TEDGlobal 2013
Alessandro Acquisti: What will a future without secrets look like?
Alessandro Acquisti: Was Datenschutz ausmacht
Filmed:
Readability: 4.8
1,423,103 views
Die Grenze zwischen öffentlich und privat ist in den letzten zehn Jahren verschwommen, sowohl online als auch im wirklichen Leben, und Alessandro Acquisti ist hier, um zu erklären, was das bedeutet und warum es eine Rolle spielt. In dieser Rede, die zum Nachdenken und manchmal zum Schaudern anregt, teilt er Einzelheiten neuer und laufender Forschung – darunter ein Projekt, das zeigt, wie leicht man von einem Foto eines Fremden zu sensiblen privaten Informationen kommt.
Alessandro Acquisti - Privacy economist
What motivates you to share your personal information online? Alessandro Acquisti studies the behavioral economics of privacy (and information security) in social networks. Full bio
What motivates you to share your personal information online? Alessandro Acquisti studies the behavioral economics of privacy (and information security) in social networks. Full bio
Double-click the English transcript below to play the video.
00:12
I would like to tell you a story
0
641
2354
Ich möchte eine Geschichte erzählen,
00:14
connecting the notorious privacy incident
1
2995
3176
die den berüchtigten Datenschutz-Zwischenfall
00:18
involving Adam and Eve,
2
6171
2769
von Adam und Eva
00:20
and the remarkable shift in the boundaries
3
8940
3446
und die bemerkenswerte
Verschiebung der Grenzen
Verschiebung der Grenzen
00:24
between public and private which has occurred
4
12386
2686
zwischen „öffentlich“ und „privat“ in den
00:27
in the past 10 years.
5
15072
1770
letzten 10 Jahren vereint.
00:28
You know the incident.
6
16842
1298
Sie kennen den Fall.
00:30
Adam and Eve one day in the Garden of Eden
7
18140
3330
Eines Tages bemerken
Adam und Eva im Garten Eden,
Adam und Eva im Garten Eden,
00:33
realize they are naked.
8
21470
1843
dass sie nackt sind.
00:35
They freak out.
9
23313
1500
Sie drehen durch.
00:36
And the rest is history.
10
24813
2757
Und der Rest ist Geschichte.
00:39
Nowadays, Adam and Eve
11
27570
2188
Heute würden sich Adam und Eva
00:41
would probably act differently.
12
29758
2361
wahrscheinlich anders verhalten.
00:44
[@Adam Last nite was a blast! loved dat apple LOL]
13
32119
2268
[@Adam Letzte Nacht war wahnsinn!
leckerer Apfel LOL]
leckerer Apfel LOL]
00:46
[@Eve yep.. babe, know what happened to my pants tho?]
14
34387
1873
[@Eva ja.. schatz, was ist denn
mit meiner Hose passiert?]
mit meiner Hose passiert?]
00:48
We do reveal so much more information
15
36260
2636
Im Internet geben wir wirklich so viel mehr
00:50
about ourselves online than ever before,
16
38896
3334
Informationen über uns preis als je zuvor,
00:54
and so much information about us
17
42230
1704
und so viel mehr davon
00:55
is being collected by organizations.
18
43934
2224
wird von Organisationen gesammelt.
00:58
Now there is much to gain and benefit
19
46158
3282
Diese massive Auswertung persönlicher Daten
01:01
from this massive analysis of personal information,
20
49440
2446
– oder „Big Data“ – kann eine große
01:03
or big data,
21
51886
1946
Bereicherung sein,
01:05
but there are also complex tradeoffs that come
22
53832
2638
aber wir lassen uns
auf komplexe Kompromisse ein,
auf komplexe Kompromisse ein,
01:08
from giving away our privacy.
23
56470
3098
wenn wir unsere Privatsphäre aufgeben.
01:11
And my story is about these tradeoffs.
24
59568
4023
Und davon handelt meine Geschichte.
01:15
We start with an observation which, in my mind,
25
63591
2584
Wir beginnen mit einer Beobachtung,
die für mich
die für mich
01:18
has become clearer and clearer in the past few years,
26
66175
3327
in den letzten Jahren
immer eindeutiger geworden ist,
immer eindeutiger geworden ist,
01:21
that any personal information
27
69502
2097
dass jede persönliche Information
01:23
can become sensitive information.
28
71599
2285
zu sensibler Information werden kann.
01:25
Back in the year 2000, about 100 billion photos
29
73884
4125
Im Jahr 2000 wurden
weltweit etwa 100 Milliarden
weltweit etwa 100 Milliarden
01:30
were shot worldwide,
30
78009
1912
Fotos geschossen,
01:31
but only a minuscule proportion of them
31
79921
3065
aber nur ein winziger Teil davon
01:34
were actually uploaded online.
32
82986
1883
wurde ins Netz geladen.
01:36
In 2010, only on Facebook, in a single month,
33
84869
3361
2010 wurden allein auf Facebook in einem Monat
01:40
2.5 billion photos were uploaded,
34
88230
3270
2,5 Milliarden Fotos hochgeladen,
01:43
most of them identified.
35
91500
1882
die meisten mit Namen beschriftet.
