المقدرة
03:38
because it makes evolutionary sense.
89
203000
2000
لأنها تعطي شعورا تطويريا.
03:40
One way to think of it
90
205000
2000
إحدى الطرق التي نفكر بها
03:42
is that we're highly optimized
91
207000
2000
هي أننا نحن محسنين
03:44
for risk decisions
92
209000
2000
للقرارات الخطرة
03:46
that are endemic to living in small family groups
93
211000
3000
المتطورة لعيشنا في مجموعات عائلية صغيرة
03:49
in the East African highlands in 100,000 B.C.
94
214000
3000
في مرتفعات شرق أفريقا في ١٠٠،٠٠٠ قبل الميلاد --
03:52
2010 New York, not so much.
95
217000
3000
٢٠١٠ نيويورك، ليس كثيرا.
03:56
Now there are several biases in risk perception.
96
221000
3000
الآن هناك عدة من التحيزات في النظرة إلى الأخطار.
03:59
A lot of good experiments in this.
97
224000
2000
الكثير من التجارب الجيدة في هذا.
04:01
And you can see certain biases that come up again and again.
98
226000
3000
و تستطيعون أن تروا تحيزات معينة تعاد مرارا و تكرارا.
04:04
So I'll give you four.
99
229000
2000
سوف أعطيكم أربعة.
04:06
We tend to exaggerate spectacular and rare risks
100
231000
3000
نحن نميل إلى المبالغة في مخاطر مذهلة و نادرة
04:09
and downplay common risks --
101
234000
2000
و نقلل من شأن المخاطر المتداولة --
04:11
so flying versus driving.
102
236000
3000
فالطيران مقابل القيادة.
04:14
The unknown is perceived
103
239000
2000
ينظر إلى المجهول
04:16
to be riskier than the familiar.
104
241000
3000
أنه أكثر خطرا من المعروف.
04:20
One example would be,
105
245000
2000
أحد الأمثلة هو،
04:22
people fear kidnapping by strangers
106
247000
3000
الناس يخافون الاختطاف من الغرباء،
04:25
when the data supports kidnapping by relatives is much more common.
107
250000
3000
في حين أن المعلومات تدعم أن الاختطاف من قبل الأقرباء هو أكثر انتشارا.
04:28
This is for children.
108
253000
2000
هذا بالنسبة للأطفال.
04:30
Third, personified risks
109
255000
3000
ثالثا، الأخطار المجسدة
04:33
are perceived to be greater than anonymous risks --
110
258000
3000
ينظر إليها باعتبار أكبر من الأخطار المجهولة --
04:36
so Bin Laden is scarier because he has a name.
111
261000
3000
فبن لادن هو أخطر لأن له اسما.
04:39
And the fourth
112
264000
2000
و رابعا
04:41
is people underestimate risks
113
266000
2000
الناس تقلل من شأن الأخطار
04:43
in situations they do control
114
268000
2000
في المواقف التي يكونون فيها تحت السيطرة
04:45
and overestimate them in situations they don't control.
115
270000
4000
و يبالغون فيها في المواقف التي ليس لديهم فيها سيطرة.
04:49
So once you take up skydiving or smoking,
116
274000
3000
في حال أن تقوموا بالقفز بالمظلات أو التدخين،
04:52
you downplay the risks.
117
277000
2000
أنتم تقللون من أهمية الخطر.
04:54
If a risk is thrust upon you -- terrorism was a good example --
118
279000
3000
لو أن الخطر ظهر أمامكم -- الإرهاب مثال جيد--
04:57
you'll overplay it because you don't feel like it's in your control.
119
282000
3000
ستفرطون به، لأنكم لا تشعرون بأن لديكم سيطرة عليه.
05:02
There are a bunch of other of these biases, these cognitive biases,
120
287000
3000
هناك العديد من هذه التحيزات ، كلها تحيزات إدراكية،
05:05
that affect our risk decisions.
121
290000
3000
تؤثر على قراراتنا للخطر.
05:08
There's the availability heuristic,
122
293000
2000
هناك إرشادية التوفر،
05:10
which basically means
123
295000
2000
و الذي أساسا يعني
05:12
we estimate the probability of something
124
297000
3000
أننا نقدر احتمالية أمر ما
05:15
by how easy it is to bring instances of it to mind.
125
300000
4000
حسب سهولة حضوره إلى ذهننا.
05:19
So you can imagine how that works.
126
304000
2000
فتسطيعون تخيل كيف يعمل هذا.
05:21
If you hear a lot about tiger attacks, there must be a lot of tigers around.
127
306000
3000
إذا سمعتم الكثير عن خطورة هجمات النمور، لابد أن يكون هنالك نمورا كثيرة في المنطقة.
05:24
You don't hear about lion attacks, there aren't a lot of lions around.
128
309000
3000
لا تسمعون عن هجوم الأسود، لا توجد أسود كثيرة هنا.
05:27
This works until you invent newspapers.
129
312000
3000
هذا يعمل حتى اخترعت الجرائد.
05:30
Because what newspapers do
130
315000
2000
لأن ما تعمله الجرائد
05:32
is they repeat again and again
131
317000
2000
هو إعادة و تكرار
05:34
rare risks.
132
319000
2000
الأخطار النادرة.
05:36
I tell people, if it's in the news, don't worry about it.
133
321000
2000
أنا أقول للناس، إذا كانت في الأخبار، فلا تقلقوا .
05:38
Because by definition,
134
323000
2000
لأنه حسب التعريف،
05:40
news is something that almost never happens.
135
325000
3000
الأخبار هي شىء بالكاد يحدث.
05:43
(Laughter)
136
328000
2000
(ضحك)
05:45
When something is so common, it's no longer news --
137
330000
3000
عندما يكون الشئ متداول، لا يعود خبرا بعد ذلك --
05:48
car crashes, domestic violence --
138
333000
2000
اصطدام السيارات، العنف العائلي --
05:50
those are the risks you worry about.
