TEDxPSU
Bruce Schneier: The security mirage
ब्रूस शिन्यर: सुरक्षा का भुलावा
Filmed:
Readability: 4
958,315 views
सुरक्षा का एहसास और सुरक्षा की हकीकत हमेशा एक सी नहीं होती हैं, ये कहना हैं कंप्यूटर सुरक्षा के विशेषज्ञ ब्रुसे शिन्यर का | TEDxPSU में ये बता रहे हैं की क्यूँ हम करोड़ो खर्चा कर रहे हैं ऐसे समाचारों, कहानियों में जैसे की "सुरक्षा थिअटर" जो कि आज कल स्थानीय हवाई अड्डो में दिखाए जा रहे हैं जबकि हम नजर अंदाज कर रहे हैं ज्यादा संभावित खतरों को जैसे कि "हम इन सुरक्षा के तरीको को कैसे तोड़ सकते हैं |
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
तो सुरक्षा दो अलग बातें हैं :
00:17
it's a feeling, and it's a reality.
1
2000
2000
ये एक तरफ एहसास है और दूसरी तरफ सच्चाई
00:19
And they're different.
2
4000
2000
और वो अलग अलग हैं
00:21
You could feel secure
3
6000
2000
आप सुरक्षित महसूस कर सकते हैं
00:23
even if you're not.
4
8000
2000
भले ही आप ना हो
00:25
And you can be secure
5
10000
2000
और आप सुरक्षित हो सकते हैं
00:27
even if you don't feel it.
6
12000
2000
भले ही आप ऐसा महसूस ना करें
00:29
Really, we have two separate concepts
7
14000
2000
सच में हमारे पास दो अलग धारणाये हैं
00:31
mapped onto the same word.
8
16000
2000
जो कि एक ही शब्द से जुड़े हैं
00:33
And what I want to do in this talk
9
18000
2000
और मैं इस व्याख्यान में इन्हें
00:35
is to split them apart --
10
20000
2000
अलग अलग करना चाहता हूँ
00:37
figuring out when they diverge
11
22000
2000
ये पता लगाऊं कि वो कब अलग अलग होते हैं
00:39
and how they converge.
12
24000
2000
और कैसे मिल जाते हैं
00:41
And language is actually a problem here.
13
26000
2000
और भाषा यहाँ पे एक समस्या है|
00:43
There aren't a lot of good words
14
28000
2000
बहुत सारे शब्द उपलब्ध नहीं हैं उन धारणाओ
00:45
for the concepts we're going to talk about.
15
30000
3000
के लिए जिनके बारे में हम बातें करने वाले है|
00:48
So if you look at security
16
33000
2000
तो अगर आप सुरक्षा के बारे में सोचें
00:50
from economic terms,
17
35000
2000
आर्थिक रूप में
00:52
it's a trade-off.
18
37000
2000
यह चीज़ो को चुनने की दुविधा हैं
00:54
Every time you get some security,
19
39000
2000
हर बार जब आपको सुरक्षा मिलेगी,
00:56
you're always trading off something.
20
41000
2000
उसके बदले में आप कुछ और दे रहे होंगे
00:58
Whether this is a personal decision --
21
43000
2000
चाहे ये आपका व्यक्तिगत निर्णय हो
01:00
whether you're going to install a burglar alarm in your home --
22
45000
2000
चाहे आप अपने घर में चोरी से बचने वाला अलार्म लगवाने वाले हो,
01:02
or a national decision -- where you're going to invade some foreign country --
23
47000
3000
या फिर राष्ट्रीय फैसला जहाँ आप दुसरे देश पे आक्रमण करने वाले हो,
01:05
you're going to trade off something,
24
50000
2000
उसके बदले में आप कुछ न कुछ दे रहे होंगे |
01:07
either money or time, convenience, capabilities,
25
52000
3000
चाहे पैसा हो, समय हो, सहूलियत हो या योग्यता हो
01:10
maybe fundamental liberties.
26
55000
3000
या शायद आधारभूत स्वतंत्रता
01:13
And the question to ask when you look at a security anything
27
58000
3000
और जो सवाल हमे पूछना चाहिए जब हम सुरक्षा के बारे में सोचते हैं,
01:16
is not whether this makes us safer,
28
61000
3000
ये नहीं कि ये हमे सुरक्षित बनाएगा,
01:19
but whether it's worth the trade-off.
29
64000
3000
पर ये कि क्या ये इस लायक हैं कि हम इसके बदले किसी दूसरी चीज़ को दे दे |
01:22
You've heard in the past several years,
30
67000
2000
आपने सुना होगा पिछले कई सालो में,
01:24
the world is safer because Saddam Hussein is not in power.
31
69000
2000
दुनिया सुरक्षित हो गई है क्यूंकि सद्दाम हुस्सेन सत्ता में नहीं हैं
01:26
That might be true, but it's not terribly relevant.
32
71000
3000
ये सच हो सकता है लेकिन पूरी तरह से तर्क संगत नहीं है|
01:29
The question is, was it worth it?
33
74000
3000
सवाल यह कि क्या यह इस योग्य था?
01:32
And you can make your own decision,
34
77000
3000
और आप खुद के निर्णय ले सकते हैं,
01:35
and then you'll decide whether the invasion was worth it.
35
80000
2000
और उसके बाद फैसला कर सकते हैं कि क्या ये आक्रमण सही था
01:37
That's how you think about security --
36
82000
2000
आप सुरक्षा के बारे में ऐसे सोचते हैं
01:39
in terms of the trade-off.
37
84000
2000
व्यापारिक लेन देन के रूप में
01:41
Now there's often no right or wrong here.
38
86000
3000
अब यहाँ सामान्यत: कोई सही या गलत नहीं होता
01:44
Some of us have a burglar alarm system at home,
39
89000
2000
हमसे कुछ लोगों के यहाँ चोर अलार्म होता हैं
01:46
and some of us don't.
40
91000
2000
कुछ के यहाँ पर नहीं|
01:48
And it'll depend on where we live,
41
93000
2000
और ये निर्भर करता है हम कहाँ रहते हैं,
01:50
whether we live alone or have a family,
42
95000
2000
क्या हम अकेले रहते हैं या फिर परिवार के साथ,
01:52
how much cool stuff we have,
43
97000
2000
हमारे पास कितने अच्छे अच्छे सामान हैं,
01:54
how much we're willing to accept
44
99000
2000
हम किस हद तक तैयार हैं
01:56
the risk of theft.
45
101000
2000
चोरी का खतरा उठाने को
01:58
In politics also,
46
103000
2000
राजनीति में भी
02:00
there are different opinions.
