TEDxPSU
Bruce Schneier: The security mirage
Bruce Schneier: El espejismo de la seguridad
Filmed:
Readability: 4
958,315 views
El experto en seguridad informática Bruce Schneier dice que la sensación de seguridad no siempre calza con la realidad de la seguridad. En TEDxPSU, explica por qué gastamos billones protegiéndonos de riesgos que salen en las noticias -como el "teatro de seguridad" que se está presentando en su aeropuerto local- mientras ignoramos riesgos más probables; y cómo podemos no seguir haciéndolo.
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
La seguridad es dos cosas diferentes:
00:17
it's a feeling, and it's a reality.
1
2000
2000
es una sensación, y es una realidad.
00:19
And they're different.
2
4000
2000
Y son diferentes.
00:21
You could feel secure
3
6000
2000
Podrían sentirse seguros
00:23
even if you're not.
4
8000
2000
aun cuando no lo estén.
00:25
And you can be secure
5
10000
2000
Y pueden estar seguros
00:27
even if you don't feel it.
6
12000
2000
aun cuando no se sientan seguros.
00:29
Really, we have two separate concepts
7
14000
2000
En realidad, tenemos dos conceptos distintos
00:31
mapped onto the same word.
8
16000
2000
asignados a la misma palabra.
00:33
And what I want to do in this talk
9
18000
2000
Y lo que quiero hacer en esta charla
00:35
is to split them apart --
10
20000
2000
es separar el uno del otro
00:37
figuring out when they diverge
11
22000
2000
y darnos cuenta de cuándo divergen
00:39
and how they converge.
12
24000
2000
y de cómo convergen.
00:41
And language is actually a problem here.
13
26000
2000
Y en realidad el lenguaje es un problema para esto.
00:43
There aren't a lot of good words
14
28000
2000
No hay muchas palabras útiles
00:45
for the concepts we're going to talk about.
15
30000
3000
para los conceptos que vamos a describir.
00:48
So if you look at security
16
33000
2000
Así que si miran la seguridad
00:50
from economic terms,
17
35000
2000
del punto de vista económico,
00:52
it's a trade-off.
18
37000
2000
se trata de intercambiar una cosa por otra.
00:54
Every time you get some security,
19
39000
2000
Cada vez que obtienen un poco de seguridad,
00:56
you're always trading off something.
20
41000
2000
siempre están intercambiándola por otra cosa.
00:58
Whether this is a personal decision --
21
43000
2000
Sea esta es una decisión personal
01:00
whether you're going to install a burglar alarm in your home --
22
45000
2000
-si van a instalar una alarma antirrobo en su hogar-
01:02
or a national decision -- where you're going to invade some foreign country --
23
47000
3000
o una decisión nacional -si van a invadir otro país-
01:05
you're going to trade off something,
24
50000
2000
van a sacrificar algo,
01:07
either money or time, convenience, capabilities,
25
52000
3000
ya sea dinero o tiempo, comodidad, capacidad,
01:10
maybe fundamental liberties.
26
55000
3000
quizás libertades fundamentales.
01:13
And the question to ask when you look at a security anything
27
58000
3000
Y lo que deben preguntarse cuando miran algo de seguridad
01:16
is not whether this makes us safer,
28
61000
3000
no es si esto nos hace más seguros,
01:19
but whether it's worth the trade-off.
29
64000
3000
sino que si vale la pena el sacrificio.
01:22
You've heard in the past several years,
30
67000
2000
Han escuchado durante los últimos años que
01:24
the world is safer because Saddam Hussein is not in power.
31
69000
2000
el mundo es más seguro porque Saddam Hussein no gobierna Irak.
01:26
That might be true, but it's not terribly relevant.
32
71000
3000
Eso puede ser cierto, pero no es terriblemente relevante.
01:29
The question is, was it worth it?
33
74000
3000
La pregunta es: ¿Valió la pena?
01:32
And you can make your own decision,
34
77000
3000
Y pueden tomar su propia decisión
01:35
and then you'll decide whether the invasion was worth it.
35
80000
2000
y con eso decidir si la invasión valió la pena.
01:37
That's how you think about security --
36
82000
2000
Así se piensa acerca de la seguridad;
01:39
in terms of the trade-off.
37
84000
2000
en términos de decidirse por algo en desmedro de otra cosa.
01:41
Now there's often no right or wrong here.
38
86000
3000
A menudo no hay buenas o malas decisiones en esto.
01:44
Some of us have a burglar alarm system at home,
39
89000
2000
Algunos de nosotros tenemos alarmas antirrobo en la casa
01:46
and some of us don't.
40
91000
2000
y otros no lo tenemos.
01:48
And it'll depend on where we live,
41
93000
2000
Y dependerá de donde vivimos,
01:50
whether we live alone or have a family,
42
95000
2000
si es que vivimos solos o tenemos familia,
01:52
how much cool stuff we have,
43
97000
2000
la cantidad de cosas preciadas que tengamos,
01:54
how much we're willing to accept
44
99000
2000
cuánto riesgo de robo
01:56
the risk of theft.
45
101000
2000
estemos dispuestos a aceptar.
01:58
In politics also,
46
103000
2000
En la política también
02:00
there are different opinions.
47
105000
2000
hay diferentes opiniones.
02:02
A lot of times, these trade-offs
48
107000
2000
Muchas veces, estos sacrificios
02:04
are about more than just security,
49
109000
2000
son sobre más que sólo seguridad,
02:06
and I think that's really important.
50
111000
2000
y creo que eso es muy importante.
02:08
Now people have a natural intuition
51
113000
2000
Ahora, la gente tiene una intuición natural
02:10
about these trade-offs.
52
115000
2000
sobre estos sacrificios.
02:12
We make them every day --
53
117000
2000
Los hacemos todos los días;
02:14
last night in my hotel room,
54
119000
2000
anoche en mi habitación de hotel,
02:16
when I decided to double-lock the door,
55
121000
2000
cuando decidí cerrar la puerta con doble llave,
02:18
or you in your car when you drove here,
56
123000
2000
o cuando ustedes conducían para acá en su automóvil,
02:20
when we go eat lunch
57
125000
2000
cuando vamos a almorzar
02:22
and decide the food's not poison and we'll eat it.
58
127000
3000
y decidimos que la comida no tiene veneno y la comemos.
02:25
We make these trade-offs again and again,
59
130000
2000
Tomamos estas decisiones una y otra vez
02:27
multiple times a day.