01:45
In the same span of time,
36
93382
1880
In derselben Zeit
01:47
computers' ability to recognize people in photos
37
95262
4870
hat sich die Gesichtserkennung
von Computern
von Computern
01:52
improved by three orders of magnitude.
38
100132
3608
um drei Größenordnungen verbessert.
01:55
What happens when you combine
39
103740
1882
Was passiert, wenn man diese beiden
01:57
these technologies together:
40
105622
1501
Technologien kombiniert:
01:59
increasing availability of facial data;
41
107123
2658
Erhöhte Verfügbarkeit von Gesichtsdaten;
02:01
improving facial recognizing ability by computers;
42
109781
3648
verbesserte Gesichtserkennung
durch Computer;
durch Computer;
02:05
but also cloud computing,
43
113429
2182
aber auch Cloud-Computing,
02:07
which gives anyone in this theater
44
115611
1888
das jedem in diesem Saal
02:09
the kind of computational power
45
117499
1560
Rechenkapazitäten in die Hände legt,
02:11
which a few years ago was only the domain
46
119059
1886
die vor ein paar Jahren nur Behörden
02:12
of three-letter agencies;
47
120945
1782
mit drei Buchstaben hatten;
02:14
and ubiquitous computing,
48
122727
1378
und allgegenwärtige Computer,
02:16
which allows my phone, which is not a supercomputer,
49
124105
2892
die es meinem Telefon,
das nun kein Supercomputer ist,
das nun kein Supercomputer ist,
02:18
to connect to the Internet
50
126997
1671
ermöglichen, ins Internet zu gehen
02:20
and do there hundreds of thousands
51
128668
2334
und dort hunderttausende Gesichter
02:23
of face metrics in a few seconds?
52
131002
2639
in ein paar Sekunden zu vergleichen?
02:25
Well, we conjecture that the result
53
133641
2628
Wir mutmaßen, dass das Ergebnis
02:28
of this combination of technologies
54
136269
2064
dieser Kombination von Technologien
02:30
will be a radical change in our very notions
55
138333
2888
eine radikaler Wandel in unserer Auffassung
02:33
of privacy and anonymity.
56
141221
2257
von Privatsphäre und Anonymität sein wird.
02:35
To test that, we did an experiment
57
143478
1993
Mit einem Experiment auf dem Campus
02:37
on Carnegie Mellon University campus.
58
145471
2121
unserer Universität haben wir das getestet.
02:39
We asked students who were walking by
59
147592
2099
Wir baten vorbeilaufende Studenten,
02:41
to participate in a study,
60
149691
1779
an einer Studie teilzunehmen,
02:43
and we took a shot with a webcam,
61
151470
2562
machten ein Foto mit einer Webcam,
02:46
and we asked them to fill out a survey on a laptop.
62
154032
2782
und baten sie, auf einem Laptop
einen Fragebogen auszufüllen.
einen Fragebogen auszufüllen.
02:48
While they were filling out the survey,
63
156814
1979
Während sie das taten,
02:50
we uploaded their shot to a cloud-computing cluster,
64
158793
2797
schickten wir ihr Foto an einen Großrechner
02:53
and we started using a facial recognizer
65
161590
1727
und fingen an, dieses Foto
02:55
to match that shot to a database
66
163317
2405
per Gesichtserkennung mit einer Datenbank
02:57
of some hundreds of thousands of images
67
165722
2393
von ein paar hunderttausend Fotos
abzugleichen,
abzugleichen,
03:00
which we had downloaded from Facebook profiles.
68
168115
3596
die wir von Facebook-Profilen
gesammelt hatten.
gesammelt hatten.
03:03
By the time the subject reached the last page
69
171711
3259
Bevor die Testperson die letzte Seite erreichte,
03:06
on the survey, the page had been dynamically updated
70
174970
3347
wurde sie automatisch
mit den zehn Fotos aktualisiert,
mit den zehn Fotos aktualisiert,
03:10
with the 10 best matching photos
71
178317
2313
die laut Gesichtserkennung
03:12
which the recognizer had found,
72
180630
2285
die größte Übereinstimmung hatten,
03:14
and we asked the subjects to indicate
73
182915
1738
und wir fragten die Teilnehmer,
03:16
whether he or she found themselves in the photo.
74
184653
4120
ob sie sich selbst auf einem Foto erkannten.
03:20
Do you see the subject?
75
188773
3699
Erkennen Sie die Testperson?
03:24
Well, the computer did, and in fact did so
76
192472
2845
Der Computer schon, und zwar
03:27
for one out of three subjects.
77
195317
2149
bei einem von drei Teilnehmern.
03:29
So essentially, we can start from an anonymous face,
78
197466
3184
Im Grunde können wir also
ein unbekanntes Gesicht nehmen,
ein unbekanntes Gesicht nehmen,
03:32
offline or online, and we can use facial recognition
79
200650
3484
offline oder online,
und ihm durch Gesichtserkennung
und ihm durch Gesichtserkennung
03:36
to give a name to that anonymous face
80
204134
2360
dank Daten aus den sozialen Medien
03:38
thanks to social media data.
81
206494
2108
einen Namen geben.
03:40
But a few years back, we did something else.