139
335000
3000
كل هذه أخطار نقلق منها.
05:53
We're also a species of storytellers.
140
338000
2000
نحن أيضا مخلوقات قصاصة.
05:55
We respond to stories more than data.
141
340000
3000
نحن نستجيب للقصص أكثر من المعلومات.
05:58
And there's some basic innumeracy going on.
142
343000
2000
هناك جهل بمنطق الرياضيات يدور هنا.
06:00
I mean, the joke "One, Two, Three, Many" is kind of right.
143
345000
3000
أقصد، النكتة "واحدة، اثنان، ثلاثة، كثير،" نوعا ما صائبة.
06:03
We're really good at small numbers.
144
348000
3000
نحن جيدون بالأرقام الصغيرة.
06:06
One mango, two mangoes, three mangoes,
145
351000
2000
واحد مانجا، اثنان مانجا، ثلاثة مانجا،
06:08
10,000 mangoes, 100,000 mangoes --
146
353000
2000
١٠،٠٠٠ مانجا، ١٠٠،٠٠٠ مانجا --
06:10
it's still more mangoes you can eat before they rot.
147
355000
3000
هناك الكثير من المانجا تستطيعون أن تأكلونها قبل أن تفسد.
06:13
So one half, one quarter, one fifth -- we're good at that.
148
358000
3000
فالنصف، الربع، الخمس-- كلنا جيدون بها.
06:16
One in a million, one in a billion --
149
361000
2000
واحد في المليون، واحد في المليار --
06:18
they're both almost never.
150
363000
3000
كلاهما يكادان لا يحصلان.
06:21
So we have trouble with the risks
151
366000
2000
فنحن لدينا مشاكل مع الأخطار
06:23
that aren't very common.
152
368000
2000
التي ليست كثيرة التدوال.
06:25
And what these cognitive biases do
153
370000
2000
و ما تعمله هذه الإدراكات التحيزيه هو
06:27
is they act as filters between us and reality.
154
372000
3000
أنها تعمل كمرشحات بيننا و بين الحقيقة.
06:30
And the result
155
375000
2000
و النتيجة هي
06:32
is that feeling and reality get out of whack,
156
377000
2000
أن الحقيقة و الإحساس لا يعملان مثلما توقعنا،
06:34
they get different.
157
379000
3000
يصبحان مختلفان
06:37
Now you either have a feeling -- you feel more secure than you are.
158
382000
3000
الآن إما أن يكون لديكم إحساس -- أن تشعروا أنكم أكثر أمانا مما أنتم عليه.
06:40
There's a false sense of security.
159
385000
2000
هناك إحساس زائف بالأمان.
06:42
Or the other way,
160
387000
2000
أو بطريقة أخرى،
06:44
and that's a false sense of insecurity.
161
389000
2000
هناك أحساس زائف بالخطر.
06:46
I write a lot about "security theater,"
162
391000
3000
أنا أكتب عن "مسرح الأمن،"
06:49
which are products that make people feel secure,
163
394000
3000
الذي هو المنتجات التي تجعل الناس يشعرون بالأمان
06:52
but don't actually do anything.
164
397000
2000
لكنها في الواقع لا تفعل أي شئ.
06:54
There's no real word for stuff that makes us secure,
165
399000
2000
لا توجد كلمة حقيقية للأشياء التي تجعلنا آمنين،
06:56
but doesn't make us feel secure.
166
401000
2000
لكنها لا تجعلنا نشعر بالأمان.
06:58
Maybe it's what the CIA's supposed to do for us.
167
403000
3000
ربما هو ما يتوجب على "السي أي أيه" عمله لنا.
07:03
So back to economics.
168
408000
2000
لنعد للاقتصاد.
07:05
If economics, if the market, drives security,
169
410000
4000
إذا كان الاقتصاد، إذا كان السوق، يقود الأمن ،
07:09
and if people make trade-offs
170
414000
2000
و إذا كان الناس يقومون بالمقايضات
07:11
based on the feeling of security,
171
416000
3000
حسب احساسهم بالأمان،
07:14
then the smart thing for companies to do
172
419000
2000
إذن إنها فكرة ذكية للشركات أن تعمل
07:16
for the economic incentives
173
421000
2000
بالمحفزات الاقتصادية
07:18
are to make people feel secure.
174
423000
3000
لتجعل الناس يشعرون بالأمان.
07:21
And there are two ways to do this.
175
426000
3000
و هناك طريقتان لعمل هذا.
07:24
One, you can make people actually secure
176
429000
2000
الأولى، هي جعل الناس حقا بأمان
07:26
and hope they notice.
177
431000
2000
و التمني أنهم سيتنبهون.
07:28
Or two, you can make people just feel secure
178
433000
3000
أو الثانية، يسطيعون أن يجعلوا الناس فقط يشعرون بالأمان
07:31
and hope they don't notice.
179
436000
3000
و التمني بأنهم لن يتنبهوا.
07:35
So what makes people notice?
180
440000
3000
فمالذي يجعل الناس يتنبهوا؟
07:38
Well a couple of things:
181
443000
2000
هناك شيئان:
07:40
understanding of the security,
182
445000
2000
فهمهم للأمن
07:42
of the risks, the threats,
183
447000
2000
للمخاطر، و التهديدات،
07:44
the countermeasures, how they work.
184
449000
3000
للتدبيرات المضادة، و لكيف تعمل.
07:47
But if you know stuff,
185
452000
2000
لكن إذا كنتم تعرفون الأمور،
07:49
you're more likely to have your feelings match reality.
186
454000
3000
فإن أغلب الظن أن تتطابق أحاسيسكم مع الواقع.
07:52
Enough real world examples helps.
187
457000
3000
أمثلة كافية من الواقع تساعد.