60
132000
2000
muchas veces al día.
02:29
We often won't even notice them.
61
134000
2000
A menudo ni siquiera nos damos cuenta.
02:31
They're just part of being alive; we all do it.
62
136000
2000
Son parte de estar vivo, todos lo hacemos.
02:33
Every species does it.
63
138000
3000
Todas las especies lo hacen.
02:36
Imagine a rabbit in a field, eating grass,
64
141000
2000
Imaginen un conejo en un campo, comiendo pasto,
02:38
and the rabbit's going to see a fox.
65
143000
3000
y el conejo repentinamente ve un zorro.
02:41
That rabbit will make a security trade-off:
66
146000
2000
Ese conejo tomará una decisión para su seguridad:
02:43
"Should I stay, or should I flee?"
67
148000
2000
"¿Debo quedarme o debo huir?"
02:45
And if you think about it,
68
150000
2000
Y si lo piensan,
02:47
the rabbits that are good at making that trade-off
69
152000
3000
los conejos que toman la decisión apropiada
02:50
will tend to live and reproduce,
70
155000
2000
tienden a vivir y reproducirse,
02:52
and the rabbits that are bad at it
71
157000
2000
y los conejos que no lo hacen bien
02:54
will get eaten or starve.
72
159000
2000
son comidos o se mueren de hambre.
02:56
So you'd think
73
161000
2000
Así que uno pensaría
02:58
that us, as a successful species on the planet --
74
163000
3000
que nosotros, como una especie exitosa en el planeta
03:01
you, me, everybody --
75
166000
2000
-ustedes, yo, todos nosotros-
03:03
would be really good at making these trade-offs.
76
168000
3000
seríamos muy buenos para elegir una cosa en vez de otra.
03:06
Yet it seems, again and again,
77
171000
2000
Y sin embargo observamos que, una y otra vez,
03:08
that we're hopelessly bad at it.
78
173000
3000
somos irremediablemente malos para esto.
03:11
And I think that's a fundamentally interesting question.
79
176000
3000
Y creo que eso es una pregunta fundamentalmente interesante.
03:14
I'll give you the short answer.
80
179000
2000
Les daré la respuesta corta.
03:16
The answer is, we respond to the feeling of security
81
181000
2000
La respuesta es que respondemos a la sensación de seguridad
03:18
and not the reality.
82
183000
3000
y no a la realidad.
03:21
Now most of the time, that works.
83
186000
3000
Ahora, la mayoría de las veces, eso funciona.
03:25
Most of the time,
84
190000
2000
La mayor parte del tiempo
03:27
feeling and reality are the same.
85
192000
3000
la sensación y la realidad son iguales.
03:30
Certainly that's true
86
195000
2000
Sin duda eso es cierto
03:32
for most of human prehistory.
87
197000
3000
para casi toda la prehistoria humana.
03:35
We've developed this ability
88
200000
3000
Hemos desarrollado esta habilidad
03:38
because it makes evolutionary sense.
89
203000
2000
porque obedece la lógica evolutiva.
03:40
One way to think of it
90
205000
2000
Una manera de pensarlo
03:42
is that we're highly optimized
91
207000
2000
es que estamos altamente optimizados
03:44
for risk decisions
92
209000
2000
para tomar decisiones sobre riesgos endémicos
03:46
that are endemic to living in small family groups
93
211000
3000
a los que viven en pequeños grupos familiares
03:49
in the East African highlands in 100,000 B.C.
94
214000
3000
en las tierras altas de África oriental 100 mil años a. C.,
03:52
2010 New York, not so much.
95
217000
3000
y no tanto para Nueva York el 2010.
03:56
Now there are several biases in risk perception.
96
221000
3000
Ahora bien, hay varios sesgos en la percepción del riesgo.
03:59
A lot of good experiments in this.
97
224000
2000
Hay muchos experimentos buenos sobre esto.
04:01
And you can see certain biases that come up again and again.
98
226000
3000
Y pueden ver ciertos sesgos que surgen una y otra vez.
04:04
So I'll give you four.
99
229000
2000
Y les voy a dar cuatro.
04:06
We tend to exaggerate spectacular and rare risks
100
231000
3000
Tendemos a exagerar los riesgos espectaculares e inusuales
04:09
and downplay common risks --
101
234000
2000
y minimizar los riesgos comunes;
04:11
so flying versus driving.
102
236000
3000
por eso la diferencia entre volar y manejar.
04:14
The unknown is perceived
103
239000
2000
Lo desconocido es percibido
04:16
to be riskier than the familiar.
104
241000
3000
como más riesgoso que lo familiar.
04:20
One example would be,
105
245000
2000
Un ejemplo sería que
04:22
people fear kidnapping by strangers
106
247000
3000
la gente teme ser secuestrada por desconocidos
04:25
when the data supports kidnapping by relatives is much more common.
107
250000
3000
y los datos muestran que ser secuestrado por familiares es mucho más común.
04:28
This is for children.
108
253000
2000
Esto se aplica para niños.
04:30
Third, personified risks
109
255000
3000
En tercer lugar, los riesgos personificados
04:33
are perceived to be greater than anonymous risks --
110
258000
3000
son percibidos como mayores que los riesgos anónimos;
04:36
so Bin Laden is scarier because he has a name.
111
261000
3000
por eso Bin Laden da más miedo porque tiene nombre.
04:39
And the fourth
112
264000
2000
Y el cuarto es que
04:41
is people underestimate risks
113
266000
2000
la gente subestima los riesgos
04:43
in situations they do control
114
268000
2000
en situaciones donde tienen el control
04:45
and overestimate them in situations they don't control.
115
270000
4000
y los sobreestiman en situaciones que no controlan.
04:49
So once you take up skydiving or smoking,
116
274000
3000
Así que cuando practicas paracaidismo o fumas
04:52
you downplay the risks.
117
277000
2000
minimizas los riesgos de estos.
04:54
If a risk is thrust upon you -- terrorism was a good example --
118
279000
3000
Si te fuerzan a aceptar un riesgo -el terrorismo es un buen ejemplo-
04:57
you'll overplay it because you don't feel like it's in your control.
119
282000
3000
lo exagerarás, porque no sientes como si lo controlaras.
05:02
There are a bunch of other of these biases, these cognitive biases,
120
287000
3000
Hay un montón de sesgos más, de estos sesgos cognitivos,
05:05
that affect our risk decisions.
121
290000
3000
que afectan nuestras decisiones sobre riesgos.