82
208602
1872
Aber vor ein paar Jahren
taten wir etwas anderes.
taten wir etwas anderes.
03:42
We started from social media data,
83
210474
1823
Wir nahmen Daten aus sozialen Medien,
03:44
we combined it statistically with data
84
212297
3051
kombinierten sie statistisch mit Daten
03:47
from U.S. government social security,
85
215348
2102
der US-amerikanischen Sozialversicherung,
03:49
and we ended up predicting social security numbers,
86
217450
3324
und konnten damit
Sozialversicherungsnummern vorhersagen –
Sozialversicherungsnummern vorhersagen –
03:52
which in the United States
87
220774
1512
in den USA sind das
03:54
are extremely sensitive information.
88
222286
2040
extrem sensible Daten.
03:56
Do you see where I'm going with this?
89
224326
2093
Sehen Sie, worauf ich hinauswill?
03:58
So if you combine the two studies together,
90
226419
2922
Wenn man diese beiden Studien kombiniert,
04:01
then the question becomes,
91
229341
1512
ist die Frage, ob man
04:02
can you start from a face and,
92
230853
2720
von einem Gesicht ausgehen kann,
04:05
using facial recognition, find a name
93
233573
2311
dazu per Gesichtserkennung einen Namen
04:07
and publicly available information
94
235884
2669
und anhand des Namens
04:10
about that name and that person,
95
238553
1932
öffentliche Informationen finden kann,
04:12
and from that publicly available information
96
240485
2248
und aus diesen öffentlichen Informationen
04:14
infer non-publicly available information,
97
242733
2042
auf nicht-öffentliche schließen kann,
04:16
much more sensitive ones
98
244775
1606
die viel sensibler sind,
04:18
which you link back to the face?
99
246381
1492
die man dann zum Gesicht zurückführt?
04:19
And the answer is, yes, we can, and we did.
100
247873
1916
Die Antwort ist: Ja, können und haben wir.
04:21
Of course, the accuracy keeps getting worse.
101
249789
2568
Natürlich leidet darunter die Genauigkeit.
04:24
[27% of subjects' first 5 SSN digits identified (with 4 attempts)]
102
252357
944
[27 % der ersten 5 Ziffern
der SV-Nummern gefunden (bei 4 Versuchen)]
der SV-Nummern gefunden (bei 4 Versuchen)]
04:25
But in fact, we even decided to develop an iPhone app
103
253301
3827
Aber wir haben sogar eine App
fürs iPhone entwickelt,
fürs iPhone entwickelt,
04:29
which uses the phone's internal camera
104
257128
2715
die mit der Kamera des Geräts ein Foto
04:31
to take a shot of a subject
105
259843
1600
von einer Person macht,
04:33
and then upload it to a cloud
106
261443
1487
es an die Cloud schickt,
04:34
and then do what I just described to you in real time:
107
262930
2662
und dann in Echtzeit tut,
was ich gerade beschrieben habe:
was ich gerade beschrieben habe:
04:37
looking for a match, finding public information,
108
265592
2088
Sie vergleicht Gesichter,
findet öffentliche Informationen,
findet öffentliche Informationen,
04:39
trying to infer sensitive information,
109
267680
1730
versucht, auf sensible Informationen zu schließen,
04:41
and then sending back to the phone
110
269410
2591
sendet sie an das Telefon zurück,
04:44
so that it is overlaid on the face of the subject,
111
272001
3609
und zeigt sie über dem Gesicht der Person an;
04:47
an example of augmented reality,
112
275610
1901
Ein Beispiel für erweiterte Realität,
04:49
probably a creepy example of augmented reality.
113
277511
2451
und wohl eher ein unheimliches Beispiel.
04:51
In fact, we didn't develop the app to make it available,
114
279962
3339
Wir haben diese App nicht entwickelt,
um sie zu veröffentlichen,
um sie zu veröffentlichen,
04:55
just as a proof of concept.
115
283301
1922
sondern um die Machbarkeit zu beweisen.
04:57
In fact, take these technologies
116
285223
2313
Aber nehmen wir diese Technologien
04:59
and push them to their logical extreme.
117
287536
1837
und treiben wir sie auf die logische Spitze.
05:01
Imagine a future in which strangers around you
118
289373
2719
Stellen Sie sich eine Zukunft vor, in der Fremde
05:04
will look at you through their Google Glasses
119
292092
2311
Sie durch ihre Google-Brille sehen,
05:06
or, one day, their contact lenses,
120
294403
2307
oder irgendwann durch ihre Kontaktlinsen,
05:08
and use seven or eight data points about you
121
296710
4020
und mit sieben, acht Datenpunkten über Sie
05:12
to infer anything else
122
300730
2582
auf alles andere schließen,
05:15
which may be known about you.
123
303312
2603
das man über Sie wissen kann.
05:17
What will this future without secrets look like?
124
305915
4794
Wie sieht diese Zukunft
ohne Geheimnisse aus?
ohne Geheimnisse aus?
05:22
And should we care?
125
310709
1964
Und spielt das für uns eine Rolle?