07:55
Now we all know the crime rate in our neighborhood,
188
460000
3000
الآن كلنا نعرف نسبة الجرائم في حاراتنا،
07:58
because we live there, and we get a feeling about it
189
463000
3000
لأننا نعيش هنا، و لدينا إحساس بها
08:01
that basically matches reality.
190
466000
3000
الذي حقا سيطابق الواقع.
08:04
Security theater's exposed
191
469000
3000
يكشف مسرح الأمن
08:07
when it's obvious that it's not working properly.
192
472000
3000
عندما يكون بديهيا أنه لا تعمل بشكل كما يفترض.
08:10
Okay, so what makes people not notice?
193
475000
4000
إذن ، ما الذي يجعل الناس لا يتنبهون؟
08:14
Well, a poor understanding.
194
479000
2000
حسنا، أنه الفهم الضعيف.
08:16
If you don't understand the risks, you don't understand the costs,
195
481000
3000
إذا كنتم لا تفهمون المخاطر، إذن لا تفهمون القيم،
08:19
you're likely to get the trade-off wrong,
196
484000
2000
فأنتم غالبا ستقومون بمقايضة خاطئة،
08:21
and your feeling doesn't match reality.
197
486000
3000
و احساسكم لا يتطابق مع الحقيقة.
08:24
Not enough examples.
198
489000
2000
لا توجد أمثلة كافية.
08:26
There's an inherent problem
199
491000
2000
هنا مشكلة كامنة
08:28
with low probability events.
200
493000
2000
احتمالية أحداثها ضئيلة.
08:30
If, for example,
201
495000
2000
لو، على سبيل المثال،
08:32
terrorism almost never happens,
202
497000
2000
الإرهاب لا يكاد أن يحدث،
08:34
it's really hard to judge
203
499000
2000
من الصعب حقا الحكم
08:36
the efficacy of counter-terrorist measures.
204
501000
3000
بفعالية على ترتيبات مضادة للإرهاب.
08:40
This is why you keep sacrificing virgins,
205
505000
3000
لهذا نقوم بالتضحية بالعذارى
08:43
and why your unicorn defenses are working just great.
206
508000
3000
و لهذا دفاع حريشكم (حصان خرافي بقرن واحد) يعمل بشكل جيد.
08:46
There aren't enough examples of failures.
207
511000
3000
لا توجد أمثلة كافية للفشل.
08:50
Also, feelings that are clouding the issues --
208
515000
3000
أيضا، الأحاسيس تحجب هذه الأمور --
08:53
the cognitive biases I talked about earlier,
209
518000
2000
التحيزات الإدراكية التي تكلمت عنها مسبقا،
08:55
fears, folk beliefs,
210
520000
3000
الخوف، المعتقدات التراثية،
08:58
basically an inadequate model of reality.
211
523000
3000
أساسا نموذج واقع غير كافي.
09:02
So let me complicate things.
212
527000
3000
دعوني أعقد الأشياء.
09:05
I have feeling and reality.
213
530000
2000
لدي إحساس و حقيقة.
09:07
I want to add a third element. I want to add model.
214
532000
3000
أريد أن أزيد عنصرا ثالثا. أريد أن أزيد نموذجا.
09:10
Feeling and model in our head,
215
535000
2000
إحساس و نموذج في فكرنا،
09:12
reality is the outside world.
216
537000
2000
حقيقة في العالم الخارجي.
09:14
It doesn't change; it's real.
217
539000
3000
لا يتغير; إنها حقيقة.
09:17
So feeling is based on our intuition.
218
542000
2000
فالإحساس مبني على حدسنا.
09:19
Model is based on reason.
219
544000
2000
النموذج مبني على الأسباب.
09:21
That's basically the difference.
220
546000
3000
هذا هو الفرق ببساطة.
09:24
In a primitive and simple world,
221
549000
2000
في عالم بدائي و بسيط،
09:26
there's really no reason for a model
222
551000
3000
لا يوجد حقا سبب لنموذج.
09:29
because feeling is close to reality.
223
554000
3000
لأن الإحساس يقارب الحقيقة.
09:32
You don't need a model.
224
557000
2000
لا نحتاج إلى نموذج.
09:34
But in a modern and complex world,
225
559000
2000
لكن في عالم متحضر و معقد،
09:36
you need models
226
561000
2000
تحتاجون إلى نماذج
09:38
to understand a lot of the risks we face.
227
563000
3000
لفهم الكثير من المخاطر التي تواجهنا.
09:42
There's no feeling about germs.
228
567000
2000
لا يوجد إحساس بالجراثيم.
09:44
You need a model to understand them.
229
569000
3000
نحتاج إلى نموذج لفهمها.
09:47
So this model
230
572000
2000
بذلك هذا النموذج
09:49
is an intelligent representation of reality.
231
574000
3000
هو تجسيد ذكي للواقع.
09:52
It's, of course, limited by science,
232
577000
3000
إذن، بالطبع، إنه محدود علميا
09:55
by technology.
233
580000
2000
تقنيا.
09:57
We couldn't have a germ theory of disease
234
582000
3000
لا نستطيع أن نكون نظرية لجراثيم الأمراض
10:00
before we invented the microscope to see them.
235
585000
3000
قبل أن نخترع مكروسكوبا لرؤيتها.
10:04
It's limited by our cognitive biases.
236
589000
3000
إنه محدود بتحيزاتنا الإداركية.
10:07
But it has the ability
237
592000
2000
لكن لديه القدرة
10:09
to override our feelings.
238
594000
2000
بأن يتجاوز أحاسيسنا.
10:11
Where do we get these models? We get them from others.
239
596000
3000
أين نحصل على هذه النماذج؟ نحصل عليها من الآخرين.
10:14
We get them from religion, from culture,
240
599000
3000
نحصل عليها من الدين، الثقافة،
10:17
teachers, elders.
241
602000
2000
المعلمين، كبار السن.