47
105000
2000
अलग अलग विचार हैं,
02:02
A lot of times, these trade-offs
48
107000
2000
ज्यादातर समय विनिमय की ये दुविधा
02:04
are about more than just security,
49
109000
2000
सुरक्षा के अलावा दुसरे कारणों से होते हैं,
02:06
and I think that's really important.
50
111000
2000
और मैं ये सोचता हूँ कि ये बहुत जरुरी हैं|
02:08
Now people have a natural intuition
51
113000
2000
अब लोगों के पास पाकृतिक ज्ञान हैं
02:10
about these trade-offs.
52
115000
2000
इस विनिमय का,
02:12
We make them every day --
53
117000
2000
हम ये हर दिन करते हैं जैसे कि,
02:14
last night in my hotel room,
54
119000
2000
कल रात जब मैंने अपने होटल रूम
02:16
when I decided to double-lock the door,
55
121000
2000
के दरवाजे को दुबारा बंद किया,
02:18
or you in your car when you drove here,
56
123000
2000
या आपने अपनी कार में किया जब आप यहाँ पर पहुंचे,
02:20
when we go eat lunch
57
125000
2000
या जब हम खाना खाने जाते हैं
02:22
and decide the food's not poison and we'll eat it.
58
127000
3000
और सोचते हैं की खाना अच्छा है तो हम खा लेंगे |
02:25
We make these trade-offs again and again,
59
130000
2000
हम ये विनिमय बार बार करते हैं
02:27
multiple times a day.
60
132000
2000
दिन में कई बार|
02:29
We often won't even notice them.
61
134000
2000
हम कई बार इन पर ध्यान भी नहीं देते हैं|
02:31
They're just part of being alive; we all do it.
62
136000
2000
ये तो बस एक हिस्सा है जीवित होने का, हम सब करते हैं|
02:33
Every species does it.
63
138000
3000
हर प्रजाति करती हैं|
02:36
Imagine a rabbit in a field, eating grass,
64
141000
2000
कल्पना कीजिये एक खरगोश मैदान में घास खा रहा हैं,
02:38
and the rabbit's going to see a fox.
65
143000
3000
अब अगर खरगोश लोमड़ी को देखता है|
02:41
That rabbit will make a security trade-off:
66
146000
2000
तो वो तुरंत एक सुरक्षा विनिमय करेगा,
02:43
"Should I stay, or should I flee?"
67
148000
2000
"मैं यहाँ रुकूं?" या "मै यहाँ से भाग जाऊ?"
02:45
And if you think about it,
68
150000
2000
और अगर आप इस बारें में सोचे
02:47
the rabbits that are good at making that trade-off
69
152000
3000
तो वो खरगोश जो अच्छे होते हैं इस तरह के विनिमय में वो
02:50
will tend to live and reproduce,
70
155000
2000
ज्यादा समय तक जिन्दा रहते हैं और प्रजनन करते हैं|
02:52
and the rabbits that are bad at it
71
157000
2000
और वो खरगोश जो अच्छे नहीं होते हैं वो
02:54
will get eaten or starve.
72
159000
2000
या तो शिकार बन जाते हैं या भूख से मर जाते हैं|
02:56
So you'd think
73
161000
2000
तो अब आप सोचेंगे,
02:58
that us, as a successful species on the planet --
74
163000
3000
कि हम, सफल प्रजाति होने के नाते,
03:01
you, me, everybody --
75
166000
2000
आप, मैं, हम सब
03:03
would be really good at making these trade-offs.
76
168000
3000
इस तरह के विनिमय में बहुत अच्छे हैं |
03:06
Yet it seems, again and again,
77
171000
2000
ऐसा होने पर भी बार बार प्रतीत होता है,
03:08
that we're hopelessly bad at it.
78
173000
3000
कि हम लोग निराशापूर्ण रूप से अच्छे नहीं हैं|
03:11
And I think that's a fundamentally interesting question.
79
176000
3000
और मैं ये सोचता हूँ कि ये एक आधारभूत रोचक सवाल है|
03:14
I'll give you the short answer.
80
179000
2000
मैं आपको बहुत ही छोटा सा जवाब दूंगा|
03:16
The answer is, we respond to the feeling of security
81
181000
2000
जवाब यह है कि हम लोग प्रतिक्रिया करते है सुरक्षा की भावना पर
03:18
and not the reality.
82
183000
3000
ना कि सुरक्षा की सच्चाई पर |
03:21
Now most of the time, that works.
83
186000
3000
हाँ ज्यादातर समय ये काम करती हैं |
03:25
Most of the time,
84
190000
2000
क्यूंकि ज्यादातर समय
03:27
feeling and reality are the same.
85
192000
3000
सुरक्षा की भावना और सुरक्षा की सच्चाई एक सी ही होती हैं |
03:30
Certainly that's true
86
195000
2000
निश्चित तौर पे ये सच हैं
03:32
for most of human prehistory.
87
197000
3000
ज्यादातर प्रागतिहासिक मानव के लिए |
03:35
We've developed this ability
88
200000
3000
हमने ये योग्यता विकसित की हैं
03:38
because it makes evolutionary sense.
89
203000
2000
क्यूंकि ये हमारे विकसित होने से जुड़ी हुई है |
03:40
One way to think of it
90
205000
2000
एक तरीका ऐसे सोचने का हैं
03:42
is that we're highly optimized
91
207000
2000
कि हम लोग बहुत ही ज्यादा परिष्कृत हैं
03:44
for risk decisions
92
209000
2000
ऐसे खतरों से भरे निर्णय लेने में
03:46
that are endemic to living in small family groups
93
211000
3000
जो छोटे परिवारों में रहने वालो के लिए रोजमर्रा की बात होती थी
03:49
in the East African highlands in 100,000 B.C.
94
214000
3000
१०००० इ पूर्व, पूर्वी अफ्रीकन मैदोनो में --
03:52
2010 New York, not so much.
95
217000
3000
२०१० में न्यू योर्क इस तरह का नहीं हैं |
03:56
Now there are several biases in risk perception.
96
221000
3000
अब खतरे को समझना बहुत तरह से पक्षपात पूर्ण है |
03:59
A lot of good experiments in this.
97
224000
2000
बहुत सारे अच्छे प्रयोग हुए हैं|
04:01
And you can see certain biases that come up again and again.
98
226000
3000
और आप देख सकते हैं इस पक्षपात ( झुकाव ) को बार बार आते हुए |
04:04
So I'll give you four.
99
229000
2000
तो मैं आपको चार प्रयोग बताऊंगा |
04:06
We tend to exaggerate spectacular and rare risks
100
231000
3000
हमारा झुकाव होता हैं असाधारण और विरले खतरों को बढ़ा चढ़ा कर बताने की ओर
04:09
and downplay common risks --
101
234000
2000
और सामान्य खतरों की अहमियत कम करने की ओर,
04:11
so flying versus driving.