05:24
We may like to believe
126
312673
1891
Vielleicht glauben wir gerne,
05:26
that the future with so much wealth of data
127
314564
3040
dass eine Zukunft mit solchen Datenreichtümern
05:29
would be a future with no more biases,
128
317604
2514
eine Zukunft ohne Vorurteile ist,
05:32
but in fact, having so much information
129
320118
3583
aber tatsächlich bedeutet diese Fülle
05:35
doesn't mean that we will make decisions
130
323701
2191
an Information nicht, dass wir objektivere
05:37
which are more objective.
131
325892
1706
Entscheidungen treffen.
05:39
In another experiment, we presented to our subjects
132
327598
2560
In einem anderen Experiment
gaben wir den Teilnehmern
gaben wir den Teilnehmern
05:42
information about a potential job candidate.
133
330158
2246
Informationen über einen Bewerber
auf einen Job.
auf einen Job.
05:44
We included in this information some references
134
332404
3178
Ein Teil dieser Informationen
betraf Situationen,
betraf Situationen,
05:47
to some funny, absolutely legal,
135
335582
2646
die zwar lustig und völlig legal,
05:50
but perhaps slightly embarrassing information
136
338228
2465
aber vielleicht etwas peinlich waren,
05:52
that the subject had posted online.
137
340693
2020
die die „Bewerber“ ins Netz gestellt hatten.
05:54
Now interestingly, among our subjects,
138
342713
2366
Interessant war, dass manche Teilnehmer
05:57
some had posted comparable information,
139
345079
3083
so etwas auch schon einmal gepostet hatten
06:00
and some had not.
140
348162
2362
und andere nicht.
06:02
Which group do you think
141
350524
1949
Welche Gruppe, glauben Sie,
06:04
was more likely to judge harshly our subject?
142
352473
4552
hat die Bewerber strenger beurteilt?
06:09
Paradoxically, it was the group
143
357025
1957
Paradoxerweise war es die Gruppe,
06:10
who had posted similar information,
144
358982
1733
die selbst ähnliche Posts geschrieben hatte –
06:12
an example of moral dissonance.
145
360715
2942
ein Beispiel für moralische Dissonanz.
06:15
Now you may be thinking,
146
363657
1750
Vielleicht denken Sie jetzt:
06:17
this does not apply to me,
147
365407
1702
„Das betrifft mich nicht,
06:19
because I have nothing to hide.
148
367109
2162
weil ich nichts zu verbergen habe.“
06:21
But in fact, privacy is not about
149
369271
2482
Aber Privatsphäre bedeutet nicht,
06:23
having something negative to hide.
150
371753
3676
etwas Negatives verbergen zu wollen.
06:27
Imagine that you are the H.R. director
151
375429
2354
Stellen Sie sich vor,
Sie seien Personalchef
Sie seien Personalchef
06:29
of a certain organization, and you receive résumés,
152
377783
2947
einer Organisation.
Man schickt Ihnen Lebensläufe
Man schickt Ihnen Lebensläufe
06:32
and you decide to find more information about the candidates.
153
380730
2473
und Sie wollen mehr Informationen
über die Bewerber finden.
über die Bewerber finden.
06:35
Therefore, you Google their names
154
383203
2460
Also googlen Sie ihre Namen
06:37
and in a certain universe,
155
385663
2240
und in einem gewissen Universum
06:39
you find this information.
156
387903
2008
finden Sie diese Information.
06:41
Or in a parallel universe, you find this information.
157
389911
4437
Oder in einem Paralleluniversum
finden Sie diese.
finden Sie diese.
06:46
Do you think that you would be equally likely
158
394348
2717
Glauben Sie, Sie würden beide Bewerberinnen
06:49
to call either candidate for an interview?
159
397065
2803
mit derselben Wahrscheinlichkeit
zum Gespräch einladen?
zum Gespräch einladen?
06:51
If you think so, then you are not
160
399868
2282
Wenn ja, dann denken Sie anders
06:54
like the U.S. employers who are, in fact,
161
402150
2582
als die Arbeitgeber der USA, die tatsächlich
06:56
part of our experiment, meaning we did exactly that.
162
404732
3307
Teil unseres Experimentes waren,
denn genau das taten wir:
denn genau das taten wir:
07:00
We created Facebook profiles, manipulating traits,
163
408039
3182
Wir erstellten Facebook-Profile
mit verschiedenen Eigenschaften
mit verschiedenen Eigenschaften
07:03
then we started sending out résumés to companies in the U.S.,
164
411221
2851
und schickten Bewerbungen
an Firmen in den USA,
an Firmen in den USA,
07:06
and we detected, we monitored,
165
414072
1908
wir zeichneten auf,
07:07
whether they were searching for our candidates,
166
415980
2393
ob sie nach unseren Bewerbern suchten,
07:10
and whether they were acting on the information
167
418373
1832
und ob sie anhand der Informationen
07:12
they found on social media. And they were.
168
420205
1938
aus sozialen Medien handelten.
Und das taten sie.
Und das taten sie.
07:14
Discrimination was happening through social media
169
422143
2101
Durch soziale Medien wurden Bewerber
07:16
for equally skilled candidates.
170
424244
3073
trotz gleicher Fähigkeiten diskriminiert.