10:19
A couple years ago,
242
604000
2000
قبل عامين،
10:21
I was in South Africa on safari.
243
606000
2000
كنت على رحلة سفاري في جنوب أفريقيا.
10:23
The tracker I was with grew up in Kruger National Park.
244
608000
3000
الدليل الذي كنت معه ترعرع في "كرقر ناشنل بارك".
10:26
He had some very complex models of how to survive.
245
611000
3000
كانت لديه نماذج معقدة عن كيفية النجاة.
10:29
And it depended on if you were attacked
246
614000
2000
و هذا يعتمد إذا تمت مهاجمتكم
10:31
by a lion or a leopard or a rhino or an elephant --
247
616000
2000
من قبل أسد أو نمر أو الكركدن أو فيل --
10:33
and when you had to run away, and when you couldn't run away, and when you had to climb a tree --
248
618000
3000
و الوقت الذي تفرون به، و الوقت الذي تتسلقون فيه الأشجار --
10:36
when you could never climb a tree.
249
621000
2000
في حين يمكن أنكم لم تقوموا أبدا بتسلق شجرة.
10:38
I would have died in a day,
250
623000
3000
أنا سأموت بيوم،
10:41
but he was born there,
251
626000
2000
لكن هو ولد هناك،
10:43
and he understood how to survive.
252
628000
2000
و فهم كيف ينجو.
10:45
I was born in New York City.
253
630000
2000
أنا ولدت في مدينة نيويورك.
10:47
I could have taken him to New York, and he would have died in a day.
254
632000
3000
أستطيع أن أخذه إلى نيويورك و سيموت في يوم.
10:50
(Laughter)
255
635000
2000
(ضحك)
10:52
Because we had different models
256
637000
2000
لأن لدينا نماذج مختلفة
10:54
based on our different experiences.
257
639000
3000
حسب تجارب مختلفة.
10:58
Models can come from the media,
258
643000
2000
نماذج تأتي من الإعلام،
11:00
from our elected officials.
259
645000
3000
من مسؤلين منتخبين.
11:03
Think of models of terrorism,
260
648000
3000
لنفكر بنماذج الإرهاب،
11:06
child kidnapping,
261
651000
3000
اختطاف الأطفال،
11:09
airline safety, car safety.
262
654000
2000
أمن الطيران، أمن السيارات.
11:11
Models can come from industry.
263
656000
3000
نماذج تأتي من الصناعة.
11:14
The two I'm following are surveillance cameras,
264
659000
2000
الاثنتين التي أتابعهما هي كاميرات المراقبة،
11:16
ID cards,
265
661000
2000
بطاقات التعريف،
11:18
quite a lot of our computer security models come from there.
266
663000
3000
كثير من النماذج الحاسوبية تأتي من هنا.
11:21
A lot of models come from science.
267
666000
3000
الكثير من النماذج تأتي من العلوم.
11:24
Health models are a great example.
268
669000
2000
نماذج الصحة هي أمثلة رائعة.
11:26
Think of cancer, of bird flu, swine flu, SARS.
269
671000
3000
لنفكر بالسرطان، انفلونزا الطيور، انفلونزا الخنازير، سارز.
11:29
All of our feelings of security
270
674000
3000
كل أحاسيسنا بالأمن
11:32
about those diseases
271
677000
2000
عن هذه الأمراض
11:34
come from models
272
679000
2000
تأتي من نماذج
11:36
given to us, really, by science filtered through the media.
273
681000
3000
أعطيت لنا، حقا، بالعلوم المرشحة من الإعلام.
11:40
So models can change.
274
685000
3000
فالنماذج تتغير.
11:43
Models are not static.
275
688000
2000
النماذج ليست ثابتة.
11:45
As we become more comfortable in our environments,
276
690000
3000
فكل ما كنا مرتاحين أكثر في بيئتنا،
11:48
our model can move closer to our feelings.
277
693000
4000
تقترب نماذجنا من أحاسيسنا بشكل أكبر.
11:53
So an example might be,
278
698000
2000
قد يكون هذا مثالا،
11:55
if you go back 100 years ago
279
700000
2000
إذا رجعنا ١٠٠ سنة للخلف
11:57
when electricity was first becoming common,
280
702000
3000
عندما كانت بداية تداول الكهرباء،
12:00
there were a lot of fears about it.
281
705000
2000
كانت هناك مخاوف كثيرة منها.
12:02
I mean, there were people who were afraid to push doorbells,
282
707000
2000
أقصد، كان هناك أناس يخافون من ضغط جرس الباب،
12:04
because there was electricity in there, and that was dangerous.
283
709000
3000
لأنه كان بها كهرباء، و كان هذا خطرا.
12:07
For us, we're very facile around electricity.
284
712000
3000
بالنسبة لنا، نحن سطحيين حول الكهرباء.
12:10
We change light bulbs
285
715000
2000
نبدل أضواء المصابيح
12:12
without even thinking about it.
286
717000
2000
حتى من دون تفكير بها.
12:14
Our model of security around electricity
287
719000
4000
نمودج الأمن من الكهرباء لدينا
12:18
is something we were born into.
288
723000
3000
هو شئ ولدنا فيه
12:21
It hasn't changed as we were growing up.
289
726000
3000
لم يتغير في حين كبرنا.
12:24
And we're good at it.
290
729000
3000
و كلنا جيدون به.
12:27
Or think of the risks
291
732000
2000
أو لنفكر بالمخاطر
12:29
on the Internet across generations --
292
734000
2000
على الانترت عبر الأجيال --
12:31
how your parents approach Internet security,
293
736000
2000
كيف تعامل أبواكم مع أمن الانترنت،
12:33
versus how you do,
294
738000
2000
مقابل كيف فعلتم أنتم،
12:35
versus how our kids will.
295
740000
3000
مقابل كيف سيفعل أولادنا.
12:38
Models eventually fade into the background.