102
236000
3000
जैसे हवाई जहाज की अपेक्षा कार का सफ़र |
04:14
The unknown is perceived
103
239000
2000
अनजाने खतरों को हम परिचित खतरों से
04:16
to be riskier than the familiar.
104
241000
3000
ज्यादा खतरनाक समझते हैं
04:20
One example would be,
105
245000
2000
एक उदाहरण हो सकता है
04:22
people fear kidnapping by strangers
106
247000
3000
कि लोग अनजान लोगो के द्वारा अपहरण से डरते हैं,
04:25
when the data supports kidnapping by relatives is much more common.
107
250000
3000
जबकि आंकड़े बतलाते हैं कि रिश्तेदारों के द्वारा अपहरण होना ज्यादा सामान्य है |
04:28
This is for children.
108
253000
2000
यह आंकड़े बच्चो के लिए हैं|
04:30
Third, personified risks
109
255000
3000
तीसरा, खतरे जिन्हें चेहरे दिए गए हो
04:33
are perceived to be greater than anonymous risks --
110
258000
3000
गुमनाम खतरे की अपेक्षा ज्यादा खतरनाक लगते हैं
04:36
so Bin Laden is scarier because he has a name.
111
261000
3000
तो बिन लादेन डरावना है क्यूंकि उसका नाम है|
04:39
And the fourth
112
264000
2000
और चौथा,
04:41
is people underestimate risks
113
266000
2000
लोग खतरों को कम कर के आंकते हैं
04:43
in situations they do control
114
268000
2000
उन परिस्थितिओ में जिनको वो नियंत्रित कर सकते हैं
04:45
and overestimate them in situations they don't control.
115
270000
4000
और बढ़ा चढ़ा कर आंकते है उन परिस्थितिओ में जिनको वो नियंत्रित नहीं कर सकते हैं |
04:49
So once you take up skydiving or smoking,
116
274000
3000
तो जब आप स्काय डाइविंग या धुम्रपान के लिए जाते हैं
04:52
you downplay the risks.
117
277000
2000
आप खतरों को कम कर के आंकते हैं |
04:54
If a risk is thrust upon you -- terrorism was a good example --
118
279000
3000
अगर आप पर कोई खतरा थोपा जाता हैं जैसे कि आतंकवाद एक अच्छा उदहारण हैं
04:57
you'll overplay it because you don't feel like it's in your control.
119
282000
3000
तो आप बढ़ा चढ़ा कर प्रतिक्रिया देते हैं, क्युकि आपको ये आपके नियंत्रण में नहीं लगता हैं |
05:02
There are a bunch of other of these biases, these cognitive biases,
120
287000
3000
ऐसे ही बहुत सारे पक्षपात करते हैं विशेषतः दिमागी पक्षपात
05:05
that affect our risk decisions.
121
290000
3000
जो हमारे खतरों से जुड़े निर्णयों पर प्रभाव डालते हैं |
05:08
There's the availability heuristic,
122
293000
2000
हमारे पास अपने अनुभव की उपलब्धता हैं
05:10
which basically means
123
295000
2000
जिसका असल में मतलब हैं कि,
05:12
we estimate the probability of something
124
297000
3000
हम किसी चीज़ के होने की प्रायिकता का अनुमान
05:15
by how easy it is to bring instances of it to mind.
125
300000
4000
इस बात से लगाते हैं कि उससे जुड़ी घटनाओ को कितनी सरलता से हम सोच सकते हैं
05:19
So you can imagine how that works.
126
304000
2000
तो आप ये कल्पना कर सकते हैं कि ये कैसे काम करती हैं,
05:21
If you hear a lot about tiger attacks, there must be a lot of tigers around.
127
306000
3000
जैसे कि अगर आपने बाघों के आक्रमण के बारे में बहुत सुना हैं तो बहुत सारे बाघ आस पास ही होंगे
05:24
You don't hear about lion attacks, there aren't a lot of lions around.
128
309000
3000
अगर आपने शेरो के आक्रमण के बारे में नहीं सुना है तो बहुत सारे शेर आस पास नही होंगे |
05:27
This works until you invent newspapers.
129
312000
3000
यह काम करता हैं जब तक समाचार पत्र इजाद नहीं हुए थे |
05:30
Because what newspapers do
130
315000
2000
क्यूंकि समाचार् पत्र जो करते हैं वो ये
05:32
is they repeat again and again
131
317000
2000
कि वो बार बार दुहराते हैं
05:34
rare risks.
132
319000
2000
विरले खतरों को|
05:36
I tell people, if it's in the news, don't worry about it.
133
321000
2000
मैं लोगो से कहता हूँ कि अगर ये समाचार हैं तो इससे डरने की जरुरत नहीं
05:38
Because by definition,
134
323000
2000
क्यूंकि परिभाषा से
05:40
news is something that almost never happens.
135
325000
3000
समाचार वो हैं जो ज्यादातर कभी भी घटित नहीं होता|
05:43
(Laughter)
136
328000
2000
( हंसी )
05:45
When something is so common, it's no longer news --
137
330000
3000
जब चीज़े इतनी सामान्य हो जाये तो वो समाचार नहीं रह जाती,
05:48
car crashes, domestic violence --
138
333000
2000
कार का टकराना, घरेलु हिंसा
05:50
those are the risks you worry about.
139
335000
3000
ये सारे खतरें हैं जिनकी आपको चिंता करनी चाहिए |
05:53
We're also a species of storytellers.
140
338000
2000
हम भी कहानी बताने वालों की प्रजाति हैं,
05:55
We respond to stories more than data.
141
340000
3000
हम आंकड़ो की अपेक्षा कहनियों पर ज्यादा प्रतिक्रिया देते हैं
05:58
And there's some basic innumeracy going on.
142
343000
2000
और कुछ मूलभूत अज्ञानता अभी भी चल रही हैं |
06:00
I mean, the joke "One, Two, Three, Many" is kind of right.
143
345000
3000
मेरा मतलब हैं कि चुटकुला "एक, दो, तीन और कई" कुछ हद तक सही हैं
06:03
We're really good at small numbers.
144
348000
3000
हम छोटे संख्याओ पर बहुत अच्छे हैं,
06:06
One mango, two mangoes, three mangoes,
145
351000
2000
एक आम, दो आम, तीन आम,
06:08
10,000 mangoes, 100,000 mangoes --
146
353000
2000
१०००० आम, १००००० आम,
06:10
it's still more mangoes you can eat before they rot.
147
355000
3000
अभी भी बहुत से आम हैं जिन्हें ख़राब होने के पहले खाया जा सकता है
06:13
So one half, one quarter, one fifth -- we're good at that.
148
358000
3000
तो १/२ , १/४, १/५ हम इनमे अच्छे हैं |
06:16
One in a million, one in a billion --
149
361000
2000
लाखो में एक, करोड़ो में एक
06:18
they're both almost never.
