TED2014
Del Harvey: Protecting Twitter users (sometimes from themselves)
Del Harvey: Das Problem der Größenordnung bei Twitter
Filmed:
Readability: 4.4
993,199 views
Wenn mehrere hunderttausend Tweets jede Sekunde abgeschickt werden, ergibt die Wahrscheinlichkeit von eins zu einer Millionen, dass täglich 500-mal User geschädigt werden. Für Del Harvey, Vorsitzende des Trust-and-Safety-Teams bei Twitter, ist das eine schlechte Quote. Die Sicherheitsexpertin verbringt ihre Tage damit, sich zu überlegen, wie man Horrorszenarien verhindert, während Twitter den Menschen auf der Erde eine Stimme gibt. Mit trockenem Humor gibt sie Einblicke, wie sie 240 Millionen User beschützt.
Del Harvey - Security maven
Del Harvey works to define policy and to ensure user safety and security in the challenging realm of modern social media. Full bio
Del Harvey works to define policy and to ensure user safety and security in the challenging realm of modern social media. Full bio
Double-click the English transcript below to play the video.
00:12
My job at Twitter
0
984
1291
Mein Job bei Twitter ist es,
00:14
is to ensure user trust,
1
2275
1978
das Vertrauen der User zu bewahren,
00:16
protect user rights and keep users safe,
2
4253
2837
User-Rechte zu sichern
und sie zu beschützen,
und sie zu beschützen,
00:19
both from each other
3
7090
1260
sowohl voreinander
00:20
and, at times, from themselves.
4
8350
3899
als manchmal auch vor sich selbst.
00:24
Let's talk about what scale looks like at Twitter.
5
12249
4275
Reden wir über die
Größenordnungen bei Twitter.
Größenordnungen bei Twitter.
00:28
Back in January 2009,
6
16524
2870
Im Januar 2009
00:31
we saw more than two million new tweets each day
7
19394
3331
gab es auf der Plattform jeden Tag
mehr als 2 Millionen neue Tweets.
00:34
on the platform.
8
22725
1764
00:36
January 2014, more than 500 million.
9
24489
5908
Im Januar 2014 waren es
mehr als 500 Millionen.
mehr als 500 Millionen.
00:42
We were seeing two million tweets
10
30397
2492
2 Millionen Tweets geschehen jetzt
00:44
in less than six minutes.
11
32889
2176
innerhalb von weniger als 6 Minuten.
00:47
That's a 24,900-percent increase.
12
35065
6984
Das ist eine Steigerung um 24 900 %.
00:54
Now, the vast majority of activity on Twitter
13
42049
3253
Die große Mehrheit
aller Aktivitäten auf Twitter
aller Aktivitäten auf Twitter
00:57
puts no one in harm's way.
14
45302
1503
schadet niemandem.
00:58
There's no risk involved.
15
46805
1935
Da besteht kein Risiko.
01:00
My job is to root out and prevent activity that might.
16
48740
5753
Mein Job ist es, jene Aktivitäten
auszumerzen und zu verhindern,
auszumerzen und zu verhindern,
die schädlich sein könnten.
Hört sich wie ein Kinderspiel an.
01:06
Sounds straightforward, right?
17
54493
1973
01:08
You might even think it'd be easy,
18
56466
1152
Vielleicht denken Sie, das wäre einfach,
01:09
given that I just said the vast majority
19
57618
2170
da ich ja gerade sagte,
01:11
of activity on Twitter puts no one in harm's way.
20
59788
3810
dass die große Mehrheit der Aktivitäten
auf Twitter niemandem schadet.
auf Twitter niemandem schadet.
01:15
Why spend so much time
21
63598
2169
Warum also so viel Zeit damit verbringen,
01:17
searching for potential calamities
22
65767
2743
nach potenziellem Unheil
01:20
in innocuous activities?
23
68510
2900
in harmlosen Aktivitäten zu suchen?
01:23
Given the scale that Twitter is at,
24
71410
2940
Angesichts der Größe von Twitter
01:26
a one-in-a-million chance happens
25
74350
2357
geschehen Dinge mit einer
Wahrscheinlichkeit von 1 : 1 000 000
Wahrscheinlichkeit von 1 : 1 000 000
01:28
500 times a day.
26
76707
4876
ganze 500-mal am Tag.