296
743000
3000
النماذج ستتلاشى تدريجيا إلى الخلفية.
12:42
Intuitive is just another word for familiar.
297
747000
3000
الحدس هو كلمة أخرى للمتداول.
12:45
So as your model is close to reality,
298
750000
2000
فبقرب نماذجنا إلى الواقع،
12:47
and it converges with feelings,
299
752000
2000
و تقاطعها مع أحاسيسنا،
12:49
you often don't know it's there.
300
754000
3000
فالغالبية لا يعرفون أنها هناك.
12:52
So a nice example of this
301
757000
2000
فمثال رائع على هذا
12:54
came from last year and swine flu.
302
759000
3000
يأتي من انفلونزا الخنزير في السنة الماضية.
12:57
When swine flu first appeared,
303
762000
2000
عندما ظهرت انفلونزا الخنازير،
12:59
the initial news caused a lot of overreaction.
304
764000
4000
الأخبار المبدئية أحدثت ردة فعل مبالغ بها.
13:03
Now it had a name,
305
768000
2000
الآن لديها اسم،
13:05
which made it scarier than the regular flu,
306
770000
2000
الأمر الذي جعلها مخيفة أكثر من الانفلونزا العادية،
13:07
even though it was more deadly.
307
772000
2000
حتى و إن كانت مميتة أكثر.
13:09
And people thought doctors should be able to deal with it.
308
774000
4000
و الناس ظنوا أن الأطباء سيتعاملون معها.
13:13
So there was that feeling of lack of control.
309
778000
2000
فكان هناك الاحساس بفقدان السيطرة.
13:15
And those two things
310
780000
2000
و هذين الأمرين
13:17
made the risk more than it was.
311
782000
2000
جعلاها أكثر خطرا مما هي عليه.
13:19
As the novelty wore off, the months went by,
312
784000
3000
و باختفاء الحداثة ، و مرور الشهور،
13:22
there was some amount of tolerance,
313
787000
2000
كان هناك مقدار من التسامح،
13:24
people got used to it.
314
789000
2000
الناس اعتادوا عليها.
13:26
There was no new data, but there was less fear.
315
791000
3000
لم تكن هناك معلومات جديدة، لكن هناك قل الخوف.
13:29
By autumn,
316
794000
2000
بحلول الخريف،
13:31
people thought
317
796000
2000
ظن الناس
13:33
the doctors should have solved this already.
318
798000
2000
أن الأطباء توجب عليهم حل هذا.
13:35
And there's kind of a bifurcation --
319
800000
2000
و كان هناك نوع من التشعبات --
13:37
people had to choose
320
802000
2000
توجب على الناس الاختيار
13:39
between fear and acceptance --
321
804000
4000
بين الخوف و التقبل --
13:43
actually fear and indifference --
322
808000
2000
فعلا الخوف و المشابهة --
13:45
they kind of chose suspicion.
323
810000
3000
تقريبا اختاروا الشك.
13:48
And when the vaccine appeared last winter,
324
813000
3000
و عندما ظهر العلاج في آخر الشتاء،
13:51
there were a lot of people -- a surprising number --
325
816000
3000
كان هناك الكثير من الناس -- رقم مفاجأ --
13:54
who refused to get it --
326
819000
3000
الذين رفضوا أخذه --
13:58
as a nice example
327
823000
2000
و مثال جيد
14:00
of how people's feelings of security change, how their model changes,
328
825000
3000
لكيف يشعر الناس بتغيير الأمن، كيف يتغير نموذجهم،
14:03
sort of wildly
329
828000
2000
عنيف نوعا ما
14:05
with no new information,
330
830000
2000
و بدون معلومات جديدة،
14:07
with no new input.
331
832000
2000
و بدون معطيات جديدة.
14:09
This kind of thing happens a lot.
332
834000
3000
هذا النوع من الأشياء يحدث كثيرا.
14:12
I'm going to give one more complication.
333
837000
3000
سأقوم باعطائكم تصعيب واحد زيادة.
14:15
We have feeling, model, reality.
334
840000
3000
لدينا احساس، نموذج، حقيقة.
14:18
I have a very relativistic view of security.
335
843000
2000
لدي منظور نسبوي للأمن.
14:20
I think it depends on the observer.
336
845000
3000
أظن أنه يعتمد على المشاهد.
14:23
And most security decisions
337
848000
2000
و معظم قرارات الأمن
14:25
have a variety of people involved.
338
850000
4000
تتضمن اشتراك أناس مختلفين.
14:29
And stakeholders
339
854000
2000
و شركاء
14:31
with specific trade-offs
340
856000
3000
بمقياضات معينة
14:34
will try to influence the decision.
341
859000
2000
يحاولون التأثير على القرار.
14:36
And I call that their agenda.
342
861000
2000
و أنا اسميها "جدول أعمالهم".
14:38
And you see agenda --
343
863000
2000
و ترون أن "جدول أعمالهم"--
14:40
this is marketing, this is politics --
344
865000
3000
هو التسويق، هو السياسة--
14:43
trying to convince you to have one model versus another,
345
868000
3000
محاولة اقناعكم أنه هناك نموذج ضد آخر،
14:46
trying to convince you to ignore a model
346
871000
2000
محاولة اقناعكم بتجاهل نموذج
14:48
and trust your feelings,
347
873000
3000
و الثقة بأحاسيسكم،
14:51
marginalizing people with models you don't like.
348
876000
3000
لتهميش الناس الذين لديهم نماذج لا تعجبكم.
14:54
This is not uncommon.
349
879000
3000
هذا ليس غريبا.
14:57
An example, a great example, is the risk of smoking.
350
882000
3000
كمثال، مثال رائع، خطر التدخين.