150
363000
3000
ये दोनों लगभग कभी नहीं होते |
06:21
So we have trouble with the risks
151
366000
2000
तो हमे उन खतरों से परेशानी होती हैं
06:23
that aren't very common.
152
368000
2000
जो इतने सामान्य नहीं हैं |
06:25
And what these cognitive biases do
153
370000
2000
और ये दिमागी पक्षपात हमारे और सच्चाई के
06:27
is they act as filters between us and reality.
154
372000
3000
बीच में छलनी की तरह कार्य करता हैं |
06:30
And the result
155
375000
2000
और परिणाम ये कि
06:32
is that feeling and reality get out of whack,
156
377000
2000
जब अचानक अहसास और सच्चाई बाहर आते हैं
06:34
they get different.
157
379000
3000
तो वो अलग अलग होते हैं|
06:37
Now you either have a feeling -- you feel more secure than you are.
158
382000
3000
तो अब पहले से ज्यादा सुरक्षित होने का अहसास हो सकता हैं
06:40
There's a false sense of security.
159
385000
2000
सुरक्षित होने का एक झूठा भाव
06:42
Or the other way,
160
387000
2000
या फिर दूसरी तरफ
06:44
and that's a false sense of insecurity.
161
389000
2000
असुरक्षित होने का एक झूठा भाव
06:46
I write a lot about "security theater,"
162
391000
3000
मैंने "सुरक्षित थेअटर" के बारे में बहुत लिखा है
06:49
which are products that make people feel secure,
163
394000
3000
जो ऐसे उत्पाद हैं जो लोगों को महसूस कराते हैं कि वो सुरक्षित हैं,
06:52
but don't actually do anything.
164
397000
2000
जबकि वास्तविकता में वो कुछ नहीं करते |
06:54
There's no real word for stuff that makes us secure,
165
399000
2000
ऐसी चीज़ के लिए कोई भी शब्द नहीं हैं जो हमे सुरक्षित तो करे
06:56
but doesn't make us feel secure.
166
401000
2000
लेकिन सुरक्षित होने का अहसास ना कराये |
06:58
Maybe it's what the CIA's supposed to do for us.
167
403000
3000
शायद हमारे लिए सी. आई. ऐ. का यही काम हैं
07:03
So back to economics.
168
408000
2000
तो वापस चलते हैं अर्थशास्त्र की तरफ
07:05
If economics, if the market, drives security,
169
410000
4000
यदि अर्थशास्त्र, यदि बाज़ार, चलाते हैं सुरक्षा को
07:09
and if people make trade-offs
170
414000
2000
और यदि लोग विनिमय करते हैं
07:11
based on the feeling of security,
171
416000
3000
अपने सुरक्षित होने के अहसास के आधार पर,
07:14
then the smart thing for companies to do
172
419000
2000
तब जो समझदारी भरा काम जो कंपनियां कर सकती हैं,
07:16
for the economic incentives
173
421000
2000
आर्थिक फायदों के लिए
07:18
are to make people feel secure.
174
423000
3000
वो ये कि वो लोगों को सुरक्षित महसूस कराये |
07:21
And there are two ways to do this.
175
426000
3000
और ये करने के दो तरीके हैं
07:24
One, you can make people actually secure
176
429000
2000
पहला कि आप लोगों को असलियत में सुरक्षित रखे
07:26
and hope they notice.
177
431000
2000
और उम्मीद रखे कि उन्हें पता चले |
07:28
Or two, you can make people just feel secure
178
433000
3000
या दूसरा कि आप लोगों को बस सुरक्षित महसूस कराये
07:31
and hope they don't notice.
179
436000
3000
और ये उम्मीद रखे कि उन्हें पता नहीं चले |
07:35
So what makes people notice?
180
440000
3000
तो ऐसा क्या हैं जिससे लोग को पता चलता हैं?
07:38
Well a couple of things:
181
443000
2000
कई चीज़ों से :
07:40
understanding of the security,
182
445000
2000
सुरक्षा की समझ,
07:42
of the risks, the threats,
183
447000
2000
खतरों की समझ, आतंक की समझ,
07:44
the countermeasures, how they work.
184
449000
3000
और उपायों की, वो कैसे काम करते हैं|
07:47
But if you know stuff,
185
452000
2000
लेकिन अगर आप चीज़ों को समझते हैं
07:49
you're more likely to have your feelings match reality.
186
454000
3000
तब ज्यादा सम्भावना हैं कि आपके अहसास सच्चाई के जैसे ही होंगे |
07:52
Enough real world examples helps.
187
457000
3000
पर्याप्त वास्तविक उदहारण मदद करेंगे|
07:55
Now we all know the crime rate in our neighborhood,
188
460000
3000
अभी हम सब अपने आस पड़ोस में जुर्म की दर जानते हैं,
07:58
because we live there, and we get a feeling about it
189
463000
3000
क्यूंकि हम वहां रहते हैं और हमे वहां का अहसास है
08:01
that basically matches reality.
190
466000
3000
जो सच्चाई के साथ बिलकुल सही बैठता है |
08:04
Security theater's exposed
191
469000
3000
तो सुरक्षा के थेअटर का तब पर्दाफाश हो जाता हैं
08:07
when it's obvious that it's not working properly.
192
472000
3000
जब ये साफ़ हो जाये कि ये ठीक से काम नहीं कर रहा |
08:10
Okay, so what makes people not notice?
193
475000
4000
अच्छा तो ऐसा क्या हैं जिससे लोगों को पता नहीं चलता,
08:14
Well, a poor understanding.
194
479000
2000
तंत्र की कम समझ
08:16
If you don't understand the risks, you don't understand the costs,
195
481000
3000
यदि आप खतरों को नहीं समझेंगे तो आप कीमत नहीं समझेंगे
08:19
you're likely to get the trade-off wrong,
196
484000
2000
और संभवत: गलत विनिमय करेंगे |
08:21
and your feeling doesn't match reality.
197
486000
3000
और आपका अहसास सच्चाई के जैसा नहीं होगा |
08:24
Not enough examples.
198
489000
2000
ज्यादा पर्याप्त उदहारण नहीं हैं |
08:26
There's an inherent problem
199
491000
2000
ये कम प्रायिकता वाली घटनायो के साथ
08:28
with low probability events.
200
493000
2000
एक अंदरूनी समस्या हैं |
08:30
If, for example,
201
495000
2000
उदहारण के लिए,
08:32
terrorism almost never happens,
202
497000
2000
आतंकवाद लग भग नहीं के बराबर ही घटित होता है,
08:34
it's really hard to judge
203
499000
2000
तो आतंकवाद विरोधी उपायों
08:36
the efficacy of counter-terrorist measures.