07:19
Now marketers like us to believe
171
427317
4575
Vermarkter hätten gerne, dass wir glauben,
07:23
that all information about us will always
172
431892
2269
dass Informationen über uns immer
07:26
be used in a manner which is in our favor.
173
434161
3273
zu unseren Gunsten genutzt werden.
07:29
But think again. Why should that be always the case?
174
437434
3715
Aber denken Sie noch mal nach.
Warum sollten sie?
Warum sollten sie?
07:33
In a movie which came out a few years ago,
175
441149
2664
In einem Film, der vor ein paar Jahren lief,
07:35
"Minority Report," a famous scene
176
443813
2553
„Minority Report“, läuft Tom Cruise
07:38
had Tom Cruise walk in a mall
177
446366
2576
durch ein Einkaufszentrum
07:40
and holographic personalized advertising
178
448942
3776
und um ihn herum taucht personalisierte
07:44
would appear around him.
179
452718
1835
holografische Werbung auf.
07:46
Now, that movie is set in 2054,
180
454553
3227
Dieser Film spielt im Jahr 2054,
07:49
about 40 years from now,
181
457780
1642
also in ungefähr 40 Jahren,
07:51
and as exciting as that technology looks,
182
459422
2908
und so spannnend diese Technologie aussieht,
07:54
it already vastly underestimates
183
462330
2646
unterschätzt sie schon jetzt zutiefst,
07:56
the amount of information that organizations
184
464976
2140
wie viele Informationen Organisationen
07:59
can gather about you, and how they can use it
185
467116
2483
über Sie sammeln können,
und wie sie diese nutzen können,
und wie sie diese nutzen können,
08:01
to influence you in a way that you will not even detect.
186
469599
3398
um Sie so zu beeinflussen,
dass Sie es nicht einmal merken.
dass Sie es nicht einmal merken.
08:04
So as an example, this is another experiment
187
472997
2103
Als Beispiel ist hier noch ein Experiment,
08:07
actually we are running, not yet completed.
188
475100
2273
das wir gerade durchführen, es läuft noch.
08:09
Imagine that an organization has access
189
477373
2319
Stellen Sie sich vor, eine Organisation
08:11
to your list of Facebook friends,
190
479692
2056
hat eine Liste Ihrer Facebook-Freunde,
08:13
and through some kind of algorithm
191
481748
1772
und mit irgendeinem Algorithmus
08:15
they can detect the two friends that you like the most.
192
483520
3734
können sie Ihre zwei besten Freunde herausfinden.
08:19
And then they create, in real time,
193
487254
2280
Und dann vermischen sie in Echtzeit
08:21
a facial composite of these two friends.
194
489534
2842
die Gesichter dieser beiden Freunde.
08:24
Now studies prior to ours have shown that people
195
492376
3069
Frühere Studien haben gezeigt,
dass Menschen
dass Menschen
08:27
don't recognize any longer even themselves
196
495445
2885
sich in diesen digital vermischten Gesichtern
08:30
in facial composites, but they react
197
498330
2462
nicht einmal selbst erkennen, dass sie aber
08:32
to those composites in a positive manner.
198
500792
2117
auf diese Bilder positiv reagieren.
08:34
So next time you are looking for a certain product,
199
502909
3415
Wenn Sie also das nächste Mal
ein Produkt suchen
ein Produkt suchen
08:38
and there is an ad suggesting you to buy it,
200
506324
2559
und Sie Werbung dafür sehen,
08:40
it will not be just a standard spokesperson.
201
508883
2907
dann wird darin nicht irgendein Model sein.
08:43
It will be one of your friends,
202
511790
2313
Es wird einer Ihrer Freunde sein,
08:46
and you will not even know that this is happening.
203
514103
3303
und Sie werden es nicht einmal merken.
08:49
Now the problem is that
204
517406
2413
Das Problem ist,
08:51
the current policy mechanisms we have
205
519819
2519
dass die aktuellen Datenschutzmechanismen
08:54
to protect ourselves from the abuses of personal information
206
522338
3438
gegen den Missbrauch persönlicher Informationen
08:57
are like bringing a knife to a gunfight.
207
525776
2984
so nützlich sind wie ein Messer
bei einer Schießerei.
bei einer Schießerei.
09:00
One of these mechanisms is transparency,
208
528760
2913
Ein solcher Mechanismus ist Transparenz,
09:03
telling people what you are going to do with their data.
209
531673
3200
man sagt Menschen,
was man mit ihren Daten vorhat.
was man mit ihren Daten vorhat.
09:06
And in principle, that's a very good thing.
210
534873
2106
Und im Prinzip ist das etwas sehr Gutes.
09:08
It's necessary, but it is not sufficient.
211
536979
3667
Es ist notwendig, aber nicht hinreichend.
09:12
Transparency can be misdirected.
212
540646
3698
Transparenz kann in die Irre führen.
09:16
You can tell people what you are going to do,
213
544344
2104
Sie können Menschen sagen,
was Sie vorhaben,
was Sie vorhaben,
09:18
and then you still nudge them to disclose
214
546448
2232
und ihnen dann doch beliebige Mengen
09:20
arbitrary amounts of personal information.