05:08
There's the availability heuristic,
122
293000
2000
Está la heurística de disponibilidad,
05:10
which basically means
123
295000
2000
que significa básicamente
05:12
we estimate the probability of something
124
297000
3000
que estimamos la probabilidad de cualquier cosa
05:15
by how easy it is to bring instances of it to mind.
125
300000
4000
por lo fácil que es pensar en instancias de esto.
05:19
So you can imagine how that works.
126
304000
2000
Y se pueden imaginar cómo funciona eso.
05:21
If you hear a lot about tiger attacks, there must be a lot of tigers around.
127
306000
3000
Si escuchas mucho sobre ataques de tigre deben haber muchos tigres alrededor.
05:24
You don't hear about lion attacks, there aren't a lot of lions around.
128
309000
3000
No escuchas hablar de ataques de león así que no hay muchos leones alrededor.
05:27
This works until you invent newspapers.
129
312000
3000
Esto funciona hasta que inventas los periódicos.
05:30
Because what newspapers do
130
315000
2000
Porque lo que los periódicos hacen
05:32
is they repeat again and again
131
317000
2000
es repetir una y otra vez
05:34
rare risks.
132
319000
2000
los riesgos inusuales.
05:36
I tell people, if it's in the news, don't worry about it.
133
321000
2000
Le digo a la gente: "si está en las noticias, no te preocupes por eso".
05:38
Because by definition,
134
323000
2000
Porque, por definición,
05:40
news is something that almost never happens.
135
325000
3000
las noticias son algo que casi nunca sucede.
05:43
(Laughter)
136
328000
2000
(Risas)
05:45
When something is so common, it's no longer news --
137
330000
3000
Cuando algo es tan común que deja de ser noticia
05:48
car crashes, domestic violence --
138
333000
2000
(accidentes automovilísticos, violencia familiar);
05:50
those are the risks you worry about.
139
335000
3000
esos son los riesgos que hay que tener presentes.
05:53
We're also a species of storytellers.
140
338000
2000
También somos una especie que contamos historias.
05:55
We respond to stories more than data.
141
340000
3000
Respondemos ante las historias más que a los datos.
05:58
And there's some basic innumeracy going on.
142
343000
2000
Y tenemos algo de incapacidad aritmética básica.
06:00
I mean, the joke "One, Two, Three, Many" is kind of right.
143
345000
3000
Es decir, el chiste de "Uno, dos, tres, muchos" no se equivoca mucho.
06:03
We're really good at small numbers.
144
348000
3000
Somos muy buenos para los números pequeños.
06:06
One mango, two mangoes, three mangoes,
145
351000
2000
Un mango, dos mangos, tres mangos;
06:08
10,000 mangoes, 100,000 mangoes --
146
353000
2000
diez mil mangos, cien mil mangos:
06:10
it's still more mangoes you can eat before they rot.
147
355000
3000
son más mangos de los que puedas comer antes que se pudran.
06:13
So one half, one quarter, one fifth -- we're good at that.
148
358000
3000
Así que la mitad, un cuarto, un quinto; somos buenos para eso.
06:16
One in a million, one in a billion --
149
361000
2000
Uno en un millón, uno en un billón;
06:18
they're both almost never.
150
363000
3000
los dos son casi nunca.
06:21
So we have trouble with the risks
151
366000
2000
Así que tenemos problemas con los riesgos
06:23
that aren't very common.
152
368000
2000
que no son muy frecuentes.
06:25
And what these cognitive biases do
153
370000
2000
Y lo que estos sesgos cognitivos hacen
06:27
is they act as filters between us and reality.
154
372000
3000
es que actúan como filtros entre nosotros y la realidad.
06:30
And the result
155
375000
2000
Y el resultado es que
06:32
is that feeling and reality get out of whack,
156
377000
2000
la sensación y la realidad se desequilibran,
06:34
they get different.
157
379000
3000
se tornan diferentes.
06:37
Now you either have a feeling -- you feel more secure than you are.
158
382000
3000
Así que puedes tener la sensación; sentirte más seguro de lo que estás.
06:40
There's a false sense of security.
159
385000
2000
Hay una sensación irreal de seguridad.
06:42
Or the other way,
160
387000
2000
O al contrario,
06:44
and that's a false sense of insecurity.
161
389000
2000
y esa es una sensación irreal de inseguridad.
06:46
I write a lot about "security theater,"
162
391000
3000
Escribo mucho sobre "teatro de seguridad",
06:49
which are products that make people feel secure,
163
394000
3000
que son productos que hacen que la gente se sienta segura
06:52
but don't actually do anything.
164
397000
2000
pero que en realidad no hacen nada.
06:54
There's no real word for stuff that makes us secure,
165
399000
2000
No hay una palabra apropiada para cosas que nos den seguridad,
06:56
but doesn't make us feel secure.
166
401000
2000
pero que no nos hagan sentir seguros.
06:58
Maybe it's what the CIA's supposed to do for us.
167
403000
3000
Quizás esto es lo que se supone que la CIA debería lograr.
07:03
So back to economics.
168
408000
2000
Y volvamos a la economía.
07:05
If economics, if the market, drives security,
169
410000
4000
Si la economía, si el mercado, son lo que impulsan a la seguridad
07:09
and if people make trade-offs
170
414000
2000
y si la gente hace concesiones
07:11
based on the feeling of security,
171
416000
3000
basadas en su sensación de seguridad,
07:14
then the smart thing for companies to do
172
419000
2000
entonces lo más inteligente que las empresas pueden hacer
07:16
for the economic incentives
173
421000
2000
por sus propios incentivos económicos
07:18
are to make people feel secure.
174
423000
3000
es lograr la gente se sienta segura.
07:21
And there are two ways to do this.
175
426000
3000
Y hay dos maneras de hacer esto.
07:24
One, you can make people actually secure
176
429000
2000
Uno, pueden hacer que la gente realmente esté segura
07:26
and hope they notice.
177
431000
2000
y esperar que se den cuenta.
07:28
Or two, you can make people just feel secure
178
433000
3000
O dos, pueden hacer que la gente se sienta segura
07:31
and hope they don't notice.
179
436000
3000
y esperar que no se den cuenta.
07:35
So what makes people notice?
180
440000
3000
Entonces, ¿qué hace que la gente se dé cuenta?