204
501000
3000
के प्रभाविकता का आंकलन करना बहुत ही कठिन है |
08:40
This is why you keep sacrificing virgins,
205
505000
3000
इसीलिए तो आप virgins का बलिदान देते आ रहे हैं
08:43
and why your unicorn defenses are working just great.
206
508000
3000
और इसीलिए तो आपका unicorn पे आधारित बचाव बहुत अच्छा काम कर रहा है |
08:46
There aren't enough examples of failures.
207
511000
3000
यहाँ असफलता के बहुत पर्याप्त उदहारण नहीं हैं|
08:50
Also, feelings that are clouding the issues --
208
515000
3000
साथ ही साथ भावनाए जो धुंधला कर रही हैं, जैसे की ,
08:53
the cognitive biases I talked about earlier,
209
518000
2000
दिमागी पक्षपात, जिसके बारे में मैंने पहले बात की,
08:55
fears, folk beliefs,
210
520000
3000
डर, स्थानीय विश्वास,
08:58
basically an inadequate model of reality.
211
523000
3000
वो असल में सच्चाई का एक अपर्याप्त नमूना है |
09:02
So let me complicate things.
212
527000
3000
तो मुझे चीज़ों को जटिल बनाने दे |
09:05
I have feeling and reality.
213
530000
2000
मेरे पास अहसास और सच्चाई हैं |
09:07
I want to add a third element. I want to add model.
214
532000
3000
अब मैं एक तीसरा अवयव जोड़ना चाहता हूँ | मैं "नमूना" जोड़ना चाहूँगा |
09:10
Feeling and model in our head,
215
535000
2000
अहसास और नमूना हमारे दिमाग में और
09:12
reality is the outside world.
216
537000
2000
सच्चाई बाहर दुनिया में |
09:14
It doesn't change; it's real.
217
539000
3000
ये नहीं बदलती हैं, ये सच हैं |
09:17
So feeling is based on our intuition.
218
542000
2000
तो अहसास हमारे सहज ज्ञान पर आधारित हैं|
09:19
Model is based on reason.
219
544000
2000
नमूना तर्क पर आधारित हैं |
09:21
That's basically the difference.
220
546000
3000
इन दोनों के बीच में यही मूल भिन्नता हैं |
09:24
In a primitive and simple world,
221
549000
2000
आदिम और सरल दुनिया में
09:26
there's really no reason for a model
222
551000
3000
नमूने के लिए वास्तविकता में कोई तर्क नहीं है |
09:29
because feeling is close to reality.
223
554000
3000
क्यूंकि अहसास सच्चाई के बहुत करीब है |
09:32
You don't need a model.
224
557000
2000
तो आपको नमूने की जरुरत नहीं है |
09:34
But in a modern and complex world,
225
559000
2000
लेकिन एक नए और जटिल दुनिया में
09:36
you need models
226
561000
2000
आपको नमूनों की जरुरत हैं -
09:38
to understand a lot of the risks we face.
227
563000
3000
उन खतरों को समझने के लिए जिनका हम सामना करते हैं |
09:42
There's no feeling about germs.
228
567000
2000
जीवाणुओं के लिए हममे कोई अहसास नहीं होता |
09:44
You need a model to understand them.
229
569000
3000
आपको एक नमूने की जरुरत होगी उन्हें समझने के लिए |
09:47
So this model
230
572000
2000
तो ये नमूना
09:49
is an intelligent representation of reality.
231
574000
3000
सच्चाई का एक समझदारी भरा प्रस्तुतीकरण है |
09:52
It's, of course, limited by science,
232
577000
3000
ये, बिलकुल बंधा हुआ है विज्ञान से,
09:55
by technology.
233
580000
2000
तकनीक से |
09:57
We couldn't have a germ theory of disease
234
582000
3000
जीवाणुओं को देखने के लिए, माइक्रोस्कोप का इजाद होने से पहले
10:00
before we invented the microscope to see them.
235
585000
3000
हमारे पास बीमारियों के लिए जीवाणु का सिद्धांत नहीं हो सकता था
10:04
It's limited by our cognitive biases.
236
589000
3000
ये बंधा हुआ है हमारे दिमागी पक्षपात से |
10:07
But it has the ability
237
592000
2000
लेकिन इसके पास योग्यता है कि
10:09
to override our feelings.
238
594000
2000
ये हमारे अहसासों को रद्द कर सकता है |
10:11
Where do we get these models? We get them from others.
239
596000
3000
तो ये नमूने हमको कहाँ से मिलेंगे? हमको ये दूसरो से मिलते हैं |
10:14
We get them from religion, from culture,
240
599000
3000
हमे धर्मं, संस्कृति, शिक्षक और बड़े बुजुर्गो
10:17
teachers, elders.
241
602000
2000
से ये नमूने मिलते हैं |
10:19
A couple years ago,
242
604000
2000
कुछ साल पहले
10:21
I was in South Africa on safari.
243
606000
2000
मैं द. अफ्रीका में जंगल की सैर पर था,
10:23
The tracker I was with grew up in Kruger National Park.
244
608000
3000
मैं जिस शिकारी के साथ था वो क्रूगर राष्ट्रीय पार्क में बड़ा हुआ था,
10:26
He had some very complex models of how to survive.
245
611000
3000
उसके पास जंगल में जीवन को बचाने के बहुत ही जटिल नमूने थे
10:29
And it depended on if you were attacked
246
614000
2000
और ये निर्भर करते हैं कि अगर आप पर हमला
10:31
by a lion or a leopard or a rhino or an elephant --
247
616000
2000
किसी शेर ने या तेंदुआ ने या गेंडे ने या एक हाथी ने किया हैं --
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
और कब आपको भागना होगा और कब आपको किसी पेड़ पे चढ़ना होगा |
10:36
when you could never climb a tree.
249
621000
2000
जब आप पेड़ पर कभी चढ़ ही नहीं सकते
10:38
I would have died in a day,
250
623000
3000
तो मैं वहां एक दिन में मर गया होता,
10:41
but he was born there,
251
626000
2000
लेकिन वो वहां पैदा हुआ था
10:43
and he understood how to survive.
252
628000
2000
और वो समझता था कि कैसे जीवित रहा जाए
10:45
I was born in New York City.
253
630000
2000
मै न्यू योर्क शहर में पैदा हुआ था,
10:47
I could have taken him to New York, and he would have died in a day.
254
632000
3000
अगर मै उसे अपने साथ यहाँ ले आया होता और वो यहाँ एक दिन में मर गया होता |
10:50
(Laughter)
255
635000
2000
(हंसी)
10:52
Because we had different models
256
637000
2000
क्यूंकि हमारे नमूने अलग अलग हैं,
10:54
based on our different experiences.
