TEDxPSU
Bruce Schneier: The security mirage
Bruce Schneier: Die Illusion von Sicherheit.
Filmed:
Readability: 4
958,315 views
Das Gefühl der Sicherheit und die Gegebenheit von Sicherheit stimmen nicht immer überein sagt Sicherheitsexperte Bruce Schneier. Während TEDxPSU erklärt er warum wir Milliarden ausgeben für Gefahren, die in Zeitungen beschworen werden, wie das "Sicherheitstheater" welches gerade am lokalen Flughafen stattfindet, während wir wahrscheinlichere Risiken vernachlässigen -- und wie wir dieses Verhaltensmuster brechen können.
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
Es gibt zwei Sicherheiten:
00:17
it's a feeling, and it's a reality.
1
2000
2000
Sicherheit als Gefühl und als Realität.
00:19
And they're different.
2
4000
2000
und sie unterscheiden sich.
00:21
You could feel secure
3
6000
2000
Sie können sich sicher fühlen
00:23
even if you're not.
4
8000
2000
sogar, wenn sie es nicht sind.
00:25
And you can be secure
5
10000
2000
Und sie können sicher sein
00:27
even if you don't feel it.
6
12000
2000
auch wenn sie sich nicht so fühlen.
00:29
Really, we have two separate concepts
7
14000
2000
Wir haben zwei separate Konzepte
00:31
mapped onto the same word.
8
16000
2000
verbunden mit demselben Begriff.
00:33
And what I want to do in this talk
9
18000
2000
Was ich mit diesem Vortrag erreichen möchte
00:35
is to split them apart --
10
20000
2000
ist sie sauber zu trennen --
00:37
figuring out when they diverge
11
22000
2000
aufzuzeigen wo sie voneinander abweichen
00:39
and how they converge.
12
24000
2000
und wo sie sich überschneiden.
00:41
And language is actually a problem here.
13
26000
2000
Tatsächlich ist der Begriff Sicherheit ein Problem.
00:43
There aren't a lot of good words
14
28000
2000
Es gibt nicht viele gute Bezeichnungen
00:45
for the concepts we're going to talk about.
15
30000
3000
für die Modelle über die wir reden werden.
00:48
So if you look at security
16
33000
2000
Wenn wir Sicherheit
00:50
from economic terms,
17
35000
2000
aus wirtschaftlicher Sicht betrachten
00:52
it's a trade-off.
18
37000
2000
ist es ein Kompromiss.
00:54
Every time you get some security,
19
39000
2000
Immer wenn sie Sicherheit erhalten
00:56
you're always trading off something.
20
41000
2000
tauschen sie sie gegen etwas.
00:58
Whether this is a personal decision --
21
43000
2000
Ob dies aus persönlichen Gründen –
01:00
whether you're going to install a burglar alarm in your home --
22
45000
2000
ob sie eine Alarmanlage zu Hause installieren –
01:02
or a national decision -- where you're going to invade some foreign country --
23
47000
3000
oder eine nationale Entscheidungen -- ob sie in einem anderen Land intervenieren --
01:05
you're going to trade off something,
24
50000
2000
sie tauschen etwas ein
01:07
either money or time, convenience, capabilities,
25
52000
3000
sei es Geld oder Zeit, Komfort, Ressourcen
01:10
maybe fundamental liberties.
26
55000
3000
vielleicht grundlegende Rechte.
01:13
And the question to ask when you look at a security anything
27
58000
3000
Die Frage bei Betrachtung von Sicherheit ist
01:16
is not whether this makes us safer,
28
61000
3000
nicht ob es uns Sicherheit gibt,
01:19
but whether it's worth the trade-off.
29
64000
3000
sonder ob es den Tausch wert ist.
01:22
You've heard in the past several years,
30
67000
2000
Sie haben in den letzten Jahren gehört,
01:24
the world is safer because Saddam Hussein is not in power.
31
69000
2000
dass die Welt sicherer ist, weil Saddam Hussein nicht mehr an der Macht ist.
01:26
That might be true, but it's not terribly relevant.
32
71000
3000
Das mag stimmen ist aber nicht unbedingt relevant.
01:29
The question is, was it worth it?
33
74000
3000
Die Frage ist, ob es den Aufwand wert war?
01:32
And you can make your own decision,
34
77000
3000
Und sie treffen die Entscheidung,
01:35
and then you'll decide whether the invasion was worth it.
35
80000
2000
ob es die Invasion wert war.
01:37
That's how you think about security --
36
82000
2000
So denken Sie über Sicherheit --
01:39
in terms of the trade-off.
37
84000
2000
aus wirtschaftlicher Sicht.
01:41
Now there's often no right or wrong here.
38
86000
3000
Oft gibt es hier kein Richtig oder Falsch
01:44
Some of us have a burglar alarm system at home,
39
89000
2000
Einige von uns haben eine Alarmanlage zu Hause
01:46
and some of us don't.
40
91000
2000
andere nicht.
01:48
And it'll depend on where we live,
41
93000
2000
Und es hängt davon ab, wo wir leben
01:50
whether we live alone or have a family,
42
95000
2000
ob wir alleine leben oder eine Familie haben
01:52
how much cool stuff we have,
43
97000
2000
wieviel Kram wir haben
01:54
how much we're willing to accept
44
99000
2000
wie stark wir bereit sind das Risiko
01:56
the risk of theft.
45
101000
2000
von Diebstahl in Kauf zu nehmen.
01:58
In politics also,
46
103000
2000
Auch in der Politik
02:00
there are different opinions.
47
105000
2000
gibt es verschiedene Meinungen.
02:02
A lot of times, these trade-offs
48
107000
2000
Oft geht es bei diesem Tausch
02:04
are about more than just security,
49
109000
2000
um mehr als um Sicherheit
02:06
and I think that's really important.
50
111000
2000
und ich denke, das ist wirklich wichtig.
02:08
Now people have a natural intuition
51
113000
2000
Menschen haben einen natürliche Intuition
02:10
about these trade-offs.
52
115000
2000
in Bezug auf diese Tauschhandel.
02:12
We make them every day --
53
117000
2000
Wir treffen sie jeden Tag --
02:14
last night in my hotel room,
54
119000
2000
gestern Nacht in meinem Hotelzimmer,
02:16
when I decided to double-lock the door,
55
121000
2000
als ich entschied die Tür doppelt abzuschließen,
02:18
or you in your car when you drove here,
56
123000
2000
oder Sie, auf dem Weg hierher in ihrem Auto,
02:20
when we go eat lunch
57
125000
2000
wenn wir mittags essen gehen
02:22
and decide the food's not poison and we'll eat it.
58
127000
3000
und wir entscheiden das Essen ist kein Gift und wir essen es.
02:25
We make these trade-offs again and again,
59
130000
2000
Wir machen diesen Tausch immer wieder
02:27
multiple times a day.
60
132000
2000
viele Male, jeden Tag.
02:29
We often won't even notice them.
61
134000
2000
Oft nehmen wir ihn nicht einmal war.