07:38
Well a couple of things:
181
443000
2000
Bueno, un par de cosas:
07:40
understanding of the security,
182
445000
2000
entender qué es la seguridad,
07:42
of the risks, the threats,
183
447000
2000
los riesgos, las amenazas,
07:44
the countermeasures, how they work.
184
449000
3000
las medidas previas, cómo funcionan.
07:47
But if you know stuff,
185
452000
2000
Pero si sabes esas cosas,
07:49
you're more likely to have your feelings match reality.
186
454000
3000
es más probable que tus sensaciones calcen con la realidad.
07:52
Enough real world examples helps.
187
457000
3000
Ayuda tener suficientes ejemplos del mundo real.
07:55
Now we all know the crime rate in our neighborhood,
188
460000
3000
Ahora todos sabemos la tasa de crímenes en nuestro vecindario,
07:58
because we live there, and we get a feeling about it
189
463000
3000
porque vivimos allí y tenemos una sensación al respecto
08:01
that basically matches reality.
190
466000
3000
que esencialmente calza con la realidad.
08:04
Security theater's exposed
191
469000
3000
El teatro de seguridad queda expuesto
08:07
when it's obvious that it's not working properly.
192
472000
3000
cuando es obvio que no está funcionando correctamente.
08:10
Okay, so what makes people not notice?
193
475000
4000
Y entonces, ¿qué hace que la gente no se dé cuenta?
08:14
Well, a poor understanding.
194
479000
2000
Bueno, una mala comprensión.
08:16
If you don't understand the risks, you don't understand the costs,
195
481000
3000
Si no entiendes los riesgos, no entiendes los costos,
08:19
you're likely to get the trade-off wrong,
196
484000
2000
es probable que tomes una mala decisión,
08:21
and your feeling doesn't match reality.
197
486000
3000
y que tu sensación no corresponda con la realidad.
08:24
Not enough examples.
198
489000
2000
Ejemplos insuficientes:
08:26
There's an inherent problem
199
491000
2000
Hay un problema intrínseco
08:28
with low probability events.
200
493000
2000
con eventos de baja probabilidad.
08:30
If, for example,
201
495000
2000
Si, por ejemplo, casi nunca hay
08:32
terrorism almost never happens,
202
497000
2000
actos terroristas,
08:34
it's really hard to judge
203
499000
2000
es muy difícil medir cuan eficientes
08:36
the efficacy of counter-terrorist measures.
204
501000
3000
son las medidas en la lucha contra el terrorismo.
08:40
This is why you keep sacrificing virgins,
205
505000
3000
Por eso sigues sacrificando vírgenes,
08:43
and why your unicorn defenses are working just great.
206
508000
3000
y la razón que tus defensas de unicornio estén funcionando de maravilla.
08:46
There aren't enough examples of failures.
207
511000
3000
No hay suficientes ejemplos de fracasos.
08:50
Also, feelings that are clouding the issues --
208
515000
3000
Además, las sensaciones que nublan los temas;
08:53
the cognitive biases I talked about earlier,
209
518000
2000
los sesgos cognitivos que mencioné antes,
08:55
fears, folk beliefs,
210
520000
3000
los miedos, las creencias populares,
08:58
basically an inadequate model of reality.
211
523000
3000
son básicamente un modelo inadecuado de la realidad.
09:02
So let me complicate things.
212
527000
3000
Y déjenme complicar las cosas.
09:05
I have feeling and reality.
213
530000
2000
Está la sensación y la realidad.
09:07
I want to add a third element. I want to add model.
214
532000
3000
Quiero añadir un tercer elemento. Quiero añadir el modelo.
09:10
Feeling and model in our head,
215
535000
2000
Sensación y modelo dentro de nuestra cabeza,
09:12
reality is the outside world.
216
537000
2000
la realidad es el mundo exterior.
09:14
It doesn't change; it's real.
217
539000
3000
No cambia, es real.
09:17
So feeling is based on our intuition.
218
542000
2000
Y la sensación se basa en la intuición.
09:19
Model is based on reason.
219
544000
2000
El modelamiento se basa en la razón.
09:21
That's basically the difference.
220
546000
3000
Eso es básicamente la diferencia.
09:24
In a primitive and simple world,
221
549000
2000
En un mundo primitivo y simple,
09:26
there's really no reason for a model
222
551000
3000
no hay ninguna razón real para un modelo.
09:29
because feeling is close to reality.
223
554000
3000
Porque la sensación es muy similar a la realidad.
09:32
You don't need a model.
224
557000
2000
No necesitas un modelo.
09:34
But in a modern and complex world,
225
559000
2000
Pero en un mundo moderno y complejo,
09:36
you need models
226
561000
2000
necesitas modelos para
09:38
to understand a lot of the risks we face.
227
563000
3000
comprender muchos de los riesgos que enfrentamos.
09:42
There's no feeling about germs.
228
567000
2000
Los gérmenes no nos generan una sensación.
09:44
You need a model to understand them.
229
569000
3000
Se necesita un modelo para entenderlos.
09:47
So this model
230
572000
2000
Así que este modelo es una
09:49
is an intelligent representation of reality.
231
574000
3000
representación inteligente de la realidad.
09:52
It's, of course, limited by science,
232
577000
3000
Está, por supuesto, limitado por la ciencia,
09:55
by technology.
233
580000
2000
por la tecnología.
09:57
We couldn't have a germ theory of disease
234
582000
3000
No podríamos tener una teoría de los gérmenes en enfermedades
10:00
before we invented the microscope to see them.
235
585000
3000
antes de que inventáramos el microscopio para verlos.
10:04
It's limited by our cognitive biases.
236
589000
3000
Está limitado por nuestros prejuicios cognitivos.
10:07
But it has the ability
237
592000
2000
Pero tiene la capacidad de
10:09
to override our feelings.
238
594000
2000
imponerse por sobre nuestras sensaciones.
10:11
Where do we get these models? We get them from others.
239
596000
3000
¿De dónde obtenemos estos modelos? De los demás.
10:14
We get them from religion, from culture,
240
599000
3000
Los obtenemos de la religión, de la cultura,
10:17
teachers, elders.
241
602000
2000
de los profesores, de los mayores.
10:19
A couple years ago,
242
604000
2000
Hace un par de años
10:21
I was in South Africa on safari.
243
606000
2000
estaba de safari en Sudáfrica.
10:23
The tracker I was with grew up in Kruger National Park.
244
608000
3000
El guía con que estaba había crecido en el Parque Nacional Kruger.
10:26
He had some very complex models of how to survive.