215
548680
2623
persönlicher Informationen herauslocken.
09:23
So in yet another experiment, this one with students,
216
551303
2886
In noch einem anderen Experiment
baten wir Studierende,
baten wir Studierende,
09:26
we asked them to provide information
217
554189
3058
uns Informationen über ihr Verhalten
09:29
about their campus behavior,
218
557247
1813
an der Uni zu geben,
09:31
including pretty sensitive questions, such as this one.
219
559060
2940
darunter ziemlich sensible Fragen,
so wie diese hier.
so wie diese hier.
09:34
[Have you ever cheated in an exam?]
220
562000
621
[Haben Sie je in einer Prüfung betrogen?]
09:34
Now to one group of subjects, we told them,
221
562621
2300
Einer Gruppe der Teilnehmer sagten wir:
09:36
"Only other students will see your answers."
222
564921
2841
„Nur Kommilitonen lesen Ihre Antworten.“
09:39
To another group of subjects, we told them,
223
567762
1579
Einer zweiten Gruppe sagten wir:
09:41
"Students and faculty will see your answers."
224
569341
3561
„Studierende und Lehrende
lesen Ihre Antworten.“
lesen Ihre Antworten.“
09:44
Transparency. Notification. And sure enough, this worked,
225
572902
2591
Transparenz. Aufklärung.
Und natürlich funktionierte das,
Und natürlich funktionierte das,
09:47
in the sense that the first group of subjects
226
575493
1407
nämlich so, dass die erste Gruppe
09:48
were much more likely to disclose than the second.
227
576900
2568
viel eher „Ja“ antwortete als die zweite.
09:51
It makes sense, right?
228
579468
1520
Das ist logisch, oder?
09:52
But then we added the misdirection.
229
580988
1490
Aber dann führten wir sie in die Irre.
09:54
We repeated the experiment with the same two groups,
230
582478
2760
Wir wiederholten das Experiment
mit den gleichen Gruppen,
mit den gleichen Gruppen,
09:57
this time adding a delay
231
585238
2427
fügten aber eine Verzögerung ein
09:59
between the time we told subjects
232
587665
2935
zwischen der Aufklärung darüber,
10:02
how we would use their data
233
590600
2080
wie wir mit den Daten umgehen,
10:04
and the time we actually started answering the questions.
234
592680
4388
und dem eigentlichen Beginn des Fragebogens.
10:09
How long a delay do you think we had to add
235
597068
2561
Wie lange musste die Verzögerung sein,
10:11
in order to nullify the inhibitory effect
236
599629
4613
um die Hemmungen
der Teilnehmer aufzuheben,
der Teilnehmer aufzuheben,
10:16
of knowing that faculty would see your answers?
237
604242
3411
deren Antworten
auch Dozenten lesen würden?
auch Dozenten lesen würden?
10:19
Ten minutes?
238
607653
1780
Zehn Minuten?
10:21
Five minutes?
239
609433
1791
Fünf Minuten?
10:23
One minute?
240
611224
1776
Eine Minute?
10:25
How about 15 seconds?
241
613000
2049
Wie wär’s mit 15 Sekunden?
10:27
Fifteen seconds were sufficient to have the two groups
242
615049
2668
15 Sekunden waren genug,
damit die beiden Gruppen
damit die beiden Gruppen
10:29
disclose the same amount of information,
243
617717
1568
dieselbe Menge an Informationen preisgaben,
10:31
as if the second group now no longer cares
244
619285
2746
als wäre es der zweiten Gruppe plötzlich egal,
10:34
for faculty reading their answers.
245
622031
2656
dass Dozenten ihre Antworten lesen.
10:36
Now I have to admit that this talk so far
246
624687
3336
Ich muss zugeben,
dass meine Rede bis hierhin
dass meine Rede bis hierhin
10:40
may sound exceedingly gloomy,
247
628023
2480
vielleicht äußerst finster klang,
10:42
but that is not my point.
248
630503
1721
aber darum geht es mir nicht.
10:44
In fact, I want to share with you the fact that
249
632224
2699
Ich will mit Ihnen über die Tatsache reden,
10:46
there are alternatives.
250
634923
1772
dass es Alternativen gibt.
10:48
The way we are doing things now is not the only way
251
636695
2499
Unsere jetzige Vorgehensweise
ist nicht die einzige
ist nicht die einzige
10:51
they can done, and certainly not the best way
252
639194
3037
und bestimmt nicht die beste Weise,
10:54
they can be done.
253
642231
2027
die Dinge anzugehen.
10:56
When someone tells you, "People don't care about privacy,"
254
644258
4171
Wenn Ihnen jemand sagt:
„Den Leuten ist Datenschutz egal,“
„Den Leuten ist Datenschutz egal,“
11:00
consider whether the game has been designed
255
648429
2642
dann überlegen Sie, ob die Würfel
11:03
and rigged so that they cannot care about privacy,
256
651071
2724
so gezinkt sind, dass ihnen
Datenschutz egal sein muss,
Datenschutz egal sein muss,
11:05
and coming to the realization that these manipulations occur
257
653795
3262
und mit der Einsicht, dass
diese Manipulationen geschehen,
diese Manipulationen geschehen,
11:09
is already halfway through the process
258
657057
1607
haben Sie die halbe Strecke
11:10
of being able to protect yourself.