02:31
They're just part of being alive; we all do it.
62
136000
2000
Er ist Teil des Lebens; wir alle tun es.
02:33
Every species does it.
63
138000
3000
Jede Lebensform tut es.
02:36
Imagine a rabbit in a field, eating grass,
64
141000
2000
Stellen sie sich ein Kaninchen auf einem Feld vor das Gras isst,
02:38
and the rabbit's going to see a fox.
65
143000
3000
das Kaninchen sieht einen Fuchs.
02:41
That rabbit will make a security trade-off:
66
146000
2000
Dieses Kaninchen wird seine Sicherheit abwägen:
02:43
"Should I stay, or should I flee?"
67
148000
2000
"Sollte ich bleiben oder fliehen?"
02:45
And if you think about it,
68
150000
2000
Und wenn sie darüber nachdenken,
02:47
the rabbits that are good at making that trade-off
69
152000
3000
Kaninchen, die gut bei solchen Entscheidungen sind,
02:50
will tend to live and reproduce,
70
155000
2000
neigen dazu, zu Leben und sich fortzupflanzen,
02:52
and the rabbits that are bad at it
71
157000
2000
Kaninchen, die schlecht darin sind
02:54
will get eaten or starve.
72
159000
2000
werden gegessen werden oder verhungern.
02:56
So you'd think
73
161000
2000
Denken Sie, dass wir,
02:58
that us, as a successful species on the planet --
74
163000
3000
als erfolgreichste Spezies auf diesen Planeten --
03:01
you, me, everybody --
75
166000
2000
Sie, ich, alle –
03:03
would be really good at making these trade-offs.
76
168000
3000
richtig gut sein sollten im Abwägen dieser Entscheidungen.
03:06
Yet it seems, again and again,
77
171000
2000
Es scheint so, dass wir immer wieder
03:08
that we're hopelessly bad at it.
78
173000
3000
hoffnungslos schlecht darin sind.
03:11
And I think that's a fundamentally interesting question.
79
176000
3000
Ich denke, dass ist eine grundlegend interessante Frage.
03:14
I'll give you the short answer.
80
179000
2000
Ich geben Ihnen die kurze Antwort.
03:16
The answer is, we respond to the feeling of security
81
181000
2000
Die Antwort ist, dass wir auf das Gefühl von Sicherheit reagieren
03:18
and not the reality.
82
183000
3000
und nicht auf die Realität.
03:21
Now most of the time, that works.
83
186000
3000
In den meisten Fällen funktioniert dieses Modell.
03:25
Most of the time,
84
190000
2000
Meistens
03:27
feeling and reality are the same.
85
192000
3000
sind Gefühl und Realität das Gleiche.
03:30
Certainly that's true
86
195000
2000
Sicherlich stimmt das
03:32
for most of human prehistory.
87
197000
3000
für den größten Teil der menschlichen Vorgeschichte.
03:35
We've developed this ability
88
200000
3000
Wir haben diese Fähigkeit entwickelt,
03:38
because it makes evolutionary sense.
89
203000
2000
weil es im Sinne der Evolution war.
03:40
One way to think of it
90
205000
2000
Eine Sicht ist,
03:42
is that we're highly optimized
91
207000
2000
dass wir hochoptimiert sind
03:44
for risk decisions
92
209000
2000
für Gefahrensentscheidungen,
03:46
that are endemic to living in small family groups
93
211000
3000
die örtlich begrenzt auf das Leben in einem Familienverband
03:49
in the East African highlands in 100,000 B.C.
94
214000
3000
im ostafrikanischen Hochland im Jahr 100 000 v. Chr. abgestimmt sind.
03:52
2010 New York, not so much.
95
217000
3000
2010 in New York nicht so sehr.
03:56
Now there are several biases in risk perception.
96
221000
3000
Es gibt hier mehrere Verzerrungen beim Abschätzen von Gefahren.
03:59
A lot of good experiments in this.
97
224000
2000
Es gibt dabei eine Menge gute Experimente.
04:01
And you can see certain biases that come up again and again.
98
226000
3000
Und sie können sehen, dass bestimmte Verzerrungen immer und immer wieder vorkommen.
04:04
So I'll give you four.
99
229000
2000
Ich werde Ihnen vier nennen.
04:06
We tend to exaggerate spectacular and rare risks
100
231000
3000
Wir neigen dazu spektakuläre und seltene Gefahren zu übertreiben
04:09
and downplay common risks --
101
234000
2000
und allgemeine Gefahren herunterzuspielen --
04:11
so flying versus driving.
102
236000
3000
Fliegen gegenüber Autofahren.
04:14
The unknown is perceived
103
239000
2000
Das Unbekannte wird als
04:16
to be riskier than the familiar.
104
241000
3000
gefährlicher wahrgenommen als das Gewohnte.
04:20
One example would be,
105
245000
2000
Ein Beispiel ist,
04:22
people fear kidnapping by strangers
106
247000
3000
dass Menschen sich vor der Entführung durch Fremde fürchten
04:25
when the data supports kidnapping by relatives is much more common.
107
250000
3000
während Daten zeigen, dass eine Entführung durch Verwandte üblicher ist.
04:28
This is for children.
108
253000
2000
Das gilt für Kinder.
04:30
Third, personified risks
109
255000
3000
Drittens, personifizierte Gefahren
04:33
are perceived to be greater than anonymous risks --
110
258000
3000
werden stärker wahrgenommen als anonyme Gefahren --
04:36
so Bin Laden is scarier because he has a name.
111
261000
3000
deshalb erschreckt uns Bin Laden mehr, weil er einen Namen hat.
04:39
And the fourth
112
264000
2000
Und viertens
04:41
is people underestimate risks
113
266000
2000
unterschätzen Menschen Gefahren
04:43
in situations they do control
114
268000
2000
in Situationen, die Sie kontrollieren
04:45
and overestimate them in situations they don't control.
115
270000
4000
und überschätzen Sie in Situationen, die sie nicht kontrollieren.
04:49
So once you take up skydiving or smoking,
116
274000
3000
Sobald sie anfangen zu rauchen oder skydiven,
04:52
you downplay the risks.
117
277000
2000
spielen sie die Gefahren herunter.
04:54
If a risk is thrust upon you -- terrorism was a good example --
118
279000
3000
Wenn eine Gefahr Druck auf Sie ausübt -- Terrorismus war ein gutes Beispiel --
04:57
you'll overplay it because you don't feel like it's in your control.
119
282000
3000
werden Sie übertreiben, weil sie nicht das Gefühl haben, dass es in ihrer Macht liegt.
05:02
There are a bunch of other of these biases, these cognitive biases,
120
287000
3000
Es gibt einige andere dieser Verzerrungen, sogenannte kognitive Verzerrungen,
05:05
that affect our risk decisions.
121
290000
3000
die unsere Gefahrensabwägung beeinträchtigen.