01:33
It's the same for other companies
27
81583
1445
Das Gleiche gilt für andere Unternehmen
01:35
dealing at this sort of scale.
28
83028
1471
ähnlicher Größe.
01:36
For us, edge cases,
29
84499
1708
Für uns sind solche Ausnahmefälle,
01:38
those rare situations that are unlikely to occur,
30
86207
3625
seltene, unwahrscheinliche Situationen,
01:41
are more like norms.
31
89832
2622
eher der Normfall.
01:44
Say 99.999 percent of tweets
32
92454
3942
Sagen wir mal, 99,999 % der Tweets
01:48
pose no risk to anyone.
33
96396
1888
gefährden niemanden.
01:50
There's no threat involved.
34
98284
1066
Von ihnen geht keine Gefahr aus.
01:51
Maybe people are documenting travel landmarks
35
99350
2954
Vielleicht dokumentieren
Leute Sehenswürdigkeiten,
Leute Sehenswürdigkeiten,
01:54
like Australia's Heart Reef,
36
102304
1963
so wie das "Heart Reef" in Australien,
01:56
or tweeting about a concert they're attending,
37
104267
2921
oder twittern über ein Konzert,
auf dem sie sind,
auf dem sie sind,
01:59
or sharing pictures of cute baby animals.
38
107188
4747
oder teilen Bilder von
niedlichen Tierbabys.
niedlichen Tierbabys.
02:03
After you take out that 99.999 percent,
39
111935
4509
Wenn man die 99,999 % ausblendet,
02:08
that tiny percentage of tweets remaining
40
116444
3529
kommt der winzige verbleibende
Prozentsatz von Tweets
Prozentsatz von Tweets
02:11
works out to roughly
41
119973
2389
noch immer auf nahezu
02:14
150,000 per month.
42
122362
3475
150 000 im Monat.
02:17
The sheer scale of what we're dealing with
43
125837
2456
Die schiere Größe,
mit der wir es zu tun haben,
mit der wir es zu tun haben,
02:20
makes for a challenge.
44
128293
2312
macht es zu einer Herausforderung.
02:22
You know what else makes my role
45
130605
1178
Wissen Sie, was für mich noch
02:23
particularly challenging?
46
131783
3107
eine große Herausforderung darstellt?
02:26
People do weird things.
47
134890
5123
Leute machen komisches Zeug.
(Gelächter)
02:32
(Laughter)
48
140013
1829
02:33
And I have to figure out what they're doing,
49
141842
2391
Ich muss herausfinden, was sie machen,
02:36
why, and whether or not there's risk involved,
50
144233
2249
warum, und ob ein Risiko besteht,
02:38
often without much in terms of context
51
146482
2168
oft ohne viel Wissen
über die Zusammenhänge
über die Zusammenhänge
02:40
or background.
52
148650
1847
oder Hintergründe.
02:42
I'm going to show you some examples
53
150497
2077
Ich zeige Ihnen ein paar Beispiele,
02:44
that I've run into during my time at Twitter --
54
152574
2005
auf die ich bei Twitter gestoßen bin.
02:46
these are all real examples —
55
154579
1620
Das sind echte Beispiele von Situationen,
02:48
of situations that at first seemed cut and dried,
56
156199
2653
die erst ganz klar schienen,
02:50
but the truth of the matter was something
57
158852
1643
aber in Wahrheit völlig anders waren.
02:52
altogether different.
58
160495
1550
02:54
The details have been changed
59
162045
1977
Manche Details wurden verändert,
um Unschuldige zu schützen
02:56
to protect the innocent
60
164022
1257
02:57
and sometimes the guilty.
61
165279
3233
-- und manchmal auch die Schuldigen.
Wir beginnen mal ganz einfach.
03:00
We'll start off easy.
62
168512
3005
03:03
["Yo bitch"]
63
171517
1793
["Hey, Schlampe"]
03:05
If you saw a Tweet that only said this,
64
173310
3228
Wenn Sie einen solchen Tweet sähen,
würden Sie sich vielleicht sagen:
03:08
you might think to yourself,
65
176538
1694
03:10
"That looks like abuse."
66
178232
1653
"Das sieht nach Beleidigung aus."
03:11
After all, why would you
want to receive the message,
want to receive the message,
67
179885
3107
Denn warum würden Sie
so eine Nachricht erhalten wollen?
so eine Nachricht erhalten wollen?