259
658664
2258
zum Schutz Ihrer Daten schon geschafft.
11:12
When someone tells you that privacy is incompatible
260
660922
3710
Wenn Ihnen jemand sagt,
Datenschutz sei unvereinbar
Datenschutz sei unvereinbar
11:16
with the benefits of big data,
261
664632
1849
mit den Vorteilen von Big Data,
11:18
consider that in the last 20 years,
262
666481
2473
überlegen Sie, dass Wissenschaftler
11:20
researchers have created technologies
263
668954
1917
seit 20 Jahren Technologien geschaffen haben,
11:22
to allow virtually any electronic transactions
264
670871
3318
mit sich denen nahezu
jeder elektronische Vorgang
jeder elektronische Vorgang
11:26
to take place in a more privacy-preserving manner.
265
674189
3749
datenschutzfreundlicher abwickeln lässt.
11:29
We can browse the Internet anonymously.
266
677938
2555
Wir können anonym im Internet surfen.
11:32
We can send emails that can only be read
267
680493
2678
Wir können E-Mails verschicken, die nur
11:35
by the intended recipient, not even the NSA.
268
683171
3709
der Empfänger lesen kann, nicht einmal die NSA.
11:38
We can have even privacy-preserving data mining.
269
686880
2997
Und sogar datenschutzfreundlich
nach Daten schürfen.
nach Daten schürfen.
11:41
In other words, we can have the benefits of big data
270
689877
3894
Mit anderen Worten, wir können
die Vorteile von Big Data genießen
die Vorteile von Big Data genießen
11:45
while protecting privacy.
271
693771
2132
und dabei die Privatsphäre schützen.
11:47
Of course, these technologies imply a shifting
272
695903
3791
Voraussetzung für diese Technologien
ist eine Verschiebung
ist eine Verschiebung
11:51
of cost and revenues
273
699694
1546
von Kosten und Nutzen
11:53
between data holders and data subjects,
274
701240
2107
zwischen Inhaber und Gegenstand von Daten,
11:55
which is why, perhaps, you don't hear more about them.
275
703347
3453
was erklären mag, warum Sie
nicht viel davon hören.
nicht viel davon hören.
11:58
Which brings me back to the Garden of Eden.
276
706800
3706
Und das bringt mich zurück
zum Garten Eden.
zum Garten Eden.
12:02
There is a second privacy interpretation
277
710506
2780
Es gibt eine zweite Datenschutz-Interpretation
12:05
of the story of the Garden of Eden
278
713286
1809
der Geschichte aus dem Garten Eden,
12:07
which doesn't have to do with the issue
279
715095
2096
die nichts damit zu tun hat,
12:09
of Adam and Eve feeling naked
280
717191
2225
dass Adam und Eva sich nackt fühlen
12:11
and feeling ashamed.
281
719416
2381
und schämen.
12:13
You can find echoes of this interpretation
282
721797
2781
Ein Echo dieser Interpretation finden Sie
12:16
in John Milton's "Paradise Lost."
283
724578
2782
in John Miltons „Paradise Lost“.
12:19
In the garden, Adam and Eve are materially content.
284
727360
4197
Im Paradies sind Adam und Eva materiell zufrieden.
12:23
They're happy. They are satisfied.
285
731557
2104
Sie sind glücklich. Sie sind zufrieden.
12:25
However, they also lack knowledge
286
733661
2293
Gleichzeitig fehlt ihnen aber Wissen
12:27
and self-awareness.
287
735954
1640
und Selbstwahrnehmung.
12:29
The moment they eat the aptly named
288
737594
3319
In dem Moment, in dem sie
die treffend benannte
die treffend benannte
12:32
fruit of knowledge,
289
740913
1293
„Frucht der Erkenntnis“ essen,
12:34
that's when they discover themselves.
290
742206
2605
genau dann erkennen sie sich selbst.
12:36
They become aware. They achieve autonomy.
291
744811
4031
Sie erreichen Bewusstsein und Selbständigkeit.
12:40
The price to pay, however, is leaving the garden.
292
748842
3126
Der Preis dafür ist die Vertreibung
aus dem Paradies.
aus dem Paradies.
12:43
So privacy, in a way, is both the means
293
751968
3881
Privatsphäre ist also gewissermaßen
12:47
and the price to pay for freedom.
294
755849
2962
zugleich Mittel und Preis der Freiheit.
12:50
Again, marketers tell us
295
758811
2770
Vermarkter erzählen uns,
12:53
that big data and social media
296
761581
3019
Big Data und Soziale Medien
12:56
are not just a paradise of profit for them,
297
764600
2979
seien nicht nur ein Profit-Paradies für sie,
12:59
but a Garden of Eden for the rest of us.
298
767579
2457
sondern auch ein Garten Eden für alle.
13:02
We get free content.
299
770036
1238
Wir bekommen kostenlose Inhalte,
13:03
We get to play Angry Birds. We get targeted apps.
300
771274
3123
dürfen Angry Birds spielen,
bekommen bessere Werbung.
bekommen bessere Werbung.