05:08
There's the availability heuristic,
122
293000
2000
Da ist die Verfügbarkeitsheuristik,
05:10
which basically means
123
295000
2000
was im Grunde bedeutet,
05:12
we estimate the probability of something
124
297000
3000
dass wir die Wahrscheinlichkeit von etwas danach abschätzen,
05:15
by how easy it is to bring instances of it to mind.
125
300000
4000
wie leicht man sich an ähnliche Beispiele erinnert.
05:19
So you can imagine how that works.
126
304000
2000
Sie können sich also vorstellen, wie das funktioniert.
05:21
If you hear a lot about tiger attacks, there must be a lot of tigers around.
127
306000
3000
Wenn sie oft von einer Tigerattacke hören, dann müssen viele Tiger in der Gegend sein.
05:24
You don't hear about lion attacks, there aren't a lot of lions around.
128
309000
3000
Wenn sie nicht viel über Löwenangriffe hören, dann sind nicht viele Löwen in der Gegend
05:27
This works until you invent newspapers.
129
312000
3000
Das funktioniert solange bis wir Zeitungen erfinden.
05:30
Because what newspapers do
130
315000
2000
Weil Zeitungen
05:32
is they repeat again and again
131
317000
2000
immer und immer wieder seltene Gefahren
05:34
rare risks.
132
319000
2000
besprechen.
05:36
I tell people, if it's in the news, don't worry about it.
133
321000
2000
Ich erzähle Leuten, wenn es in den Nachrichten ist, dann sorge dich nicht darüber.
05:38
Because by definition,
134
323000
2000
Weil laut Definition
05:40
news is something that almost never happens.
135
325000
3000
Nachrichten etwas sind, das fast nie passiert.
05:43
(Laughter)
136
328000
2000
(Gelächter)
05:45
When something is so common, it's no longer news --
137
330000
3000
Wenn etwas so gewöhnlich ist, dass es keine Nachricht mehr ist --
05:48
car crashes, domestic violence --
138
333000
2000
Autounfälle, häusliche Gewalt --
05:50
those are the risks you worry about.
139
335000
3000
das sind Gefahren über die sie sich Sorgen sollten.
05:53
We're also a species of storytellers.
140
338000
2000
Wir sind außerdem eine Spezies der Geschichtenerzähler.
05:55
We respond to stories more than data.
141
340000
3000
Wir sprechen auf Geschichten besser an als auf Daten.
05:58
And there's some basic innumeracy going on.
142
343000
2000
Und dazu kommt noch etwas von unserer Rechenschwäche.
06:00
I mean, the joke "One, Two, Three, Many" is kind of right.
143
345000
3000
Ich meine der Scherz "Eins, Zwei, Drei, ganz viele" ist irgendwo richtig.
06:03
We're really good at small numbers.
144
348000
3000
Wir sind richtig gut mit kleinen Zahlen.
06:06
One mango, two mangoes, three mangoes,
145
351000
2000
Eine Mango, zwei Mangos, drei Mangos,
06:08
10,000 mangoes, 100,000 mangoes --
146
353000
2000
10.000 Mangos, 100.000 Mangos --
06:10
it's still more mangoes you can eat before they rot.
147
355000
3000
Es sind immer noch mehr Mangos als Sie essen können bevor sie verfaulen.
06:13
So one half, one quarter, one fifth -- we're good at that.
148
358000
3000
Die Hälfte, ein Viertel, ein Fünftel -- wir sind gut darin.
06:16
One in a million, one in a billion --
149
361000
2000
Ein Millionstel, ein Milliardstel --
06:18
they're both almost never.
150
363000
3000
sie passieren beide so gut wie nie.
06:21
So we have trouble with the risks
151
366000
2000
Wir haben also Schwierigkeiten mit Risiken
06:23
that aren't very common.
152
368000
2000
die nicht alltäglich sind.
06:25
And what these cognitive biases do
153
370000
2000
Und was diese kognitiven Verzerrungen tun,
06:27
is they act as filters between us and reality.
154
372000
3000
ist dass sie als Filter zwischen uns und der Realität agieren.
06:30
And the result
155
375000
2000
Und das Ergebnis
06:32
is that feeling and reality get out of whack,
156
377000
2000
ist das Gefühl und Realität aus dem Gleichgewicht geraten,
06:34
they get different.
157
379000
3000
sie unterscheiden sich.
06:37
Now you either have a feeling -- you feel more secure than you are.
158
382000
3000
Jetzt haben sie entweder ein Gefühl -- Sie fühlen sich sicherer als sie sind.
06:40
There's a false sense of security.
159
385000
2000
Da ist ein falsches Empfinden von Sicherheit.
06:42
Or the other way,
160
387000
2000
Oder andersherum,
06:44
and that's a false sense of insecurity.
161
389000
2000
und das ist ein falsches Empfinden von Unsicherheit.
06:46
I write a lot about "security theater,"
162
391000
3000
Ich schreibe viel über das "Sicherheitstheater"
06:49
which are products that make people feel secure,
163
394000
3000
was Produkte sind, die den Menschen ein sicheres Gefühl geben,
06:52
but don't actually do anything.
164
397000
2000
aber genau genommen gar nichts bewirken.
06:54
There's no real word for stuff that makes us secure,
165
399000
2000
Es gibt kein richtiges Wort für die Dinge, die uns Sicherheit geben,
06:56
but doesn't make us feel secure.
166
401000
2000
aber uns nicht Sicherheit fühlen lassen.
06:58
Maybe it's what the CIA's supposed to do for us.
167
403000
3000
Vielleicht ist das was die CIA für uns tun sollte.
07:03
So back to economics.
168
408000
2000
Zurück zu Wirtschaftswissenschaften.
07:05
If economics, if the market, drives security,
169
410000
4000
Wenn die Wirtschaft, wenn der Markt Sicherheit antreibt,
07:09
and if people make trade-offs
170
414000
2000
und wenn Leute Kompromisse machen
07:11
based on the feeling of security,
171
416000
3000
basierend auf dem Gefühl von Sicherheit,
07:14
then the smart thing for companies to do
172
419000
2000
dann ist es geschickt für Firmen
07:16
for the economic incentives
173
421000
2000
für einen wirtschaftlichen Bonus
07:18
are to make people feel secure.
174
423000
3000
Menschen ein sicheres Gefühl zu geben.
07:21
And there are two ways to do this.
175
426000
3000
Und es gibt zwei Wege das zu tun.
07:24
One, you can make people actually secure
176
429000
2000
Erstens können sie Leute tatsächlich Sicherheit geben
07:26
and hope they notice.
177
431000
2000
und hoffen, dass sie es bemerken.
07:28
Or two, you can make people just feel secure
178
433000
3000
Oder zweitens, sie geben den Leuten nur ein Gefühl von Sicherheit
07:31
and hope they don't notice.
179
436000
3000
und hoffen dass sie es nicht bemerken.
07:35
So what makes people notice?
180
440000
3000
Was nehmen die Leute wahr ?