03:14
"Yo, bitch."
68
182992
2218
"Hey, Schlampe."
03:17
Now, I try to stay relatively hip
69
185210
4663
Ich versuche,
relativ nahe an den neusten Trends
und Memes zu bleiben.
und Memes zu bleiben.
03:21
to the latest trends and memes,
70
189873
2512
03:24
so I knew that "yo, bitch"
71
192385
2704
Also wusste ich, dass "Hey, Schlampe"
03:27
was also often a common greeting between friends,
72
195089
3154
sowohl häufig eine Begrüßung
unter Freunden ist
unter Freunden ist
03:30
as well as being a popular "Breaking Bad" reference.
73
198243
4262
als auch eine gängige Referenz
zu "Breaking Bad".
zu "Breaking Bad".
03:34
I will admit that I did not expect
74
202505
2487
Ich gebe zu, dass ich nicht
erwartet hatte,
erwartet hatte,
03:36
to encounter a fourth use case.
75
204992
2841
einer vierten Interpretation zu begegnen.
03:39
It turns out it is also used on Twitter
76
207833
3104
Der Ausdruck wird auf Twitter
auch von Leuten benutzt,
auch von Leuten benutzt,
03:42
when people are role-playing as dogs.
77
210937
3062
die Hunde-Rollenspiele praktizieren.
[bitch = auch: Hündin]
[bitch = auch: Hündin]
03:45
(Laughter)
78
213999
5279
(Gelächter)
03:51
And in fact, in that case,
79
219278
1666
Tatsächlich ist es in diesem Fall
03:52
it's not only not abusive,
80
220944
1609
nicht nur nicht beleidigend,
03:54
it's technically just an accurate greeting.
81
222553
3139
sondern eine völlig korrekte Anrede.
03:57
(Laughter)
82
225692
2889
(Gelächter)
04:00
So okay, determining whether or not
83
228581
2071
Also festzustellen,
ob etwas beleidigend ist,
ob etwas beleidigend ist,
04:02
something is abusive without context,
84
230652
1848
ohne den Zusammenhang zu kennen,
04:04
definitely hard.
85
232500
1592
ist wirklich schwer.
04:06
Let's look at spam.
86
234092
2717
Schauen wir uns mal Spam an.
Hier ein Twitter-Account,
04:08
Here's an example of an account engaged
87
236809
1960
der sich wie ein klassischer
Spam-Account verhält,
Spam-Account verhält,
04:10
in classic spammer behavior,
88
238769
1668
04:12
sending the exact same message
89
240437
1559
indem er denselben Tweet
04:13
to thousands of people.
90
241996
1804
an Tausende von Leuten schickt.
04:15
While this is a mockup I put
together using my account,
together using my account,
91
243800
2793
Dieses Beispiel ist von
meinem Account konstruiert,
meinem Account konstruiert,
04:18
we see accounts doing this all the time.
92
246593
3001
aber wir beobachten welche,
die das ständig tun.
die das ständig tun.
04:21
Seems pretty straightforward.
93
249594
1979
Scheint ziemlich eindeutig zu sein.
04:23
We should just automatically suspend accounts
94
251573
2053
Wir sollten Accounts,
04:25
engaging in this kind of behavior.
95
253626
3307
die sich so verhalten,
einfach automatisch sperren.
einfach automatisch sperren.
04:28
Turns out there's some exceptions to that rule.
96
256933
3210
Es gibt aber ein paar
Ausnahmen von der Regel.
Ausnahmen von der Regel.
04:32
Turns out that that message
could also be a notification
could also be a notification
97
260143
2883
Vielleicht haben Sie
die Nachricht sogar angefordert,
die Nachricht sogar angefordert,
04:35
you signed up for that the International
Space Station is passing overhead
Space Station is passing overhead
98
263026
3889
weil Sie wissen wollen,
wann sich die Internationale Raumstation
wann sich die Internationale Raumstation
über Ihnen befindet, weil Sie raus gehen
04:38
because you wanted to go outside
99
266915
1846
und schauen wollen, ob Sie sie entdecken.
04:40
and see if you could see it.
100
268761
1948
Das könnten Sie nicht,
04:42
You're not going to get that chance
101
270709
1225
04:43
if we mistakenly suspend the account
102
271934
1847
wenn wir versehentlich
den Account sperren würden,
den Account sperren würden,
04:45
thinking it's spam.