15:01
In the history of the past 50 years, the smoking risk
351
886000
3000
في تاريخ الـ٥٠ سنة الماضية، خطر التدخين
15:04
shows how a model changes,
352
889000
2000
يريكم كيف يتغير النموذج،
15:06
and it also shows how an industry fights against
353
891000
3000
و كيف يحارب مجال الصناعة ضد
15:09
a model it doesn't like.
354
894000
2000
نموذج لا يعجبه.
15:11
Compare that to the secondhand smoke debate --
355
896000
3000
لنقارن مناقشة التدخين السلبية --
15:14
probably about 20 years behind.
356
899000
3000
تقريبا نحو ٢٠ سنة للوراء.
15:17
Think about seat belts.
357
902000
2000
لنفكر بأحزمة الأمان.
15:19
When I was a kid, no one wore a seat belt.
358
904000
2000
عندما كنت طفلا، لم يرتدي أحد حزام الأمان.
15:21
Nowadays, no kid will let you drive
359
906000
2000
الآن، لن يسمح لكم طفل بالقيادة
15:23
if you're not wearing a seat belt.
360
908000
2000
إذا لم ترتدوا حزام الأمان.
15:26
Compare that to the airbag debate --
361
911000
2000
لنقارن ذلك بنقاش الوسادة الهوائية --
15:28
probably about 30 years behind.
362
913000
3000
تقريبا نحو ٣٠ سنة للوراء.
15:31
All examples of models changing.
363
916000
3000
كل أمثلة تغيير النماذج.
15:36
What we learn is that changing models is hard.
364
921000
3000
ما نتعلمه منها هو أن تغيير النماذج صعب.
15:39
Models are hard to dislodge.
365
924000
2000
النماذج صعب طردها.
15:41
If they equal your feelings,
366
926000
2000
إذا كانت مساوية لأحاسيسكم،
15:43
you don't even know you have a model.
367
928000
3000
لا تعرفون حتى أن لديكم نموذجا.
15:46
And there's another cognitive bias
368
931000
2000
و هناك تحيز معرفي آخر
15:48
I'll call confirmation bias,
369
933000
2000
سأسميه تحيزا اثباتيا،
15:50
where we tend to accept data
370
935000
3000
نحن نميل لتقبل المعلومات
15:53
that confirms our beliefs
371
938000
2000
التي تثبت معتقداتنا
15:55
and reject data that contradicts our beliefs.
372
940000
3000
و نرفض المعلومات التي نخالف معتقداتنا.
15:59
So evidence against our model,
373
944000
2000
فالدليل ضد نموذجنا،
16:01
we're likely to ignore, even if it's compelling.
374
946000
3000
غالبا سنتجاهله، حتى لو كان قاهرا.
16:04
It has to get very compelling before we'll pay attention.
375
949000
3000
يجب أن يكون قاهرا جدا قبل أن نعطيه اهتماما.
16:08
New models that extend long periods of time are hard.
376
953000
2000
النماذج الجديدة التي تمتد لفترات طويلة هي صعبة.
16:10
Global warming is a great example.
377
955000
2000
الاحترار العالمي مثال رائع.
16:12
We're terrible
378
957000
2000
نحن شنيعين
16:14
at models that span 80 years.
379
959000
2000
في نماذج تمتد ٨٠ سنة.
16:16
We can do to the next harvest.
380
961000
2000
نستطيع أن نعمل الغلة القادمة.
16:18
We can often do until our kids grow up.
381
963000
3000
نستطيع فعله حتى يكبر أولادنا.
16:21
But 80 years, we're just not good at.
382
966000
3000
لكن ٨٠ سنة، نحن ليسنا جيدين بهذا.
16:24
So it's a very hard model to accept.
383
969000
3000
فهذا نموذج صعب تقبله.
16:27
We can have both models in our head simultaneously,
384
972000
4000
نستطيع أن يكون بفكرنا نموذجان يعملان بنفس الوقت،
16:31
right, that kind of problem
385
976000
3000
أو نوعا من هذه المشكلة
16:34
where we're holding both beliefs together,
386
979000
3000
حيث نحمل معتقدان سويا،
16:37
right, the cognitive dissonance.
387
982000
2000
أو تنافر معرفي.
16:39
Eventually,
388
984000
2000
تدريجيا،
16:41
the new model will replace the old model.
389
986000
3000
النموذج الجديد سيبدل النموذج القديم.
16:44
Strong feelings can create a model.
390
989000
3000
أحاسيسنا القوية ستنصنع نموذجا.
16:47
September 11th created a security model
391
992000
3000
سبتمبر ١١ صنع نموذجا للأمن
16:50
in a lot of people's heads.
392
995000
2000
في فكر الكثير من الناس.
16:52
Also, personal experiences with crime can do it,
393
997000
3000
أيضا، التجارب الشخصية في الجرائم تقوم بذلك،
16:55
personal health scare,
394
1000000
2000
الخوف على الصحة الشخصية.
16:57
a health scare in the news.
395
1002000
2000
الخوف على الصحة في الأنباء.
16:59
You'll see these called flashbulb events
396
1004000
2000
سترون تلك التي تدعى أحداث الـ "فلاش بلب" (عودة الذاكرة لصورة حدث مشابه)
17:01
by psychiatrists.
397
1006000
2000
من قبل الأطباء النفسيين.
17:03
They can create a model instantaneously,
398
1008000
3000
بها نستطيع صنع نموذج تلقائيا،
17:06
because they're very emotive.
399
1011000
3000
لأنها مليئة بالمشاعر.
17:09
So in the technological world,
400
1014000
2000
ففي عالم التقنية،
17:11
we don't have experience
401
1016000
2000
ليست لدينا خبرة
17:13
to judge models.
402
1018000
2000
للحكم على النماذج.
17:15
And we rely on others. We rely on proxies.
403
1020000
2000
و نعتمد على الآخرين. نعتمد على الوسطاء.
17:17
I mean, this works as long as it's to correct others.
404
1022000
4000
اقصد، إن هذا يعمل ما دام أنه صحيح للآخرين.