07:38
Well a couple of things:
181
443000
2000
Nun einige Dinge:
07:40
understanding of the security,
182
445000
2000
Verständnis von Sicherheit,
07:42
of the risks, the threats,
183
447000
2000
der Risiken, der Gefahren,
07:44
the countermeasures, how they work.
184
449000
3000
der Gegenmaßnahmen, wie sie funktionieren.
07:47
But if you know stuff,
185
452000
2000
Je mehr Sie über diese Dinge Bescheid wissen
07:49
you're more likely to have your feelings match reality.
186
454000
3000
desto wahrscheinlicher ist es, dass Ihre Gefühle mit der Realität übereinstimmen.
07:52
Enough real world examples helps.
187
457000
3000
Genügend Beispiele aus der realen Welt helfen.
07:55
Now we all know the crime rate in our neighborhood,
188
460000
3000
Wir alle wissen die Kriminalitätsrate in unserer Nachbarschaft,
07:58
because we live there, and we get a feeling about it
189
463000
3000
weil wir dort leben, und wir bekommen ein Gefühl dafür
08:01
that basically matches reality.
190
466000
3000
das im Grunde der Realität entspricht.
08:04
Security theater's exposed
191
469000
3000
Das Sicherheitstheater wird aufgedeckt,
08:07
when it's obvious that it's not working properly.
192
472000
3000
wenn es offensichtlich ist, dass es nicht richtig funktioniert.
08:10
Okay, so what makes people not notice?
193
475000
4000
Okay, was löst die Wahrnehmung bei den Leuten aus?
08:14
Well, a poor understanding.
194
479000
2000
Nun, ein unzureichendes Verständnis.
08:16
If you don't understand the risks, you don't understand the costs,
195
481000
3000
Wenn sie die Risiken nicht verstehen, verstehen sie nicht die Kosten,
08:19
you're likely to get the trade-off wrong,
196
484000
2000
werden sie wahrscheinlich falsch abwägen
08:21
and your feeling doesn't match reality.
197
486000
3000
und ihr Gefühl wird nicht mit der Realität übereinstimmen.
08:24
Not enough examples.
198
489000
2000
Nicht genug der Beispiele.
08:26
There's an inherent problem
199
491000
2000
Ereignissen geringer Wahrscheinlichkeit
08:28
with low probability events.
200
493000
2000
haftet ein Problem an:
08:30
If, for example,
201
495000
2000
wenn zum Beispiel,
08:32
terrorism almost never happens,
202
497000
2000
Terrorismus fast nie passiert,
08:34
it's really hard to judge
203
499000
2000
ist es wirklich schwierig die Effektivität
08:36
the efficacy of counter-terrorist measures.
204
501000
3000
von Antiterrormaßnahmen zu beurteilen.
08:40
This is why you keep sacrificing virgins,
205
505000
3000
Das ist der Grund warum wir Jungfrauen opfern,
08:43
and why your unicorn defenses are working just great.
206
508000
3000
und warum mystische Erklärungen einfach gut funktionieren.
08:46
There aren't enough examples of failures.
207
511000
3000
Es gibt nicht genug Beispiele für Misserfolge.
08:50
Also, feelings that are clouding the issues --
208
515000
3000
Dazu Gefühle, die Tatsachen verschleiern --
08:53
the cognitive biases I talked about earlier,
209
518000
2000
die kognitiven Verzerrungen über die ich vorher gesprochen habe,
08:55
fears, folk beliefs,
210
520000
3000
Ängste, verbreiteter Glaube
08:58
basically an inadequate model of reality.
211
523000
3000
sind im Kern ein unpassendes Modell der Realität.
09:02
So let me complicate things.
212
527000
3000
Lassen Sie mich die Dinge verkomplizieren.
09:05
I have feeling and reality.
213
530000
2000
Ich habe Gefühl und Realität
09:07
I want to add a third element. I want to add model.
214
532000
3000
Ich möchte ein drittes Element hinzufügen: Modelle
09:10
Feeling and model in our head,
215
535000
2000
Gefühle und Modelle sind in unserem Kopf
09:12
reality is the outside world.
216
537000
2000
Realität ist die Welt da draußen.
09:14
It doesn't change; it's real.
217
539000
3000
Es ändert sich nicht; es ist real.
09:17
So feeling is based on our intuition.
218
542000
2000
Gefühle basieren auf unserer Intuition.
09:19
Model is based on reason.
219
544000
2000
Modelle basieren auf Ursachen.
09:21
That's basically the difference.
220
546000
3000
Das ist grundlegende Unterschied.
09:24
In a primitive and simple world,
221
549000
2000
In einer primitiven und einfachen Welt,
09:26
there's really no reason for a model
222
551000
3000
gibt es wirklich kein Grund für ein Modell.
09:29
because feeling is close to reality.
223
554000
3000
Weil das Gefühl der Realität so nah ist,
09:32
You don't need a model.
224
557000
2000
brauchen sie kein Modell.
09:34
But in a modern and complex world,
225
559000
2000
Aber in einer modernen und komplexen Welt
09:36
you need models
226
561000
2000
brauchen sie Modelle
09:38
to understand a lot of the risks we face.
227
563000
3000
um die vielen Risiken mit denen wir konfrontiert sind zu verstehen.
09:42
There's no feeling about germs.
228
567000
2000
Es gibt kein Gefühl für Bakterien.
09:44
You need a model to understand them.
229
569000
3000
Sie brauchen ein Modell um sie zu verstehen.
09:47
So this model
230
572000
2000
Dieses Modell
09:49
is an intelligent representation of reality.
231
574000
3000
ist eine intelligente Darstellung der Realität.
09:52
It's, of course, limited by science,
232
577000
3000
Es ist natürlich begrenzt durch Wissenschaft
09:55
by technology.
233
580000
2000
durch Technik.
09:57
We couldn't have a germ theory of disease
234
582000
3000
Wir konnten keine Theorie der Keime entwickeln
10:00
before we invented the microscope to see them.
235
585000
3000
bevor wir die Mikroskope erfunden hatten, um sie zu sehen.
10:04
It's limited by our cognitive biases.
236
589000
3000
Es ist begrenzt durch unsere kognitiven Verzerrungen,
10:07
But it has the ability
237
592000
2000
hat aber die Fähigkeit,
10:09
to override our feelings.
238
594000
2000
unsere Gefühle außer Kraft zu setzen.
10:11
Where do we get these models? We get them from others.
239
596000
3000
Woher bekommen wir diese Modelle? Wir bekommen sie von anderen.
10:14
We get them from religion, from culture,
240
599000
3000
Wir bekommen sie von Religion, Kultur,
10:17
teachers, elders.
241
602000
2000
Lehrern, Älteren.
10:19
A couple years ago,
242
604000
2000
Vor einigen Jahren
10:21
I was in South Africa on safari.
243
606000
2000
war ich auf Safari in Südafrika.
10:23
The tracker I was with grew up in Kruger National Park.
244
608000
3000
Der Fährtenleser mit dem ich dort war, wuchs im Krüger Nationalpark auf.