245
611000
3000
Tenía unos modelos de supervivencia muy complejos.
10:29
And it depended on if you were attacked
246
614000
2000
Y dependía de si habías sido atacado
10:31
by a lion or a leopard or a rhino or an elephant --
247
616000
2000
por un león o un leopardo o un rinoceronte o un elefante
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
-y cuando tenías que huir, y cuando tenías que subirte a un árbol,
10:36
when you could never climb a tree.
249
621000
2000
cuando no podías en ningún caso subirte a un árbol-.
10:38
I would have died in a day,
250
623000
3000
Me habría muerto en un día
10:41
but he was born there,
251
626000
2000
pero él nació allí
10:43
and he understood how to survive.
252
628000
2000
y entendía cómo sobrevivir.
10:45
I was born in New York City.
253
630000
2000
Yo nací en Nueva York.
10:47
I could have taken him to New York, and he would have died in a day.
254
632000
3000
Lo podría haber llevado a Nueva York y él se habría muerto en un día.
10:50
(Laughter)
255
635000
2000
(Risas)
10:52
Because we had different models
256
637000
2000
Porque teníamos modelos diferentes
10:54
based on our different experiences.
257
639000
3000
basados en nuestras experiencias diferentes.
10:58
Models can come from the media,
258
643000
2000
Los modelos pueden provenir de los medios,
11:00
from our elected officials.
259
645000
3000
de nuestros políticos electos.
11:03
Think of models of terrorism,
260
648000
3000
Piensen en los modelos de terrorismo,
11:06
child kidnapping,
261
651000
3000
de secuestro infantil,
11:09
airline safety, car safety.
262
654000
2000
de seguridad aérea, seguridad de los vehículos.
11:11
Models can come from industry.
263
656000
3000
Los modelos pueden provenir de la industria.
11:14
The two I'm following are surveillance cameras,
264
659000
2000
Los dos que estoy siguiendo son las cámaras de vigilancia
11:16
ID cards,
265
661000
2000
y las tarjetas de identificación,
11:18
quite a lot of our computer security models come from there.
266
663000
3000
muchos de nuestros modelos de seguridad informática vienen de esto.
11:21
A lot of models come from science.
267
666000
3000
Muchos de los modelos provienen de la ciencia.
11:24
Health models are a great example.
268
669000
2000
Un muy buen ejemplo son los modelos de salud.
11:26
Think of cancer, of bird flu, swine flu, SARS.
269
671000
3000
Piensen en cáncer, en gripe aviar, en gripe porcina, en SARS.
11:29
All of our feelings of security
270
674000
3000
Todas nuestras sensaciones de seguridad
11:32
about those diseases
271
677000
2000
acerca de esas enfermedades
11:34
come from models
272
679000
2000
provienen, en realidad, de los modelos
11:36
given to us, really, by science filtered through the media.
273
681000
3000
entregados a nosotros por la ciencia filtrada a través de los medios.
11:40
So models can change.
274
685000
3000
Y los modelos pueden cambiar.
11:43
Models are not static.
275
688000
2000
Los modelos no son estáticos.
11:45
As we become more comfortable in our environments,
276
690000
3000
A medida que nos sentimos más cómodos en nuestros ambientes,
11:48
our model can move closer to our feelings.
277
693000
4000
nuestro modelo se va acercando a nuestra sensación.
11:53
So an example might be,
278
698000
2000
Así que un ejemplo podría ser,
11:55
if you go back 100 years ago
279
700000
2000
si nos remontamos 100 años atrás
11:57
when electricity was first becoming common,
280
702000
3000
cuando la electricidad se tornaba cada vez más común,
12:00
there were a lot of fears about it.
281
705000
2000
había un montón de temores con respecto a esta.
12:02
I mean, there were people who were afraid to push doorbells,
282
707000
2000
Quiero decir, había personas que tenían miedo de presionar un timbre
12:04
because there was electricity in there, and that was dangerous.
283
709000
3000
ya que había electricidad dentro de él y eso era peligroso.
12:07
For us, we're very facile around electricity.
284
712000
3000
Para nosotros no hay problemas cerca de la electricidad.
12:10
We change light bulbs
285
715000
2000
Cambiamos las ampolletas
12:12
without even thinking about it.
286
717000
2000
sin siquiera pensar en ello.
12:14
Our model of security around electricity
287
719000
4000
Nuestro modelo de seguridad con respecto a la electricidad
12:18
is something we were born into.
288
723000
3000
es algo con lo cual nacemos.
12:21
It hasn't changed as we were growing up.
289
726000
3000
No ha cambiado mientras hemos ido creciendo.
12:24
And we're good at it.
290
729000
3000
Y somos buenos para manejarlo.
12:27
Or think of the risks
291
732000
2000
O piensen en los riesgos
12:29
on the Internet across generations --
292
734000
2000
con respecto a Internet entre generaciones;
12:31
how your parents approach Internet security,
293
736000
2000
cómo sus padres determinan la seguridad en Internet
12:33
versus how you do,
294
738000
2000
frente a cómo lo hacen ustedes
12:35
versus how our kids will.
295
740000
3000
frente a cómo lo harán nuestros hijos.
12:38
Models eventually fade into the background.
296
743000
3000
Con el tiempo los modelos se van al inconsciente.
12:42
Intuitive is just another word for familiar.
297
747000
3000
Intuitivo es sólo otra palabra para familiar.
12:45
So as your model is close to reality,
298
750000
2000
Así que cuando el modelo se acerca a la realidad
12:47
and it converges with feelings,
299
752000
2000
y converge con las sensaciones,
12:49
you often don't know it's there.
300
754000
3000
a menudo no te das cuenta que está ahí.
12:52
So a nice example of this
301
757000
2000
Y un buen ejemplo de esto
12:54
came from last year and swine flu.
302
759000
3000
apareció el año pasado con la gripe porcina.
12:57
When swine flu first appeared,
303
762000
2000
Cuando la gripe porcina apareció por primera vez
12:59
the initial news caused a lot of overreaction.
304
764000
4000
la noticia inicial causó una reacción muy exagerada.
13:03
Now it had a name,
305
768000
2000
Ahora tenía un nombre,
13:05
which made it scarier than the regular flu,
306
770000
2000
lo que la hacía más atemorizante que la gripe común,
13:07
even though it was more deadly.
307
772000
2000
a pesar de que era más letal.
13:09
And people thought doctors should be able to deal with it.