103
273781
2266
weil wir denken, es ist Spam.
04:48
Okay. Let's make the stakes higher.
104
276047
3526
Okay. Legen wir die Latte höher.
04:51
Back to my account,
105
279573
1916
Kehren wir zurück zu meinem Account
04:53
again exhibiting classic behavior.
106
281489
3505
und zeigen wir wieder
klassisches Verhalten.
klassisches Verhalten.
04:56
This time it's sending the same message and link.
107
284994
2643
Dieses Mal sendet er die
gleiche Nachricht mit gleichem Link,
gleiche Nachricht mit gleichem Link,
04:59
This is often indicative of
something called phishing,
something called phishing,
108
287637
2774
was oft ein Anzeichen für "Phishing" ist:
05:02
somebody trying to steal another
person's account information
person's account information
109
290411
3178
Jemand versucht, Account-Infos
einer anderen Person zu stehlen,
einer anderen Person zu stehlen,
05:05
by directing them to another website.
110
293589
2203
indem er sie zu einer
anderen Webseite lotst.
anderen Webseite lotst.
05:07
That's pretty clearly not a good thing.
111
295792
4194
Das ist natürlich nicht besonders nett.
05:11
We want to, and do, suspend accounts
112
299986
1930
Wir möchten Accounts, die so etwas tun,
05:13
engaging in that kind of behavior.
113
301916
2624
sperren und tun das auch.
05:16
So why are the stakes higher for this?
114
304540
3247
Also warum liegt hier die Latte höher?
05:19
Well, this could also be a bystander at a rally
115
307787
2999
Es könnte auch ein Augenzeuge sein,
dem es gelang,
einen Polizisten zu filmen,
einen Polizisten zu filmen,
05:22
who managed to record a video
116
310786
1910
05:24
of a police officer beating a non-violent protester
117
312696
3270
der einen friedlichen
Demonstranten schlägt,
Demonstranten schlägt,
05:27
who's trying to let the world know what's happening.
118
315966
2975
und Ersterer versucht, die Welt über
die Zustände aufzuklären.
die Zustände aufzuklären.
05:30
We don't want to gamble
119
318941
1643
Wir wollen nicht riskieren,
05:32
on potentially silencing that crucial speech
120
320584
2517
so wichtige Nachrichten zu unterdrücken,
05:35
by classifying it as spam and suspending it.
121
323101
2929
indem wir sie als Spam
kennzeichnen und aussortieren.
kennzeichnen und aussortieren.
05:38
That means we evaluate hundreds of parameters
122
326030
2879
Deshalb erheben wir Hunderte
von Parametern
von Parametern
05:40
when looking at account behaviors,
123
328909
1688
beim Beobachten eines Accounts,
05:42
and even then, we can still get it wrong
124
330597
2016
und trotzdem können wir uns irren
05:44
and have to reevaluate.
125
332613
2236
und müssen Entscheidungen zurücknehmen.
05:46
Now, given the sorts of challenges I'm up against,
126
334849
3708
Angesichts der Herausforderungen,
denen ich gegenüberstehe,
denen ich gegenüberstehe,
05:50
it's crucial that I not only predict
127
338557
2696
ist es wichtig, dass ich Probleme
nicht nur voraussehe,
nicht nur voraussehe,
05:53
but also design protections for the unexpected.
128
341253
3784
sondern mich auch gegen
das Unerwartete wappne.
das Unerwartete wappne.
05:57
And that's not just an issue for me,
129
345037
2342
Und das ist nicht nur ein Thema für mich
oder für Twitter,
es ist auch eines für Sie.
es ist auch eines für Sie.
05:59
or for Twitter, it's an issue for you.
130
347379
2087
06:01
It's an issue for anybody who's building or creating
131
349466
2406
Es ist ein Thema für jeden,
der etwas erschafft,
der etwas erschafft,
06:03
something that you think is going to be amazing
132
351872
1925
von dem er denkt,
es könnte etwas Wundervolles werden
es könnte etwas Wundervolles werden
06:05
and will let people do awesome things.
133
353797
2789
und Leute könnten tolle Sachen machen.
06:08
So what do I do?
134
356586
2866
Also was mache ich?