10:26
He had some very complex models of how to survive.
245
611000
3000
Er hatte einige sehr komplizierte Modelle wie man überlebt.
10:29
And it depended on if you were attacked
246
614000
2000
Und es hing davon ab ob wir von einem Löwen, Leoparden,
10:31
by a lion or a leopard or a rhino or an elephant --
247
616000
2000
Rhinozeros oder einem Elefanten angegriffen werden --
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
und wann man weglaufen muss, und wann man auf einen Baum klettern muss --
10:36
when you could never climb a tree.
249
621000
2000
wann mann niemals auf einen Baum klettern kann.
10:38
I would have died in a day,
250
623000
3000
Ich wäre innerhalb eines Tages gestorben,
10:41
but he was born there,
251
626000
2000
aber er war dort geboren
10:43
and he understood how to survive.
252
628000
2000
und verstand sich darauf zu überleben.
10:45
I was born in New York City.
253
630000
2000
Ich bin in New York City geboren.
10:47
I could have taken him to New York, and he would have died in a day.
254
632000
3000
Ich hätte ihn mit nach New York nehmen können und er wäre innerhalb eines Tages gestorben.
10:50
(Laughter)
255
635000
2000
(Gelächter)
10:52
Because we had different models
256
637000
2000
Weil wir verschiedene Modelle haben
10:54
based on our different experiences.
257
639000
3000
basierend auf unseren unterschiedlichen Erfahrungen.
10:58
Models can come from the media,
258
643000
2000
Modelle können aus den Medien kommen,
11:00
from our elected officials.
259
645000
3000
von unseren gewählten Vertretern.
11:03
Think of models of terrorism,
260
648000
3000
Denken sie an Modelle über Terrorismus,
11:06
child kidnapping,
261
651000
3000
Kindesentführung
11:09
airline safety, car safety.
262
654000
2000
Sicherheit im Flugzeug, Sicherheit im Auto.
11:11
Models can come from industry.
263
656000
3000
Modelle können aus der Industrie kommen.
11:14
The two I'm following are surveillance cameras,
264
659000
2000
Die beiden, die ich verfolge sind Überwachungskameras
11:16
ID cards,
265
661000
2000
und Ausweise,
11:18
quite a lot of our computer security models come from there.
266
663000
3000
etliche unserer Computersicherheitsmodelle kommen daher.
11:21
A lot of models come from science.
267
666000
3000
Viele Modelle kommen aus der Wissenschaft.
11:24
Health models are a great example.
268
669000
2000
Gesundheitsmodelle sind ein tolles Beispiel.
11:26
Think of cancer, of bird flu, swine flu, SARS.
269
671000
3000
Denken sie an Krebs, Vogelgrippe, Schweinegrippe, SARS.
11:29
All of our feelings of security
270
674000
3000
Alle unserer Gefühle von Sicherheit
11:32
about those diseases
271
677000
2000
über diese Krankheiten
11:34
come from models
272
679000
2000
kommen von Modellen
11:36
given to us, really, by science filtered through the media.
273
681000
3000
die uns, wirklich, von der Wissenschaft gefiltert durch die Medien gegeben werden.
11:40
So models can change.
274
685000
3000
Modelle können sich ändern.
11:43
Models are not static.
275
688000
2000
Modelle sind nicht statisch.
11:45
As we become more comfortable in our environments,
276
690000
3000
Je wohler wir uns in einer Umgebung fühlen,
11:48
our model can move closer to our feelings.
277
693000
4000
desto eher stimmt unser Modell mit unserem Gefühl überein.
11:53
So an example might be,
278
698000
2000
Ein Beispiel mag sein,
11:55
if you go back 100 years ago
279
700000
2000
wenn Sie 100 Jahre zurück gehen
11:57
when electricity was first becoming common,
280
702000
3000
als Elektrizität allmählich eingeführt wurde,
12:00
there were a lot of fears about it.
281
705000
2000
gab es eine Menge Ängste.
12:02
I mean, there were people who were afraid to push doorbells,
282
707000
2000
Ich meine, es gab Leute, die Angst hatten Türklingeln zu drücken,
12:04
because there was electricity in there, and that was dangerous.
283
709000
3000
weil sie mit Elektrizität betrieben wurden, und die war gefährlich.
12:07
For us, we're very facile around electricity.
284
712000
3000
Für uns ist Elektrizität einfach banal.
12:10
We change light bulbs
285
715000
2000
Wir wechseln Glühbirnen
12:12
without even thinking about it.
286
717000
2000
ohne darüber nachzudenken.
12:14
Our model of security around electricity
287
719000
4000
Unser Modell der Sicherheit um Elektrizität
12:18
is something we were born into.
288
723000
3000
ist etwas in das wir hineingeboren wurden.
12:21
It hasn't changed as we were growing up.
289
726000
3000
Es hat sich nicht geändert als wir aufwuchsen
12:24
And we're good at it.
290
729000
3000
und wir sind gut darin.
12:27
Or think of the risks
291
732000
2000
Oder denken sie an die Risiken
12:29
on the Internet across generations --
292
734000
2000
des Internet über Generationen hinweg --
12:31
how your parents approach Internet security,
293
736000
2000
wie unsere Eltern Sicherheit im Internet herangehen,
12:33
versus how you do,
294
738000
2000
und wie wir das tun,
12:35
versus how our kids will.
295
740000
3000
oder unsere Kinder es tun werden.
12:38
Models eventually fade into the background.
296
743000
3000
Modelle verschwinden letztendlich in den Hintergrund.
12:42
Intuitive is just another word for familiar.
297
747000
3000
Intuitiv ist nur ein anderes Wort für vertraut.
12:45
So as your model is close to reality,
298
750000
2000
Wenn Ihr Modell nah an der Realität ist
12:47
and it converges with feelings,
299
752000
2000
und es mit den Gefühlen verschmilzt,
12:49
you often don't know it's there.
300
754000
3000
wissen sie oft gar nicht dass es da ist.
12:52
So a nice example of this
301
757000
2000
Ein schönes Beispiel dafür
12:54
came from last year and swine flu.
302
759000
3000
gab es letztes Jahr mit der Schweinegrippe.
12:57
When swine flu first appeared,
303
762000
2000
Als die Schweinegrippe zuerst auftrat
12:59
the initial news caused a lot of overreaction.
304
764000
4000
verursachten die ersten Nachrichten eine Menge Überreaktionen.
13:03
Now it had a name,
305
768000
2000
Jetzt hatte sie einen Namen
13:05
which made it scarier than the regular flu,
306
770000
2000
was sie erschreckender machte als die gewöhnliche Grippe,
13:07
even though it was more deadly.
307
772000
2000
obwohl die mehr Tode auslöste.
13:09
And people thought doctors should be able to deal with it.
308
774000
4000
Die Leute dachten, dass Ärzte in der Lage sein sollten damit umzugehen.
13:13
So there was that feeling of lack of control.
309
778000
2000
Es gab also ein Gefühl mangelnder Kontrolle.