308
774000
4000
Y la gente pensó que los médicos debían ser capaces de manejarla.
13:13
So there was that feeling of lack of control.
309
778000
2000
Así que estaba esa sensación de falta de control.
13:15
And those two things
310
780000
2000
Y esas dos cosas
13:17
made the risk more than it was.
311
782000
2000
hacían que el riesgo pareciera más de lo que era.
13:19
As the novelty wore off, the months went by,
312
784000
3000
Mientras fue desapareciendo la novedad y pasando los meses,
13:22
there was some amount of tolerance,
313
787000
2000
hubo una cantidad de tolerancia,
13:24
people got used to it.
314
789000
2000
la gente se acostumbró.
13:26
There was no new data, but there was less fear.
315
791000
3000
No hubo datos nuevos, pero había menos temor.
13:29
By autumn,
316
794000
2000
Para la llegada del otoño,
13:31
people thought
317
796000
2000
la gente pensaba
13:33
the doctors should have solved this already.
318
798000
2000
que los médicos ya deberían haberlo resuelto.
13:35
And there's kind of a bifurcation --
319
800000
2000
Y hay una especie de bifurcación;
13:37
people had to choose
320
802000
2000
la gente tuvo que elegir
13:39
between fear and acceptance --
321
804000
4000
entre el miedo y la aceptación
13:43
actually fear and indifference --
322
808000
2000
-en realidad entre el miedo y la indiferencia-
13:45
they kind of chose suspicion.
323
810000
3000
y como que en realidad quedaron sospechosos.
13:48
And when the vaccine appeared last winter,
324
813000
3000
Y cuando el invierno pasado apareció la vacuna
13:51
there were a lot of people -- a surprising number --
325
816000
3000
hubo una gran cantidad de personas -un número sorprendente-
13:54
who refused to get it --
326
819000
3000
que se negó a ponérsela;
13:58
as a nice example
327
823000
2000
un buen ejemplo de
14:00
of how people's feelings of security change, how their model changes,
328
825000
3000
cómo cambian las sensaciones de seguridad, cómo cambian sus modelos,
14:03
sort of wildly
329
828000
2000
un poco descontrolados
14:05
with no new information,
330
830000
2000
sin nueva información,
14:07
with no new input.
331
832000
2000
sin nuevos inputs.
14:09
This kind of thing happens a lot.
332
834000
3000
Este tipo de cosas sucede frecuentemente.
14:12
I'm going to give one more complication.
333
837000
3000
Les voy a dar una complicación más.
14:15
We have feeling, model, reality.
334
840000
3000
Tenemos la sensación, el modelo, la realidad.
14:18
I have a very relativistic view of security.
335
843000
2000
Tengo una visión muy relativista de la seguridad.
14:20
I think it depends on the observer.
336
845000
3000
Creo que depende del observador.
14:23
And most security decisions
337
848000
2000
Y la mayoría de las decisiones sobre seguridad
14:25
have a variety of people involved.
338
850000
4000
involucran a varias personas.
14:29
And stakeholders
339
854000
2000
Y las partes interesadas,
14:31
with specific trade-offs
340
856000
3000
cada una con beneficios y perdidas propias,
14:34
will try to influence the decision.
341
859000
2000
tratarán de influenciar la decisión.
14:36
And I call that their agenda.
342
861000
2000
Yo llamo a eso su agenda.
14:38
And you see agenda --
343
863000
2000
Y se pueden ver las agendas
14:40
this is marketing, this is politics --
344
865000
3000
-en el marketing, en la política-
14:43
trying to convince you to have one model versus another,
345
868000
3000
tratando de convencerlos de elegir un modelo en vez de otro,
14:46
trying to convince you to ignore a model
346
871000
2000
tratando de convencerlos de ignorar un modelo
14:48
and trust your feelings,
347
873000
3000
y de confiar en sus sensaciones,
14:51
marginalizing people with models you don't like.
348
876000
3000
dejando de lado a las personas con modelos que no les gustan.
14:54
This is not uncommon.
349
879000
3000
Esto es bastante frecuente.
14:57
An example, a great example, is the risk of smoking.
350
882000
3000
Un ejemplo, un gran ejemplo, es el riesgo de fumar.
15:01
In the history of the past 50 years, the smoking risk
351
886000
3000
Durante los últimos 50 años, el riesgo de fumar
15:04
shows how a model changes,
352
889000
2000
muestra cómo va cambiando un modelo
15:06
and it also shows how an industry fights against
353
891000
3000
y también muestra cómo una industria pelea contra
15:09
a model it doesn't like.
354
894000
2000
un modelo que no le gusta.
15:11
Compare that to the secondhand smoke debate --
355
896000
3000
Comparen esto con el debate del humo de segunda mano;
15:14
probably about 20 years behind.
356
899000
3000
el mismo caso probablemente 20 años antes.
15:17
Think about seat belts.
357
902000
2000
Piensen acerca de los cinturones de seguridad.
15:19
When I was a kid, no one wore a seat belt.
358
904000
2000
Cuando yo era niño, nadie se ponía el cinturón de seguridad.
15:21
Nowadays, no kid will let you drive
359
906000
2000
Hoy en día, ningún niño te permite manejar
15:23
if you're not wearing a seat belt.
360
908000
2000
si no lo llevas puesto.
15:26
Compare that to the airbag debate --
361
911000
2000
Comparen esto con el debate del airbag;
15:28
probably about 30 years behind.
362
913000
3000
probablemente como 30 años atrasado.
15:31
All examples of models changing.
363
916000
3000
Todos son ejemplos de modelos que van cambiando.
15:36
What we learn is that changing models is hard.
364
921000
3000
Lo que aprendemos es que cambiar los modelos es difícil.
15:39
Models are hard to dislodge.
365
924000
2000
Los modelos son difíciles de desalojar.
15:41
If they equal your feelings,
366
926000
2000
Si estos son iguales a sus sensaciones,
15:43
you don't even know you have a model.
367
928000
3000
ni siquiera se darán cuenta que tienen un modelo.
15:46
And there's another cognitive bias
368
931000
2000
Y hay otro sesgo cognitivo que
15:48
I'll call confirmation bias,
369
933000
2000
llamaré sesgo de confirmación,
15:50
where we tend to accept data
370
935000
3000
donde tendemos a aceptar los datos
15:53
that confirms our beliefs
371
938000
2000
que confirman nuestras creencias
15:55
and reject data that contradicts our beliefs.