257
639000
3000
जो हमारे अलग अलग अनुभवों पर आधारित है |
10:58
Models can come from the media,
258
643000
2000
नमूने संचार के माध्यम से आ सकते हैं
11:00
from our elected officials.
259
645000
3000
हमारे चुने हुए अधिकारीयों से |
11:03
Think of models of terrorism,
260
648000
3000
सोचें जरा आतंकवाद के नमूने को,
11:06
child kidnapping,
261
651000
3000
बच्चो के अपहरण के नमूने को,
11:09
airline safety, car safety.
262
654000
2000
हवाई जहाज सुरक्षा, कार सुरक्षा,
11:11
Models can come from industry.
263
656000
3000
नमूने आ सकते हैं उद्योग से |
11:14
The two I'm following are surveillance cameras,
264
659000
2000
जो दो मै सोच रहा हूँ वो हैं निगरानी कैमरा
11:16
ID cards,
265
661000
2000
और आई. डी. कार्ड्स ,
11:18
quite a lot of our computer security models come from there.
266
663000
3000
बहुत सारे कंप्यूटर सुरक्षा के नमूने यही से आये हुए हैं |
11:21
A lot of models come from science.
267
666000
3000
कई नमूने विज्ञान से आये हुए हैं |
11:24
Health models are a great example.
268
669000
2000
स्वास्थ्य के नमूने अच्छे उदाहरण हैं |
11:26
Think of cancer, of bird flu, swine flu, SARS.
269
671000
3000
कैंसर, बर्ड फ्लू, स्वीन फ्लू, स.अ.र.स. के बारे में सोचिए |
11:29
All of our feelings of security
270
674000
3000
इन बीमारियों के बारे में हमारे
11:32
about those diseases
271
677000
2000
सुरक्षा के सारे अहसास
11:34
come from models
272
679000
2000
उन नमूनों से आते हैं,
11:36
given to us, really, by science filtered through the media.
273
681000
3000
जो हमे दिए जाते हैं, असल में संचार माध्यम के द्वारा छान हुए विज्ञान से |
11:40
So models can change.
274
685000
3000
तो नमूने बदल सकते हैं |
11:43
Models are not static.
275
688000
2000
नमूने स्थायी नहीं है
11:45
As we become more comfortable in our environments,
276
690000
3000
जैसे जैसे हम अपने वातावरण में ज्यादा आरामदायक महसूस करते हैं,
11:48
our model can move closer to our feelings.
277
693000
4000
हमारा नमूना हमारे अहसासों के और करीब होता जाता है |
11:53
So an example might be,
278
698000
2000
तो एक उदहारण हो सकता है,
11:55
if you go back 100 years ago
279
700000
2000
अगर आप १०० साल पीछे जाएँ
11:57
when electricity was first becoming common,
280
702000
3000
जब पहली बार बिजली सामान्य हो रही थी,
12:00
there were a lot of fears about it.
281
705000
2000
तब इसके बारे में कई डर थे |
12:02
I mean, there were people who were afraid to push doorbells,
282
707000
2000
मेरा मतलब, कई लोग डरते थे दरवाजे की घंटी बजाने से
12:04
because there was electricity in there, and that was dangerous.
283
709000
3000
क्यूंकि उसमे बिजली थी और उनके लिए वो खतरनाक थी
12:07
For us, we're very facile around electricity.
284
712000
3000
हमारे लिए बिजली से जुड़ी चीजे बहुत आसान हैं
12:10
We change light bulbs
285
715000
2000
हम बिजली के बल्ब बदलते हैं
12:12
without even thinking about it.
286
717000
2000
बिजली के बारे में बिना सोचे हुए |
12:14
Our model of security around electricity
287
719000
4000
बिजली के लिए हमारा सुरक्षा नमूना
12:18
is something we were born into.
288
723000
3000
कुछ ऐसा है जिसमे हम पैदा हुए हैं |
12:21
It hasn't changed as we were growing up.
289
726000
3000
हमारे बड़े होने के साथ यह बदला नहीं है
12:24
And we're good at it.
290
729000
3000
और हम इसमें अच्छे हैं|
12:27
Or think of the risks
291
732000
2000
या सोचिये इन्टरनेट के
12:29
on the Internet across generations --
292
734000
2000
विभिन्न पीढियों के लिए खतरे के बारे में --
12:31
how your parents approach Internet security,
293
736000
2000
आपके परेंट्स इन्टरनेट सुरक्षा के बारे में कैसे सोचते हैं,
12:33
versus how you do,
294
738000
2000
और आप कैसे सोचते हैं
12:35
versus how our kids will.
295
740000
3000
और आपके बच्चे कैसे सोचेंगे |
12:38
Models eventually fade into the background.
296
743000
3000
पृष्टभूमि में नमूने आख़िरकार गायब हो जायंगे
12:42
Intuitive is just another word for familiar.
297
747000
3000
सहज ज्ञान का दूसरा नाम परिचित होना है|
12:45
So as your model is close to reality,
298
750000
2000
तो अगर नमूना सच्चाई के करीब है
12:47
and it converges with feelings,
299
752000
2000
और ये हमारे अहसासों से मिल जायेंगे,
12:49
you often don't know it's there.
300
754000
3000
और जयादातर समय आपको पता भी नहीं चलेगा |
12:52
So a nice example of this
301
757000
2000
तो एक अच्छा उदहारण इसका आता है
12:54
came from last year and swine flu.
302
759000
3000
पिछले साल स्वीन फ्लू से |
12:57
When swine flu first appeared,
303
762000
2000
जब स्वेन फ्लू पहली बार आया
12:59
the initial news caused a lot of overreaction.
304
764000
4000
तब पहले पहले समाचार ने जरुरत से ज्यादा प्रतिक्रिया पैदा की |
13:03
Now it had a name,
305
768000
2000
अब इसका नाम है
13:05
which made it scarier than the regular flu,
306
770000
2000
जिसने इसको और डरावना बना दिया
13:07
even though it was more deadly.
307
772000
2000
सामान्य फ्लू से भले ही ये ज्यादा घातक था |
13:09
And people thought doctors should be able to deal with it.
308
774000
4000
और लोगों ने सोचा डाक्टर्स इस लायक है कि वो इसका उपाय ढूंढ़ लेंगे|
13:13
So there was that feeling of lack of control.
309
778000
2000
तो यहाँ पे एक अहसास था की स्थिति नियंत्रण से बाहर है |
13:15
And those two things
310
780000
2000
और इन दोनों चीज़ों
13:17
made the risk more than it was.
311
782000
2000
ने खतरों को वास्तविकता से बड़ा बना दिया |
13:19
As the novelty wore off, the months went by,
312
784000
3000
जैसे जैसे अनूठापन गया, महीने बीतें,
13:22
there was some amount of tolerance,
313
787000
2000
सहन करने की क्षमता बढ़ी,
13:24
people got used to it.