13:15
And those two things
310
780000
2000
Diese beiden Dinge
13:17
made the risk more than it was.
311
782000
2000
ließen das Risiko größer erscheinen als es war.
13:19
As the novelty wore off, the months went by,
312
784000
3000
Als die Neuartigkeit nachließ, die Monate vorbeigingen
13:22
there was some amount of tolerance,
313
787000
2000
gab es ein Maß an Toleranz
13:24
people got used to it.
314
789000
2000
die Leute hatten sich daran gewöhnt.
13:26
There was no new data, but there was less fear.
315
791000
3000
Es gab keine neuen Erkenntnisse, aber weniger Angst.
13:29
By autumn,
316
794000
2000
Im Herbst
13:31
people thought
317
796000
2000
dachten die Leute
13:33
the doctors should have solved this already.
318
798000
2000
die Ärzte sollten mittlerweile das Problem gelöst haben.
13:35
And there's kind of a bifurcation --
319
800000
2000
Und es gab eine Art Zweiteilung --
13:37
people had to choose
320
802000
2000
die Leute hatten zu wählen
13:39
between fear and acceptance --
321
804000
4000
zwischen Angst und Akzeptanz --
13:43
actually fear and indifference --
322
808000
2000
wirklicher Angst und Desinteresse --
13:45
they kind of chose suspicion.
323
810000
3000
sie wählten eine Art von Misstrauen.
13:48
And when the vaccine appeared last winter,
324
813000
3000
Als die Impfung letzten Winter verfügbar war,
13:51
there were a lot of people -- a surprising number --
325
816000
3000
gab es eine Menge Leute -- eine überraschende Anzahl --
13:54
who refused to get it --
326
819000
3000
die sich weigerten sie zu nehmen. --
13:58
as a nice example
327
823000
2000
ein schönes Beispiel
14:00
of how people's feelings of security change, how their model changes,
328
825000
3000
wie das Gefühl der Sicherheit der Leute sich ändert, wie sich ihr Modell ändert,
14:03
sort of wildly
329
828000
2000
irgendwie chaotisch
14:05
with no new information,
330
830000
2000
ohne neue Information,
14:07
with no new input.
331
832000
2000
ohne neuen Input.
14:09
This kind of thing happens a lot.
332
834000
3000
So etwas ähnliches passiert häufig.
14:12
I'm going to give one more complication.
333
837000
3000
Ich werde ihnen eine weitere Komplikation zeigen.
14:15
We have feeling, model, reality.
334
840000
3000
Wir haben Gefühl, Modell, Realität.
14:18
I have a very relativistic view of security.
335
843000
2000
Ich habe eine sehr relativistische Sicht auf Sicherheit.
14:20
I think it depends on the observer.
336
845000
3000
Ich denke es hängt vom Beobachter ab.
14:23
And most security decisions
337
848000
2000
Und die meisten Sicherheitsentscheidungen
14:25
have a variety of people involved.
338
850000
4000
sind eine Vielzahl von Menschen involviert.
14:29
And stakeholders
339
854000
2000
Lobbyisten
14:31
with specific trade-offs
340
856000
3000
mit bestimmten Zielkonflikten
14:34
will try to influence the decision.
341
859000
2000
werden versuchen die Entscheidung zu beeinflussen.
14:36
And I call that their agenda.
342
861000
2000
Ich nenne das ihre Agenda.
14:38
And you see agenda --
343
863000
2000
Agenda, Sie wissen ja --
14:40
this is marketing, this is politics --
344
865000
3000
das ist Marketing, das ist Politik --
14:43
trying to convince you to have one model versus another,
345
868000
3000
der Versuch, Sie zu überzeugen, ein Modell gegen ein anderes zu stellen,
14:46
trying to convince you to ignore a model
346
871000
2000
der Versuch, sie zu überzeugen, ein Modell zu ignorieren
14:48
and trust your feelings,
347
873000
3000
und ihren Gefühlen zu vertrauen.
14:51
marginalizing people with models you don't like.
348
876000
3000
Leute mit Modellen, die sie nicht mögen, an den Rand zu drängen.
14:54
This is not uncommon.
349
879000
3000
Das ist nicht ungewöhnlich.
14:57
An example, a great example, is the risk of smoking.
350
882000
3000
Ein Beispiel, ein tolles Beispiel, ist die Gefahr des Rauchens.
15:01
In the history of the past 50 years, the smoking risk
351
886000
3000
In der Geschichte der letzten 50 Jahre zeigt die Gefahr des Rauchens,
15:04
shows how a model changes,
352
889000
2000
wie sich ein Modell ändert,
15:06
and it also shows how an industry fights against
353
891000
3000
und es zeigt wie eine Industrie gegen
15:09
a model it doesn't like.
354
894000
2000
ein Modell ankämpft, welches sie nicht mögen.
15:11
Compare that to the secondhand smoke debate --
355
896000
3000
Vergleichen Sie dazu die Mitraucherdebatte --
15:14
probably about 20 years behind.
356
899000
3000
die etwa zwanzig Jahre hinterher hinkt.
15:17
Think about seat belts.
357
902000
2000
Denken sie an Sicherheitsgurte.
15:19
When I was a kid, no one wore a seat belt.
358
904000
2000
Als ich ein Kind war, trug niemand einen Sicherheitsgurt.
15:21
Nowadays, no kid will let you drive
359
906000
2000
Heutzutage wird kein Kind Sie fahren lassen
15:23
if you're not wearing a seat belt.
360
908000
2000
wenn sie nicht einen Sicherheitsgurt tragen.
15:26
Compare that to the airbag debate --
361
911000
2000
Vergleichen Sie dazu die Airbag-Debatte --
15:28
probably about 30 years behind.
362
913000
3000
die wahrscheinlich 30 Jahre hinten liegt.
15:31
All examples of models changing.
363
916000
3000
Alles Beispiele der Veränderung von Modellen.
15:36
What we learn is that changing models is hard.
364
921000
3000
Was wir lernen ist, dass es schwer ist, Modelle zu ändern.
15:39
Models are hard to dislodge.
365
924000
2000
Modelle sind schwer abzuschütteln.
15:41
If they equal your feelings,
366
926000
2000
Wenn sie Ihren Gefühlen entsprechen,
15:43
you don't even know you have a model.
367
928000
3000
wissen Sie noch nicht einmal, dass Sie ein Modell haben.
15:46
And there's another cognitive bias
368
931000
2000
Und es gibt noch eine andere kognitive Verzerrung:
15:48
I'll call confirmation bias,
369
933000
2000
Ich nenne es Bestätigungsfehler,
15:50
where we tend to accept data
370
935000
3000
indem wir dazu tendieren Daten zu akzeptieren
15:53
that confirms our beliefs
371
938000
2000
die unseren Glaubensatz bestätigen
15:55
and reject data that contradicts our beliefs.
372
940000
3000
und Daten abzulehnen die unserem Glaubensatz widersprechen.