17:21
We rely on government agencies
405
1026000
2000
نحن نعتمد على المنظمات الحكومية
17:23
to tell us what pharmaceuticals are safe.
406
1028000
5000
ليخبرونا أي المنتجات الصيدلية آمنة.
17:28
I flew here yesterday.
407
1033000
2000
لقد طرت الى هنا بالأمس.
17:30
I didn't check the airplane.
408
1035000
2000
لم أفحص الطائرة.
17:32
I relied on some other group
409
1037000
2000
لقد اعتمدت على مجموعة أخرى
17:34
to determine whether my plane was safe to fly.
410
1039000
3000
ليحددوا ماذا كانت الطائرة آمنة للطيران.
17:37
We're here, none of us fear the roof is going to collapse on us,
411
1042000
3000
نحن هنا، لا أحد منا يخاف أن ينهار علينا السطح،
17:40
not because we checked,
412
1045000
3000
ليس لأننا فحصناه،
17:43
but because we're pretty sure
413
1048000
2000
لكننا لأننا جدا متأكدون
17:45
the building codes here are good.
414
1050000
3000
أن معايير البناء هنا جيدة.
17:48
It's a model we just accept
415
1053000
2000
إنه نموذج تقبلناه
17:50
pretty much by faith.
416
1055000
2000
بكثير من الإيمان.
17:52
And that's okay.
417
1057000
3000
و هذا حسن.
17:57
Now, what we want
418
1062000
2000
الآن، الذي نريده هو
17:59
is people to get familiar enough
419
1064000
2000
أن نجعل الناس بكفاية يألفون
18:01
with better models --
420
1066000
2000
نماذج أفضل --
18:03
have it reflected in their feelings --
421
1068000
2000
نجعلها تنعكس على أحاسيسهم
18:05
to allow them to make security trade-offs.
422
1070000
4000
لتسمح لهم بعمل مقايضات أمن أفضل.
18:09
Now when these go out of whack,
423
1074000
2000
الآن عندما تخرج هذه من السيطرة،
18:11
you have two options.
424
1076000
2000
سيكون لدينا خياران.
18:13
One, you can fix people's feelings,
425
1078000
2000
واحد، نستطيع اصلاح أحاسيس الناس،
18:15
directly appeal to feelings.
426
1080000
2000
بمبادرة مباشرة للأحاسيس.
18:17
It's manipulation, but it can work.
427
1082000
3000
إنه تلاعب، لكن قد يعمل.
18:20
The second, more honest way
428
1085000
2000
اثنان، طريقة أكثر مصداقية
18:22
is to actually fix the model.
429
1087000
3000
هو بالفعل اصلاح النموذج.
18:26
Change happens slowly.
430
1091000
2000
التغييرات تحدث ببطء.
18:28
The smoking debate took 40 years,
431
1093000
3000
نقاش التدخين أخذ ٤٠ عاما،
18:31
and that was an easy one.
432
1096000
3000
و قد كان أمرا سهلا.
18:34
Some of this stuff is hard.
433
1099000
2000
بعض الأشياء صعبة.
18:36
I mean really though,
434
1101000
2000
أعني بالفعل، على الرغم من أن
18:38
information seems like our best hope.
435
1103000
2000
المعلومات تبدو أملنا الأفضل.
18:40
And I lied.
436
1105000
2000
و لقد كذبت.
18:42
Remember I said feeling, model, reality;
437
1107000
2000
تذكرون عندما قلت أن الإحساس، النموذج، الحقيقة.
18:44
I said reality doesn't change. It actually does.
438
1109000
3000
قلت أن الحقيقة لا تتغير. لكنها بالفعل تتغير.
18:47
We live in a technological world;
439
1112000
2000
نحن نعيش في عالم تقني:
18:49
reality changes all the time.
440
1114000
3000
الحقيقة تتغير كل الوقت.
18:52
So we might have -- for the first time in our species --
441
1117000
3000
فقد يكون لدينا -- لأول مرة في نوع مخلوقاتنا --
18:55
feeling chases model, model chases reality, reality's moving --
442
1120000
3000
نموذج اللحاق بالاحساس، نموذج اللاحق بالواقع، الواقع المتحرك --
18:58
they might never catch up.
443
1123000
3000
قد لا نستطيع أبدا التماس ذلك.
19:02
We don't know.
444
1127000
2000
نحن لا نعلم
19:04
But in the long-term,
445
1129000
2000
لكن على المدى الطويل،
19:06
both feeling and reality are important.
446
1131000
3000
كل من الاحساس و الحقيقة مهمان.
19:09
And I want to close with two quick stories to illustrate this.
447
1134000
3000
و أريد أن أختتم بقصتان قصيرتان لأوضح هذا.
19:12
1982 -- I don't know if people will remember this --
448
1137000
2000
١٩٨٢ -- لا أعرف إذا كان الناس يتذكرون هذا --
19:14
there was a short epidemic
449
1139000
3000
كان هناك وباء مدته قصيرة
19:17
of Tylenol poisonings in the United States.
450
1142000
2000
من تسمم "التايلنول" في الولايات المتحدة.
19:19
It's a horrific story. Someone took a bottle of Tylenol,
451
1144000
3000
إنها قصة مفجعة. أحدهم أخذ قنينة من "التايلنول"،
19:22
put poison in it, closed it up, put it back on the shelf.
452
1147000
3000
وضع فيها سما، أغلقها، أرجعها على مكانها بالرف.
19:25
Someone else bought it and died.
453
1150000
2000
أحد آخر اشتراها و توفي.
19:27
This terrified people.
454
1152000
2000
هذا أخاف الناس.
19:29
There were a couple of copycat attacks.
455
1154000
2000
كان هناك بعض المقلدين للعملية.
19:31
There wasn't any real risk, but people were scared.