314
789000
2000
और लोगों को इसकी आदत हो गयी
13:26
There was no new data, but there was less fear.
315
791000
3000
अब कोई नए आंकड़े नहीं थे, लेकिन फिर भी डर कम था |
13:29
By autumn,
316
794000
2000
शरद ऋतू के आते
13:31
people thought
317
796000
2000
तक लोंगो ने सोचा कि
13:33
the doctors should have solved this already.
318
798000
2000
डाक्टर्स ने इसे सुलझा लिया होगा |
13:35
And there's kind of a bifurcation --
319
800000
2000
और यहाँ एक प्रकार का द्वि विभाजन है,
13:37
people had to choose
320
802000
2000
लोगों को चुनना था
13:39
between fear and acceptance --
321
804000
4000
डर और सच को स्वीकार करने में
13:43
actually fear and indifference --
322
808000
2000
असल में डर और उदासीनता के बीच में,
13:45
they kind of chose suspicion.
323
810000
3000
उन्होंने एक प्रकार से संदेह चुना |
13:48
And when the vaccine appeared last winter,
324
813000
3000
और जब पिछले ठण्ड में टीका आया,
13:51
there were a lot of people -- a surprising number --
325
816000
3000
बहुत से लोग ऐसे थे - बहुत ज्यादा -
13:54
who refused to get it --
326
819000
3000
जिन्होंने टीका लेने से मना कर दिया --
13:58
as a nice example
327
823000
2000
एक अच्छा उदहारण
14:00
of how people's feelings of security change, how their model changes,
328
825000
3000
लोगों के अहसास कैसे बदलते हैं, नमूने कैसे बदलते हैं,
14:03
sort of wildly
329
828000
2000
अजीबोगरीब रूप से,
14:05
with no new information,
330
830000
2000
कोई नयी सूचना ना होने के बाद भी,
14:07
with no new input.
331
832000
2000
कोई नयी सूचना नहीं,
14:09
This kind of thing happens a lot.
332
834000
3000
ये अक्सर होता है |
14:12
I'm going to give one more complication.
333
837000
3000
मैं एक नयी जटिलता देने वाला हूँ,
14:15
We have feeling, model, reality.
334
840000
3000
हमारे पास अहसास है, नमूने हैं, सच्चाई हैं |
14:18
I have a very relativistic view of security.
335
843000
2000
मेरे पास सुरक्षा का परस्पर दृश्य है |
14:20
I think it depends on the observer.
336
845000
3000
मैं सोचता हूँ ये देखने वाले पर निर्भर करता है |
14:23
And most security decisions
337
848000
2000
और जयादा सुरक्षा निर्णयों में
14:25
have a variety of people involved.
338
850000
4000
बहुत से लोग शामिल रहते हैं |
14:29
And stakeholders
339
854000
2000
और भागीदार
14:31
with specific trade-offs
340
856000
3000
जिनकी अपनी विनिमय शर्ते हैं
14:34
will try to influence the decision.
341
859000
2000
निर्णय को प्रभावित करने की कोशिश करते है |
14:36
And I call that their agenda.
342
861000
2000
और मैं इसके उनका अजेंडा कहता हूँ |
14:38
And you see agenda --
343
863000
2000
और आप देख सकते हैं कि उनका अजेंडा ,
14:40
this is marketing, this is politics --
344
865000
3000
ये दुकानदारी, ये राजनीति
14:43
trying to convince you to have one model versus another,
345
868000
3000
कोशिश करती रहती है कि आप एक नमूने के ऊपर दुसरे को चुने |
14:46
trying to convince you to ignore a model
346
871000
2000
कोशिश करते है कि आप एक नमूने को नजर अंदाज करें
14:48
and trust your feelings,
347
873000
3000
और अपनी भावनाओं का भरोसा करें,
14:51
marginalizing people with models you don't like.
348
876000
3000
उन लोगों प्रभावहीन करना जो उस नमूने का समर्थन करते हैं जिनको आप नहीं पसंद करते |
14:54
This is not uncommon.
349
879000
3000
ये बहुत अनोखा नहीं है |
14:57
An example, a great example, is the risk of smoking.
350
882000
3000
एक उदाहरण, एक बहुत बढ़िया उदाहरण है, धुम्रपान का खतरा |
15:01
In the history of the past 50 years, the smoking risk
351
886000
3000
पिछले ५० सालों के इतिहास में, धुम्रपान का खतरा
15:04
shows how a model changes,
352
889000
2000
बतलाता है एक नमूना कैसे बदलता है ,
15:06
and it also shows how an industry fights against
353
891000
3000
और ये भी कि एक उद्योग कैसे लड़ता है
15:09
a model it doesn't like.
354
894000
2000
एक नमूने से जिसको वो पसंद नहीं करता |
15:11
Compare that to the secondhand smoke debate --
355
896000
3000
उसी पुरानी धूम्रपान की बहस की तुलना में --
15:14
probably about 20 years behind.
356
899000
3000
शायद लगभग २० साल पहले |
15:17
Think about seat belts.
357
902000
2000
सीट बेल्ट के बारे में सोचें |
15:19
When I was a kid, no one wore a seat belt.
358
904000
2000
जब मैं बच्चा था तब कोई भी सीट बेल्ट नहीं पहनता था |
15:21
Nowadays, no kid will let you drive
359
906000
2000
आज कल कोई बच्चा आपको गाडी चलाने नहीं देगा
15:23
if you're not wearing a seat belt.
360
908000
2000
अगर आपने सीट बेल्ट ना लगायी हो तो |
15:26
Compare that to the airbag debate --
361
911000
2000
एयर बैग की बहस की तुलना में --
15:28
probably about 30 years behind.
362
913000
3000
शायद लग भग ३० साल पहले |
15:31
All examples of models changing.
363
916000
3000
सारे उदाहरण नमूनों के बदल रहे है |
15:36
What we learn is that changing models is hard.
364
921000
3000
हमने ये सीखा कि नमूनों को बदलना कठिन है |
15:39
Models are hard to dislodge.
365
924000
2000
नमूनों को शक्ति से हटाना कठिन है |
15:41
If they equal your feelings,
366
926000
2000
अगर वो आपकी भावनाओं के करीब है तो
15:43
you don't even know you have a model.
367
928000
3000
आपको पता भी नहीं चलेगा की आपके पास एक नमूना है|
15:46
And there's another cognitive bias
368
931000
2000
और यहाँ पे एक और दिमागी पक्षपात है,
15:48
I'll call confirmation bias,
369
933000
2000
जिसे मैं कहूँगा " सुनिश्चित पक्षपात "
15:50
where we tend to accept data
370
935000
3000
जहाँ हम उन आंकड़ो को स्वीकार करते हैं
15:53
that confirms our beliefs
371
938000
2000
जो हमारे विशवास से मिलते हैं
15:55
and reject data that contradicts our beliefs.