15:59
So evidence against our model,
373
944000
2000
Also werden wir Beweise gegen unser Modell
16:01
we're likely to ignore, even if it's compelling.
374
946000
3000
wahrscheinlich ignorieren sogar wenn sie zwingend sind.
16:04
It has to get very compelling before we'll pay attention.
375
949000
3000
Es muss schon sehr zwingend sein, ehe wir aufmerksam werden.
16:08
New models that extend long periods of time are hard.
376
953000
2000
Neue Modelle, die über längere Zeiträume reichen sind schwierig.
16:10
Global warming is a great example.
377
955000
2000
Globale Erwärmung ist ein tolles Beispiel.
16:12
We're terrible
378
957000
2000
Wir sind schrecklich
16:14
at models that span 80 years.
379
959000
2000
mit Modellen, die sich über 80 Jahre erstrecken.
16:16
We can do to the next harvest.
380
961000
2000
Wir können die nächste Ernte machen.
16:18
We can often do until our kids grow up.
381
963000
3000
Wir können funktionieren solange bis unsere Kinder aufwachsen.
16:21
But 80 years, we're just not good at.
382
966000
3000
Aber 80 Jahre, darin sind wir einfach nicht gut.
16:24
So it's a very hard model to accept.
383
969000
3000
Es ist also ein sehr schwierig zu akzeptierendes Modell.
16:27
We can have both models in our head simultaneously,
384
972000
4000
Wir können beide Modell gleichzeitig in unserem Kopf haben
16:31
right, that kind of problem
385
976000
3000
oder diese Art von Problem,
16:34
where we're holding both beliefs together,
386
979000
3000
wo wir beide Glaubenssätze zusammenhalten
16:37
right, the cognitive dissonance.
387
982000
2000
oder die kognitive Dissonanz.
16:39
Eventually,
388
984000
2000
Letztendlich
16:41
the new model will replace the old model.
389
986000
3000
wird das neue Modell das alte ersetzen
16:44
Strong feelings can create a model.
390
989000
3000
Starke Gefühle können ein Modell schaffen.
16:47
September 11th created a security model
391
992000
3000
Der 11. September schaffte ein solches Sicherheitsmodell
16:50
in a lot of people's heads.
392
995000
2000
in den Köpfen vieler Leute.
16:52
Also, personal experiences with crime can do it,
393
997000
3000
Auch eine persönliche Erfahrung mit einer Straftat kann dies tun,
16:55
personal health scare,
394
1000000
2000
persönliches Gesundheitsrisiko.
16:57
a health scare in the news.
395
1002000
2000
ein Gesundheitsrisiko in den Nachrichten.
16:59
You'll see these called flashbulb events
396
1004000
2000
Diese Momente werden von Psychiatern
17:01
by psychiatrists.
397
1006000
2000
Blitzlichtmomente genannt.
17:03
They can create a model instantaneously,
398
1008000
3000
Sie können unmittelbar ein Modell schaffen,
17:06
because they're very emotive.
399
1011000
3000
weil sie sehr gefühlsgeladen sind.
17:09
So in the technological world,
400
1014000
2000
In der technisierten Welt
17:11
we don't have experience
401
1016000
2000
haben wir nicht die Erfahrung
17:13
to judge models.
402
1018000
2000
Modelle zu beurteilen.
17:15
And we rely on others. We rely on proxies.
403
1020000
2000
Und wir sind auf andere angewiesen. Wir sind auf Stellvertreter angewiesen.
17:17
I mean, this works as long as it's to correct others.
404
1022000
4000
Ich meine dies funktioniert so lange es darum geht, andere zu korrigieren.
17:21
We rely on government agencies
405
1026000
2000
Wir vertrauen auf staatliche Vertretungen,
17:23
to tell us what pharmaceuticals are safe.
406
1028000
5000
uns mitzuteilen welche Arzneimittel sicher sind.
17:28
I flew here yesterday.
407
1033000
2000
Ich bin gestern her geflogen.
17:30
I didn't check the airplane.
408
1035000
2000
Ich habe das Flugzeug nicht überprüft.
17:32
I relied on some other group
409
1037000
2000
Ich vertraute einer anderen Gruppe,
17:34
to determine whether my plane was safe to fly.
410
1039000
3000
festzustellen ob mein Flugzeug sicher war um damit zu fliegen.
17:37
We're here, none of us fear the roof is going to collapse on us,
411
1042000
3000
Wir sind hier, niemand von uns fürchtet, dass uns das Dach auf den Kopf fällt,
17:40
not because we checked,
412
1045000
3000
nicht weil wir es überprüft haben,
17:43
but because we're pretty sure
413
1048000
2000
sondern weil wir ziemlich sicher sind,
17:45
the building codes here are good.
414
1050000
3000
dass die Gebäudevorschriften hier sehr gut sind.
17:48
It's a model we just accept
415
1053000
2000
Es ist ein Modell, dass wir einfach akzeptieren
17:50
pretty much by faith.
416
1055000
2000
größtenteils durch Glauben.
17:52
And that's okay.
417
1057000
3000
Und das ist in Ordnung.
17:57
Now, what we want
418
1062000
2000
Was wir wollen
17:59
is people to get familiar enough
419
1064000
2000
ist das Leute sich mit besseren
18:01
with better models --
420
1066000
2000
Modellen anfreuden --
18:03
have it reflected in their feelings --
421
1068000
2000
sie mit ihren Gefühlen reflektiert haben --
18:05
to allow them to make security trade-offs.
422
1070000
4000
um ihnen zu erlauben Sicherheitsabwägungen zu machen.
18:09
Now when these go out of whack,
423
1074000
2000
Wenn diese aus dem Gleichgewicht geraten,
18:11
you have two options.
424
1076000
2000
dann haben sie zwei Optionen.
18:13
One, you can fix people's feelings,
425
1078000
2000
Erstens, sie können die Gefühle der Leute richten,
18:15
directly appeal to feelings.
426
1080000
2000
direkt an Gefühle appelieren.
18:17
It's manipulation, but it can work.
427
1082000
3000
Es ist Manipulation, aber es kann funktionieren.
18:20
The second, more honest way
428
1085000
2000
Zweitens, der ehrlichere Weg ist,
18:22
is to actually fix the model.
429
1087000
3000
das Modell direkt in Ordnung zu bringen.
18:26
Change happens slowly.
430
1091000
2000
Veränderungen passieren langsam.
18:28
The smoking debate took 40 years,
431
1093000
3000
Die Raucherdebatte brauchte 40 Jahre,
18:31
and that was an easy one.
432
1096000
3000
und das war eine einfache.
18:34
Some of this stuff is hard.
433
1099000
2000
Einige dieser Dinge sind schwer.
18:36
I mean really though,
434
1101000
2000
Ich meine richtig schwer,
18:38
information seems like our best hope.
435
1103000
2000
Information scheint unsere beste Hoffnung zu sein.
18:40
And I lied.
436
1105000
2000
Und ich habe gelogen.