06:11
I pause and I think,
135
359452
3318
Ich lege einen Pause ein und denke,
06:14
how could all of this
136
362770
2095
wie könnte all das
06:16
go horribly wrong?
137
364865
3793
schrecklich schief laufen?
06:20
I visualize catastrophe.
138
368658
4453
Ich stelle mir Katastrophen vor.
06:25
And that's hard. There's a sort of
139
373111
2463
Und das ist schwer.
Da entsteht im Kopf eine Art
ständige "kognitive Dissonanz",
ständige "kognitive Dissonanz",
06:27
inherent cognitive dissonance in doing that,
140
375574
2848
06:30
like when you're writing your wedding vows
141
378422
1812
so als ob man
beim Schreiben seines Ehegelübdes
beim Schreiben seines Ehegelübdes
06:32
at the same time as your prenuptial agreement.
142
380234
2646
gleichzeitig den Ehevertrag aufsetzt.
06:34
(Laughter)
143
382880
1696
(Gelächter)
06:36
But you still have to do it,
144
384576
2373
Aber man muss es tun,
06:38
particularly if you're marrying
500 million tweets per day.
500 million tweets per day.
145
386949
4446
besonders, wenn man 500 Millionen
Tweets täglich "heiratet".
Tweets täglich "heiratet".
06:43
What do I mean by "visualize catastrophe?"
146
391395
3097
Was meine ich mit
"ich stelle mir Katastrophen vor"?
"ich stelle mir Katastrophen vor"?
06:46
I try to think of how something as
147
394492
2762
Ich versuche mir auszudenken,
06:49
benign and innocuous as a picture of a cat
148
397254
3228
wie etwas so Niedliches und Unschuldiges
wie ein Katzenbild
wie ein Katzenbild
06:52
could lead to death,
149
400482
1104
zum Tode führen könnte
06:53
and what to do to prevent that.
150
401586
2326
und wie wir das verhindern können.
06:55
Which happens to be my next example.
151
403912
2383
Das ist also mein nächstes Beispiel.
06:58
This is my cat, Eli.
152
406295
3110
Das ist meine Katze Eli.
Wir wollten Usern die Möglichkeit bieten,
07:01
We wanted to give users the ability
153
409405
1981
07:03
to add photos to their tweets.
154
411386
2073
ihren Tweets Fotos beizufügen.
Ein Bild sagt mehr als 1 000 Worte.
07:05
A picture is worth a thousand words.
155
413459
1597
07:07
You only get 140 characters.
156
415056
2009
Man hat nur 140 Zeichen.
07:09
You add a photo to your tweet,
157
417065
1200
Wenn man seinem Tweet ein Foto beifügt,
07:10
look at how much more content you've got now.
158
418265
3038
transportiert er wesentlich mehr Inhalt.
07:13
There's all sorts of great things you can do
159
421303
1677
Man kann viele tolle Sachen tun,
07:14
by adding a photo to a tweet.
160
422980
2007
indem man einem Tweet ein Foto beifügt.
07:16
My job isn't to think of those.
161
424987
2280
Mein Job ist nicht, darüber nachzudenken.
07:19
It's to think of what could go wrong.
162
427267
2747
Ich muss darüber nachdenken,
was schief laufen könnte.
was schief laufen könnte.
07:22
How could this picture
163
430014
1892
Wie könnte dieses Bild
07:23
lead to my death?
164
431906
3539
zu meinem Tod führen?
07:27
Well, here's one possibility.
165
435445
3160
Hier ist eine Möglichkeit:
07:30
There's more in that picture than just a cat.
166
438605
3086
Das Bild zeigt mehr als nur eine Katze.
07:33
There's geodata.
167
441691
2092
Es beinhaltet auch Geodaten.
07:35
When you take a picture with your smartphone
168
443783
2212
Wenn man ein Bild mit dem Smartphone
oder der Digitalkamera aufnimmt,
07:37
or digital camera,
169
445995
1299
07:39
there's a lot of additional information
170
447294
1654
gibt es eine Menge mehr Informationen,
07:40
saved along in that image.
171
448948
1616
die mit dem Bild gespeichert werden.
07:42
In fact, this image also contains
172
450564
1932
Tatsächlich beinhaltet dieses Bild
07:44
the equivalent of this,
173
452496
1805
ungefähr das.
07:46
more specifically, this.