456
1156000
3000
لم يكن هناك أي خطر حقيقي، لكن الناس كان خائفين.
19:34
And this is how
457
1159000
2000
و هذا كيف
19:36
the tamper-proof drug industry was invented.
458
1161000
2000
اخترعت صناعات الأدوية التي غير قابلة للعبث.
19:38
Those tamper-proof caps, that came from this.
459
1163000
2000
هذه الأغطية التي غير قابلة للعب أتت من هذا.
19:40
It's complete security theater.
460
1165000
2000
إنه مسرح أمني كامل.
19:42
As a homework assignment, think of 10 ways to get around it.
461
1167000
2000
كواجب منزلي، فكروا بـ١٠ طرق لخرق هذا.
19:44
I'll give you one, a syringe.
462
1169000
3000
سأعطيكم واحدة، المحقنة.
19:47
But it made people feel better.
463
1172000
3000
لكنها جعلت احساس الناس أفضل.
19:50
It made their feeling of security
464
1175000
2000
جعلت احساسهم بالأمن
19:52
more match the reality.
465
1177000
2000
يتماشى أكثر مع الواقع.
19:54
Last story, a few years ago, a friend of mine gave birth.
466
1179000
3000
آخر قصة، قبل بضع سنوات، وضعت أحد صديقاتي مولودا.
19:57
I visit her in the hospital.
467
1182000
2000
زرتها في المستشفى.
19:59
It turns out when a baby's born now,
468
1184000
2000
ووجدت أنه الآن عند ما يولد الطفل،
20:01
they put an RFID bracelet on the baby,
469
1186000
2000
يضعون على الطفل اسوارة "الأر أف أي دي" (كاشف ترددات الراديو)
20:03
put a corresponding one on the mother,
470
1188000
2000
و يضعون واحدا تابعا له على الأم،
20:05
so if anyone other than the mother takes the baby out of the maternity ward,
471
1190000
2000
فإذا حاول أي شخص أحد غير الأم أخذ الطفل من جناح الولادة،
20:07
an alarm goes off.
472
1192000
2000
يبدأ جرس بالرنين.
20:09
I said, "Well, that's kind of neat.
473
1194000
2000
قلت، "حسنا، هذا أنيق بعض الشئ.
20:11
I wonder how rampant baby snatching is
474
1196000
2000
أتساءل كيف سيكون تفشي سرقة الأطفال
20:13
out of hospitals."
475
1198000
2000
خارج المستشفيات."
20:15
I go home, I look it up.
476
1200000
2000
أذهب إلى البيت، و أبحث عنه.
20:17
It basically never happens.
477
1202000
2000
أساسا لا يحدث أبدا.
20:19
But if you think about it,
478
1204000
2000
لكن إذا فكرتم بها،
20:21
if you are a hospital,
479
1206000
2000
إذا كنتم مستشفى،
20:23
and you need to take a baby away from its mother,
480
1208000
2000
و احتجتم أن تأخذوا الطفل بعيدا عن أمه،
20:25
out of the room to run some tests,
481
1210000
2000
خارج الغرفة لإجراء بعض التحاليل،
20:27
you better have some good security theater,
482
1212000
2000
يجب أن يكون لديكم نوع من المسرح الأمني الجيد،
20:29
or she's going to rip your arm off.
483
1214000
2000
أو أنها ستنتزع أياديكم.
20:31
(Laughter)
484
1216000
2000
(ضحك)
20:33
So it's important for us,
485
1218000
2000
فهو مهم بالنسبة لنا،
20:35
those of us who design security,
486
1220000
2000
نحن الذين نصمم الأمن،
20:37
who look at security policy,
487
1222000
3000
و ننظر إلى سياسة الأمن،
20:40
or even look at public policy
488
1225000
2000
أو حتى السياسة العامة
20:42
in ways that affect security.
489
1227000
2000
التي بطرقها تؤثر على الأمن.
20:44
It's not just reality; it's feeling and reality.
490
1229000
3000
إنها ليست فقط الحقيقة، إنه إحساس و واقع.
20:47
What's important
491
1232000
2000
ما هو مهم
20:49
is that they be about the same.
492
1234000
2000
هو أن يكونا عن الشئ نفسه.
20:51
It's important that, if our feelings match reality,
493
1236000
2000
إنه مهم أن، تكون أحاسيسنا تطابق الحقيقة،
20:53
we make better security trade-offs.
494
1238000
2000
لنستطيع صنع مقايضات أمن أفضل.
20:55
Thank you.
495
1240000
2000
شكرا لكم.
20:57
(Applause)
496
1242000
2000
(تصفيق)
ABOUT THE SPEAKER
Bruce Schneier - Security expertBruce Schneier thinks hard about security -- as a computer security guru, and as a philosopher of the larger notion of making a safer world.
Why you should listen
Bruce Schneier is an internationally renowned security technologist and author. Described by the Economist as a "security guru," he is best known as a refreshingly candid and lucid security critic and commentator. When people want to know how security really works, they turn to Schneier.
His first bestseller, Applied Cryptography, explained how the arcane science of secret codes actually works, and was described by Wired as "the book the National Security Agency wanted never to be published." His book on computer and network security, Secrets and Lies, was called by Fortune "[a] jewel box of little surprises you can actually use." Beyond Fear tackles the problems of security from the small to the large: personal safety, crime, corporate security, national security. His current book, Schneier on Security, offers insight into everything from the risk of identity theft (vastly overrated) to the long-range security threat of unchecked presidential power and the surprisingly simple way to tamper-proof elections.
Schneier publishes a free monthly newsletter, Crypto-Gram, with over 150,000 readers. In its ten years of regular publication, Crypto-Gram has become one of the most widely read forums for free-wheeling discussions, pointed critiques and serious debate about security. As head curmudgeon at the table, Schneier explains, debunks and draws lessons from security stories that make the news.
Bruce Schneier | Speaker | TED.com