18:42
Remember I said feeling, model, reality;
437
1107000
2000
Erinnern sie sich, als ich Gefühl, Modell, Realität sagte.
18:44
I said reality doesn't change. It actually does.
438
1109000
3000
Ich sagte Realität verändert sich nicht. Tatsächlich ändert sie sich.
18:47
We live in a technological world;
439
1112000
2000
Wir leben in einer technisierten Welt;
18:49
reality changes all the time.
440
1114000
3000
Realität verändert sich die ganze Zeit.
18:52
So we might have -- for the first time in our species --
441
1117000
3000
Wir mögen -- zum ersten Mal für unsere Art -- folgende Situation haben
18:55
feeling chases model, model chases reality, reality's moving --
442
1120000
3000
Gefühl jagt Modell, Modell jagt Realität, Realität ist in Bewegung --
18:58
they might never catch up.
443
1123000
3000
sie mögen nie aufschließen.
19:02
We don't know.
444
1127000
2000
Wir wissen es nicht.
19:04
But in the long-term,
445
1129000
2000
Aber langfristig
19:06
both feeling and reality are important.
446
1131000
3000
sind sowohl Gefühl als auch Realität wichtig.
19:09
And I want to close with two quick stories to illustrate this.
447
1134000
3000
Und ich möchte mit zwei kurzen Geschichten schließen um dies hervorzuheben.
19:12
1982 -- I don't know if people will remember this --
448
1137000
2000
1982 -- ich weiß nicht ob die Leute sich daran erinnern --
19:14
there was a short epidemic
449
1139000
3000
gab es eine kurze Epidemie
19:17
of Tylenol poisonings in the United States.
450
1142000
2000
von Tylenol Vergiftungen in den Vereinigten Staaten.
19:19
It's a horrific story. Someone took a bottle of Tylenol,
451
1144000
3000
Es ist eine schreckliche Geschichte. Irgendjemand nahm eine Flasche Tylenol,
19:22
put poison in it, closed it up, put it back on the shelf.
452
1147000
3000
füllte Gift hinein, verschloss sie und stellte sie wieder ins Regal.
19:25
Someone else bought it and died.
453
1150000
2000
Irgendjemand anderes kaufte die Flasche und starb.
19:27
This terrified people.
454
1152000
2000
Dies ängstigte die Leute.
19:29
There were a couple of copycat attacks.
455
1154000
2000
Es gab einige Nachahmungsfälle.
19:31
There wasn't any real risk, but people were scared.
456
1156000
3000
Es gab kein reales Risiko, aber die Leute fürchteten sich.
19:34
And this is how
457
1159000
2000
Und dies ist wie
19:36
the tamper-proof drug industry was invented.
458
1161000
2000
die fälschungssichere Pharmaindustrie erfunden wurde.
19:38
Those tamper-proof caps, that came from this.
459
1163000
2000
Diese fälschungssichere Verschlüsse gingen daraus hervor.
19:40
It's complete security theater.
460
1165000
2000
Es ist ein komplettes Sicherheitstheater.
19:42
As a homework assignment, think of 10 ways to get around it.
461
1167000
2000
Als Hausaufgabe denken Sie sich 10 Wege aus, diese zu umgehen.
19:44
I'll give you one, a syringe.
462
1169000
3000
Ich nenne ihnen einen Weg, eine Spritze.
19:47
But it made people feel better.
463
1172000
3000
Aber die Leute fühlen sich besser.
19:50
It made their feeling of security
464
1175000
2000
Es glich ihr Gefühl der Sicherheit an
19:52
more match the reality.
465
1177000
2000
die Realität an.
19:54
Last story, a few years ago, a friend of mine gave birth.
466
1179000
3000
Letzte Geschichte, einige Jahre her, gebar eine Freundin von mir ein Kind.
19:57
I visit her in the hospital.
467
1182000
2000
Ich besuchte sie im Krankenhaus.
19:59
It turns out when a baby's born now,
468
1184000
2000
Es stellte sich heraus, wenn heutzutage ein Kind geboren wird,
20:01
they put an RFID bracelet on the baby,
469
1186000
2000
bringen sie am Kind ein RFID Armband
20:03
put a corresponding one on the mother,
470
1188000
2000
mit einem dazugehörigen für die Mutter an,
20:05
so if anyone other than the mother takes the baby out of the maternity ward,
471
1190000
2000
Wenn irgendjemand anderes als die Mutter das Baby aus der Entbindungsstation nimmt,
20:07
an alarm goes off.
472
1192000
2000
geht ein Alarm los.
20:09
I said, "Well, that's kind of neat.
473
1194000
2000
Ich sagte: "Das ist irgendwie klasse.
20:11
I wonder how rampant baby snatching is
474
1196000
2000
Ich wundere mich wie grassierend Kinderklau
20:13
out of hospitals."
475
1198000
2000
aus Krankenhäusern ist."
20:15
I go home, I look it up.
476
1200000
2000
Ich ging nach Haus und guckte es nach.
20:17
It basically never happens.
477
1202000
2000
Es passiert so gut wie nie.
20:19
But if you think about it,
478
1204000
2000
Aber wenn Sie darüber nachdenken,
20:21
if you are a hospital,
479
1206000
2000
wenn Sie im Krankenhaus sind,
20:23
and you need to take a baby away from its mother,
480
1208000
2000
und Sie müssen ein Baby von seiner Mutter
20:25
out of the room to run some tests,
481
1210000
2000
für einige Tests aus dem Raum bringen,
20:27
you better have some good security theater,
482
1212000
2000
haben Sie besser ein ziemlich gutes Sicherheitstheater,
20:29
or she's going to rip your arm off.
483
1214000
2000
oder sie wird ihnen einen Arm ausreißen.
20:31
(Laughter)
484
1216000
2000
(Gelächter)
20:33
So it's important for us,
485
1218000
2000
Es ist also wichtig für uns,
20:35
those of us who design security,
486
1220000
2000
für solche von uns, die Sicherheit gestalten,
20:37
who look at security policy,
487
1222000
3000
auf die Sicherheitsregelung zu schauen
20:40
or even look at public policy
488
1225000
2000
oder sogar auf die öffentliche Regelung,
20:42
in ways that affect security.
489
1227000
2000
die in Ihrer Art Einfluss auf die Sicherheit haben.
20:44
It's not just reality; it's feeling and reality.
490
1229000
3000
Es ist nicht nur Realität, es ist Gefühl und Realität.
20:47
What's important
491
1232000
2000
Was wichtig ist,
20:49
is that they be about the same.
492
1234000
2000
ist dass sie ungefähr gleich sein müssen.
20:51
It's important that, if our feelings match reality,
493
1236000
2000
Es ist wichtig, dass wenn unsere Gefühle mit der Realität übereinstimmen,
20:53
we make better security trade-offs.
494
1238000
2000
wir bessere Sicherheitsabwägungen machen.
20:55
Thank you.
495
1240000
2000
Vielen Dank.
20:57
(Applause)
496
1242000
2000
(Applaus)
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