174
454301
3079
Genauer gesagt: das.
07:49
Sure, it's not likely that someone's going to try
175
457380
1956
Es ist unwahrscheinlich,
dass jemand versucht,
dass jemand versucht,
07:51
to track me down and do me harm
176
459336
2285
mich aufzuspüren und mir weh zu tun,
07:53
based upon image data associated
177
461621
1784
aufgrund von Bilddaten eines Fotos,
07:55
with a picture I took of my cat,
178
463405
1948
das ich von meiner Katze gemacht habe,
07:57
but I start by assuming the worst will happen.
179
465353
3651
aber ich muss immer
das Schlimmste annehmen.
das Schlimmste annehmen.
08:01
That's why, when we launched photos on Twitter,
180
469004
2338
Deshalb entschieden wir,
als wir damit begannen,
als wir damit begannen,
08:03
we made the decision to strip that geodata out.
181
471342
3821
bei Fotos auf Twitter
die Geodaten rauszuziehen.
die Geodaten rauszuziehen.
08:07
(Applause)
182
475163
5847
(Applaus)
Ich gehe vom Schlimmsten aus
und arbeite mich dann rückwärts.
und arbeite mich dann rückwärts.
08:13
If I start by assuming the worst
183
481010
2613
08:15
and work backwards,
184
483623
947
08:16
I can make sure that the protections we build
185
484570
2553
So funktionieren die Sicherheitsmaßnahmen
08:19
work for both expected
186
487123
1768
sowohl für die erwarteten als auch
08:20
and unexpected use cases.
187
488891
2078
für die unerwarteten Fälle.
08:22
Given that I spend my days and nights
188
490969
2945
Wenn man sich vorstellt,
dass ich mir Tag und Nacht
dass ich mir Tag und Nacht
08:25
imagining the worst that could happen,
189
493914
2541
die schlimmsten Dinge ausdenke,
08:28
it wouldn't be surprising if
my worldview was gloomy.
my worldview was gloomy.
190
496455
4257
wäre es nicht überraschend, wenn ich
ein ziemlich düsteres Weltbild hätte.
ein ziemlich düsteres Weltbild hätte.
08:32
(Laughter)
191
500712
1783
(Gelächter)
08:34
It's not.
192
502495
1417
Aber so ist es nicht.
08:35
The vast majority of interactions I see --
193
503912
3876
Die überwältigende Mehrheit
der Interaktionen, die ich sehe,
der Interaktionen, die ich sehe,
08:39
and I see a lot, believe me -- are positive,
194
507788
3901
-- und ich sehe viele, glauben Sie mir --
sind positiv.
sind positiv.
08:43
people reaching out to help
195
511689
1924
Menschen verbinden sich, um zu helfen
08:45
or to connect or share information with each other.
196
513613
3448
oder Informationen miteinander
auszutauschen.
auszutauschen.
08:49
It's just that for those of us dealing with scale,
197
517061
3323
Nur wir, die mit dieser
Größenordnung arbeiten,
Größenordnung arbeiten,
08:52
for those of us tasked with keeping people safe,
198
520384
3800
die den Auftrag haben,
Menschen zu schützen,
Menschen zu schützen,
08:56
we have to assume the worst will happen,
199
524184
2546
müssen davon ausgehen,
dass das Schlimmste passiert.
dass das Schlimmste passiert.
08:58
because for us, a one-in-a-million chance
200
526730
4227
Weil für uns eine Wahrscheinlichkeit
von 1 : 1 000 000
von 1 : 1 000 000
09:02
is pretty good odds.
201
530957
2749
eine ziemlich realistische Wette ist.
09:05
Thank you.
202
533706
1864
Vielen Dank.
09:07
(Applause)
203
535570
4000
(Applaus)
ABOUT THE SPEAKER
Del Harvey - Security mavenDel Harvey works to define policy and to ensure user safety and security in the challenging realm of modern social media.
Why you should listen
As Senior Director of Trust and Safety at Twitter, Del Harvey works to define policy and to ensure user safety and security in the challenging realm of modern social media. Prior to joining Twitter, she spent five years as the co-administrator and law enforcement liaison for a 501(c)3 non-profit charity, working with agencies ranging from local police departments to the FBI, U.S. Marshals and the Secret Service.
Del Harvey | Speaker | TED.com