372
940000
3000
y rechazar los datos que las contradicen.
15:59
So evidence against our model,
373
944000
2000
Y es probable que ignoremos
16:01
we're likely to ignore, even if it's compelling.
374
946000
3000
la evidencia en contra de nuestro modelo, incluso si es convincente.
16:04
It has to get very compelling before we'll pay attention.
375
949000
3000
Debe ser súper convincente antes de que le prestemos atención.
16:08
New models that extend long periods of time are hard.
376
953000
2000
Aún más complejos son los nuevos modelos que se extenderán por mucho tiempo.
16:10
Global warming is a great example.
377
955000
2000
El calentamiento global es un gran ejemplo.
16:12
We're terrible
378
957000
2000
Somos terribles
16:14
at models that span 80 years.
379
959000
2000
para modelos que abarcan 80 años.
16:16
We can do to the next harvest.
380
961000
2000
Podemos modelar la próxima cosecha.
16:18
We can often do until our kids grow up.
381
963000
3000
De repente podemos modelar hasta que nuestros hijos crezcan.
16:21
But 80 years, we're just not good at.
382
966000
3000
Pero simplemente no somos buenos para 80 años.
16:24
So it's a very hard model to accept.
383
969000
3000
Y entonces es un modelo muy difícil de aceptar.
16:27
We can have both models in our head simultaneously,
384
972000
4000
Podemos tener ambos modelos en nuestra cabeza al mismo tiempo,
16:31
right, that kind of problem
385
976000
3000
ese tipo de problema
16:34
where we're holding both beliefs together,
386
979000
3000
donde tenemos ambas creencias al mismo tiempo;
16:37
right, the cognitive dissonance.
387
982000
2000
la disonancia cognitiva.
16:39
Eventually,
388
984000
2000
Con el tiempo,
16:41
the new model will replace the old model.
389
986000
3000
el nuevo modelo reemplazará al antiguo.
16:44
Strong feelings can create a model.
390
989000
3000
Las sensaciones fuertes pueden crear un modelo.
16:47
September 11th created a security model
391
992000
3000
El 11 de septiembre creó un modelo de seguridad
16:50
in a lot of people's heads.
392
995000
2000
en las mentes de mucha gente.
16:52
Also, personal experiences with crime can do it,
393
997000
3000
También se pueden crear a través de experiencias personales con crímenes,
16:55
personal health scare,
394
1000000
2000
a través de sustos de salud personales,
16:57
a health scare in the news.
395
1002000
2000
de problemas de salud en las noticias.
16:59
You'll see these called flashbulb events
396
1004000
2000
Verán estos eventos llamados "flash de luz"
17:01
by psychiatrists.
397
1006000
2000
por los psiquiatras.
17:03
They can create a model instantaneously,
398
1008000
3000
Pueden crear un modelo de forma instantánea,
17:06
because they're very emotive.
399
1011000
3000
porque son muy emotivos.
17:09
So in the technological world,
400
1014000
2000
Y en el mundo tecnológico
17:11
we don't have experience
401
1016000
2000
no tenemos experiencia
17:13
to judge models.
402
1018000
2000
para elegir los modelos.
17:15
And we rely on others. We rely on proxies.
403
1020000
2000
Y dependemos de otros. Dependemos de representantes.
17:17
I mean, this works as long as it's to correct others.
404
1022000
4000
Quiero decir, esto funciona mientras sea para corregir a otros.
17:21
We rely on government agencies
405
1026000
2000
Dependemos de los organismos gubernamentales para
17:23
to tell us what pharmaceuticals are safe.
406
1028000
5000
que nos digan qué medicamentos son seguros.
17:28
I flew here yesterday.
407
1033000
2000
Volé ayer para acá.
17:30
I didn't check the airplane.
408
1035000
2000
No revisé el avión.
17:32
I relied on some other group
409
1037000
2000
Confié en algún otro grupo
17:34
to determine whether my plane was safe to fly.
410
1039000
3000
para determinar si mi avión era seguro para volar.
17:37
We're here, none of us fear the roof is going to collapse on us,
411
1042000
3000
Estamos aquí, nadie teme que el techo se vaya a caer sobre nosotros,
17:40
not because we checked,
412
1045000
3000
no porque lo comprobamos,
17:43
but because we're pretty sure
413
1048000
2000
sino porque tenemos bastante confianza que
17:45
the building codes here are good.
414
1050000
3000
los códigos de construcción son buenos.
17:48
It's a model we just accept
415
1053000
2000
Es un modelo que simplemente aceptamos
17:50
pretty much by faith.
416
1055000
2000
sólo por fe.
17:52
And that's okay.
417
1057000
3000
Y eso está bien.
17:57
Now, what we want
418
1062000
2000
Ahora, lo que queremos
17:59
is people to get familiar enough
419
1064000
2000
es que la gente se familiarice lo suficiente
18:01
with better models --
420
1066000
2000
con modelos buenos
18:03
have it reflected in their feelings --
421
1068000
2000
-y que se reflejen en lo que sienten-
18:05
to allow them to make security trade-offs.
422
1070000
4000
para que puedan tomar buenas decisiones de seguridad.
18:09
Now when these go out of whack,
423
1074000
2000
Y entonces cuando estos se desalinean
18:11
you have two options.
424
1076000
2000
se tienen dos opciones.
18:13
One, you can fix people's feelings,
425
1078000
2000
Una es arreglar las sensaciones de la gente,
18:15
directly appeal to feelings.
426
1080000
2000
apelar directamente a las sensaciones y sentimientos.
18:17
It's manipulation, but it can work.
427
1082000
3000
Es manipulativo, pero puede funcionar.
18:20
The second, more honest way
428
1085000
2000
La segunda manera, que es más honesta,
18:22
is to actually fix the model.
429
1087000
3000
es realmente solucionar el modelo.
18:26
Change happens slowly.
430
1091000
2000
El cambio se produce lentamente.
18:28
The smoking debate took 40 years,
431
1093000
3000
El debate del cigarrillo tomó 40 años,
18:31
and that was an easy one.
432
1096000
3000
y ese era uno simple.
18:34
Some of this stuff is hard.
433
1099000
2000
Algunos de estos son difíciles.
18:36
I mean really though,
434
1101000
2000
Quiero decir, sin embargo,
18:38
information seems like our best hope.
435
1103000
2000
que la información parece ser nuestra mejor esperanza.
18:40
And I lied.
436
1105000
2000
Y les mentí.