13:06
But in fact, in a few years, organizations
301
774397
2897
Aber in ein paar Jahren
werden Organisationen
werden Organisationen
13:09
will know so much about us,
302
777294
1609
so viel über uns wissen,
13:10
they will be able to infer our desires
303
778903
2710
dass sie unsere Wünsche ablesen können,
13:13
before we even form them, and perhaps
304
781613
2204
bevor wir sie überhaupt geformt haben,
13:15
buy products on our behalf
305
783817
2447
und vielleicht Produkte für uns kaufen,
13:18
before we even know we need them.
306
786264
2274
bevor wir wissen, dass wir sie brauchen.
13:20
Now there was one English author
307
788538
3237
Es gibt einen englischen Schriftsteller,
13:23
who anticipated this kind of future
308
791775
3045
der diese Zukunft vorhergesehen hat,
13:26
where we would trade away
309
794820
1405
in der wir Freiheit und
13:28
our autonomy and freedom for comfort.
310
796225
3548
Selbständigkeit gegen Bequemlichkeit tauschen.
13:31
Even more so than George Orwell,
311
799773
2161
Viel mehr noch als George Orwell,
13:33
the author is, of course, Aldous Huxley.
312
801934
2761
ich meine natürlich Aldous Huxley.
13:36
In "Brave New World," he imagines a society
313
804695
2854
In „Schöne neue Welt“
beschreibt er eine Gesellschaft,
beschreibt er eine Gesellschaft,
13:39
where technologies that we created
314
807549
2171
in der Technologien, die ursprünglich
13:41
originally for freedom
315
809720
1859
unserer Freiheit dienten,
13:43
end up coercing us.
316
811579
2567
uns schließlich unterdrücken.
13:46
However, in the book, he also offers us a way out
317
814146
4791
Aber im Buch schlägt er auch einen Ausweg
13:50
of that society, similar to the path
318
818937
3438
aus dieser Gesellschaft vor, ähnlich dem Weg
13:54
that Adam and Eve had to follow to leave the garden.
319
822375
3955
dem Adam und Eva
aus dem Paradies folgen mussten.
aus dem Paradies folgen mussten.
13:58
In the words of the Savage,
320
826330
2147
In den Worten des Wilden,
14:00
regaining autonomy and freedom is possible,
321
828477
3069
man kann Autonomie
und Freiheit zurück erobern,
und Freiheit zurück erobern,
14:03
although the price to pay is steep.
322
831546
2679
aber der Preis dafür ist hoch.
14:06
So I do believe that one of the defining fights
323
834225
5715
Ich glaube, einer der entscheidenden Kämpfe
14:11
of our times will be the fight
324
839940
2563
unserer Zeit wird der Kampf
14:14
for the control over personal information,
325
842503
2387
um die Kontrolle
über persönliche Informationen sein,
über persönliche Informationen sein,
14:16
the fight over whether big data will become a force
326
844890
3507
der Kampf darüber, ob Big Data eine Macht
14:20
for freedom,
327
848397
1289
der Freiheit wird,
14:21
rather than a force which will hiddenly manipulate us.
328
849686
4746
und nicht eine Macht,
die uns heimlich manipuliert.
die uns heimlich manipuliert.
14:26
Right now, many of us
329
854432
2593
Noch wissen viele von uns nicht,
14:29
do not even know that the fight is going on,
330
857025
2753
dass dieser Kampf gerade geführt wird,
14:31
but it is, whether you like it or not.
331
859778
2672
aber das wird er, ob Sie wollen oder nicht.
14:34
And at the risk of playing the serpent,
332
862450
2804
Und auf die Gefahr hin, die Schlange zu sein,
14:37
I will tell you that the tools for the fight
333
865254
2897
sage ich Ihnen, dass die Waffen für den Kampf
14:40
are here, the awareness of what is going on,
334
868151
3009
hier drin sind –
die Erkenntnis darüber, was geschieht –,
die Erkenntnis darüber, was geschieht –,
14:43
and in your hands,
335
871160
1355
und in Ihren Händen –
14:44
just a few clicks away.
336
872515
3740
nur ein paar Klicks entfernt.
14:48
Thank you.
337
876255
1482
Vielen Dank.
14:49
(Applause)
338
877737
4477
(Applaus)
ABOUT THE SPEAKER
Alessandro Acquisti - Privacy economistWhat motivates you to share your personal information online? Alessandro Acquisti studies the behavioral economics of privacy (and information security) in social networks.
Why you should listen
Online, we humans are paradoxical: We cherish privacy, but freely disclose our personal information in certain contexts. Privacy economics offers a powerful lens to understand this paradox, and the field has been spearheaded by Alessandro Acquisti and his colleagues' analyses of how we decide what to share online and what we get in return.
His team's surprising studies on facial recognition software showed that it can connect an anonymous human face to an online name -- and then to a Facebook account -- in about 3 seconds. Other work shows how easy it can be to find a US citizen's Social Security number using basic pattern matching on public data. Work like this earned him an invitation to testify before a US Senate committee on the impact technology has on civil liberties.
Read about his work in the New York Times »
Alessandro Acquisti | Speaker | TED.com