18:42
Remember I said feeling, model, reality;
437
1107000
2000
Recuerdan cuando dije lo de la sensación, el modelo, la realidad.
18:44
I said reality doesn't change. It actually does.
438
1109000
3000
Dije que la realidad no cambia. Pero en verdad sí cambia.
18:47
We live in a technological world;
439
1112000
2000
Vivimos en un mundo tecnológico;
18:49
reality changes all the time.
440
1114000
3000
la realidad cambia todo el tiempo.
18:52
So we might have -- for the first time in our species --
441
1117000
3000
Así que podríamos tener -por primera vez para nuestra especie-
18:55
feeling chases model, model chases reality, reality's moving --
442
1120000
3000
la sensación persiguiendo al modelo, el modelo persiguiendo la realidad,
18:58
they might never catch up.
443
1123000
3000
la realidad va cambiando; y puede que jamás se vayan a alcanzar.
19:02
We don't know.
444
1127000
2000
No lo sabemos.
19:04
But in the long-term,
445
1129000
2000
Pero en el largo plazo,
19:06
both feeling and reality are important.
446
1131000
3000
tanto la sensación como la realidad son importantes.
19:09
And I want to close with two quick stories to illustrate this.
447
1134000
3000
Y quiero cerrar con dos historias rápidas para ilustrar esto.
19:12
1982 -- I don't know if people will remember this --
448
1137000
2000
En 1982 -no sé si la gente recordará esto-
19:14
there was a short epidemic
449
1139000
3000
hubo una epidemia de corta duración
19:17
of Tylenol poisonings in the United States.
450
1142000
2000
de envenenamientos con Tylenol en los Estados Unidos.
19:19
It's a horrific story. Someone took a bottle of Tylenol,
451
1144000
3000
Es una historia horrible. Alguien tomó una botella de Tylenol,
19:22
put poison in it, closed it up, put it back on the shelf.
452
1147000
3000
puso veneno en ella, la cerró y volvió a ponerla en el estante.
19:25
Someone else bought it and died.
453
1150000
2000
Otra persona la compró y murió.
19:27
This terrified people.
454
1152000
2000
Esto aterrorizó a todo el mundo.
19:29
There were a couple of copycat attacks.
455
1154000
2000
Hubo un par de ataques que imitaron esto.
19:31
There wasn't any real risk, but people were scared.
456
1156000
3000
No había riesgo real, pero la gente estaba asustada.
19:34
And this is how
457
1159000
2000
Y así es como
19:36
the tamper-proof drug industry was invented.
458
1161000
2000
se inventó la industria farmacéutica a prueba de manipulaciones.
19:38
Those tamper-proof caps, that came from this.
459
1163000
2000
Esas tapas difíciles de abrir surgieron de esto.
19:40
It's complete security theater.
460
1165000
2000
Es totalmente teatro de seguridad.
19:42
As a homework assignment, think of 10 ways to get around it.
461
1167000
2000
Como tarea para la casa piensen en 10 maneras de vulnerarlas.
19:44
I'll give you one, a syringe.
462
1169000
3000
Les daré una; una jeringa.
19:47
But it made people feel better.
463
1172000
3000
Sin embargo hizo que la gente se sintiera mejor.
19:50
It made their feeling of security
464
1175000
2000
Hizo que su sensación de seguridad
19:52
more match the reality.
465
1177000
2000
se pareciera más a la realidad.
19:54
Last story, a few years ago, a friend of mine gave birth.
466
1179000
3000
Última historia; hace unos años una amiga mía dio a luz.
19:57
I visit her in the hospital.
467
1182000
2000
La visité en el hospital.
19:59
It turns out when a baby's born now,
468
1184000
2000
Resulta que ahora cuando un bebé nace
20:01
they put an RFID bracelet on the baby,
469
1186000
2000
le ponen al bebé una pulsera RFID,
20:03
put a corresponding one on the mother,
470
1188000
2000
le ponen una pulsera relacionada a la madre
20:05
so if anyone other than the mother takes the baby out of the maternity ward,
471
1190000
2000
y si otra persona retira al bebé de la sala de maternidad
20:07
an alarm goes off.
472
1192000
2000
suena una alarma.
20:09
I said, "Well, that's kind of neat.
473
1194000
2000
Me dije: "Bueno, eso está bien bueno.
20:11
I wonder how rampant baby snatching is
474
1196000
2000
Me pregunto cuán comunes son los robos de bebé
20:13
out of hospitals."
475
1198000
2000
desde los hospitales."
20:15
I go home, I look it up.
476
1200000
2000
Me voy a casa y lo busco.
20:17
It basically never happens.
477
1202000
2000
Básicamente no sucede jamás.
20:19
But if you think about it,
478
1204000
2000
Pero si lo piensas,
20:21
if you are a hospital,
479
1206000
2000
si eres un hospital
20:23
and you need to take a baby away from its mother,
480
1208000
2000
y tienes que alejar al bebé de su madre,
20:25
out of the room to run some tests,
481
1210000
2000
fuera de la pieza para tomar algunos exámenes,
20:27
you better have some good security theater,
482
1212000
2000
mejor que tengas un buen teatro de seguridad
20:29
or she's going to rip your arm off.
483
1214000
2000
o te va a arrancar el brazo entero.
20:31
(Laughter)
484
1216000
2000
(Risas)
20:33
So it's important for us,
485
1218000
2000
Así que es importante para nosotros,
20:35
those of us who design security,
486
1220000
2000
aquellos de nosotros que diseñamos seguridad,
20:37
who look at security policy,
487
1222000
3000
que observamos las políticas de seguridad,
20:40
or even look at public policy
488
1225000
2000
o incluso miramos a las políticas públicas
20:42
in ways that affect security.
489
1227000
2000
y las maneras que estas afectan a la seguridad.
20:44
It's not just reality; it's feeling and reality.
490
1229000
3000
No es sólo la realidad, es sensación y la realidad.
20:47
What's important
491
1232000
2000
Lo que es importante
20:49
is that they be about the same.
492
1234000
2000
es que sean más o menos iguales.
20:51
It's important that, if our feelings match reality,
493
1236000
2000
Es importante que -si nuestras sensaciones calzan con la realidad-
20:53
we make better security trade-offs.
494
1238000
2000
tomemos mejores decisiones de seguridad.
20:55
Thank you.
495
1240000
2000
Gracias.
20:57
(Applause)
496
1242000
2000
(Aplausos)
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