372
940000
3000
और उन आंकड़ों को अस्वीकार कर देते हैं
15:59
So evidence against our model,
373
944000
2000
जो हमारे विश्वासों के खिलाफ होते हैं |
16:01
we're likely to ignore, even if it's compelling.
374
946000
3000
संभवत: हम इन्हें नज़र अंदाज़ कर देंगे भले ही वो बहुत सही हो
16:04
It has to get very compelling before we'll pay attention.
375
949000
3000
इसको बहुत ही जयादा अकाट्य होना पड़ेगा इसके पहले की हम ध्यान देना शुरू करें |
16:08
New models that extend long periods of time are hard.
376
953000
2000
नए नमूने जो इतने लम्बे समय तक चलते हैं वो कठिन होते हैं |
16:10
Global warming is a great example.
377
955000
2000
ग्लोबल वार्मिंग एक अच्छा उदाहरण है |
16:12
We're terrible
378
957000
2000
हम लोग बहुत ही भयानक है
16:14
at models that span 80 years.
379
959000
2000
ऐसे नमूने में जो ८० साल का है |
16:16
We can do to the next harvest.
380
961000
2000
हम लोग अगली फसल तक ये कर सकते है |
16:18
We can often do until our kids grow up.
381
963000
3000
हम तब तक ये कर सकते है जब तक हमारे बच्चे बड़े नहीं होते |
16:21
But 80 years, we're just not good at.
382
966000
3000
लेकिन फिर भी ८० सालों के बाद भी हम लोग इसमें अच्छे नहीं है |
16:24
So it's a very hard model to accept.
383
969000
3000
तो स्वीकार करने के लिए ये एक बहुत ही कठिन नमूना है |
16:27
We can have both models in our head simultaneously,
384
972000
4000
हम दोनों नमूनों को अपने दिमाग में एक साथ रख सकते हैं,
16:31
right, that kind of problem
385
976000
3000
या उस समस्या को
16:34
where we're holding both beliefs together,
386
979000
3000
जहाँ हम अपने विश्वास या दिमागी असंगति को
16:37
right, the cognitive dissonance.
387
982000
2000
एक साथ रख रहे हैं,
16:39
Eventually,
388
984000
2000
आखिरकार,
16:41
the new model will replace the old model.
389
986000
3000
नया नमूना पुराने की जगह ले लेगा |
16:44
Strong feelings can create a model.
390
989000
3000
मजबूत अहसास एक नमूना बना सकते है |
16:47
September 11th created a security model
391
992000
3000
सितम्बर ११ ने एक सुरक्षा नमूना बनाया
16:50
in a lot of people's heads.
392
995000
2000
बहुत सारे लोगों के दिमाग में |
16:52
Also, personal experiences with crime can do it,
393
997000
3000
जुर्म के साथ खुद के अनुभव भी ये काम कर सकते हैं |
16:55
personal health scare,
394
1000000
2000
खुद के स्वास्थ्य का डर ,
16:57
a health scare in the news.
395
1002000
2000
समाचारों में स्वास्थ्य का डर |
16:59
You'll see these called flashbulb events
396
1004000
2000
आप देखेंगे की ये "फ्लेश बल्ब " घटनाये कहलाती हैं
17:01
by psychiatrists.
397
1006000
2000
मनोचिक्त्सिक की भाषा में |
17:03
They can create a model instantaneously,
398
1008000
3000
वे तुरंत नमूने बना सकते है
17:06
because they're very emotive.
399
1011000
3000
क्यूंकि वे बहुत ही भावोत्तेजक होते है
17:09
So in the technological world,
400
1014000
2000
तो इन तकनिकी दुनिया में
17:11
we don't have experience
401
1016000
2000
हमारे पास अनुभव नहीं होते
17:13
to judge models.
402
1018000
2000
ताकि हम नमूनों का आंकलन कर सके |
17:15
And we rely on others. We rely on proxies.
403
1020000
2000
और हम दूसरों पे निर्भर रहते हैं | हम प्रतिनिधि पे भरोसा करते हैं |
17:17
I mean, this works as long as it's to correct others.
404
1022000
4000
मेरा मतलब ये तब तक काम करता है जब तक ये दूसरो को ठीक करे |
17:21
We rely on government agencies
405
1026000
2000
हम शासकीय संस्थाओ पे भरोसा करते हैं
17:23
to tell us what pharmaceuticals are safe.
406
1028000
5000
ये बताने के लिए कि pharmaceuticals सुरक्षित है |
17:28
I flew here yesterday.
407
1033000
2000
मैं कल ही यहाँ हवाई जहाज से आया,
17:30
I didn't check the airplane.
408
1035000
2000
मैंने हवाई अड्डे पे जांच नहीं की,
17:32
I relied on some other group
409
1037000
2000
मैंने दुसरे समूह पे भरोसा किया,
17:34
to determine whether my plane was safe to fly.
410
1039000
3000
ये पता लगाने के लिए की क्या मेरा जहाज उड़ने के लिए सुरक्षित है |
17:37
We're here, none of us fear the roof is going to collapse on us,
411
1042000
3000
हम लोग यहाँ है, हम में से किसी को भी डर नहीं है कि ये छत हमपे गिर सकती है |
17:40
not because we checked,
412
1045000
3000
इसलिए नहीं की हमने जांच की है
17:43
but because we're pretty sure
413
1048000
2000
लेकिन हम लोग बिलकुल ये जानते है
17:45
the building codes here are good.
414
1050000
3000
की इमारतों के मानक यहाँ अच्छे है
17:48
It's a model we just accept
415
1053000
2000
ये एक नमूना है जो हम स्वीकार करते हैं
17:50
pretty much by faith.
416
1055000
2000
बहुत कुछ बस अपने विश्वास से |
17:52
And that's okay.
417
1057000
3000
और ये सही है |
17:57
Now, what we want
418
1062000
2000
अब हम जो चाहते है
17:59
is people to get familiar enough
419
1064000
2000
वो ये की लोग परिचित हो जाए
18:01
with better models --
420
1066000
2000
अच्छे नमूनों से
18:03
have it reflected in their feelings --
421
1068000
2000
और ऐसे की वो प्रतिबिम्बित हो उनके अहसासों में
18:05
to allow them to make security trade-offs.
422
1070000
4000
ताकि वो सुरक्षा के विनिमय कर सके |
18:09
Now when these go out of whack,
423
1074000
2000
और जब ऐसा होता है
18:11
you have two options.
424
1076000
2000
तब आपके पास दो विकल्प होते हैं
18:13
One, you can fix people's feelings,
425
1078000
2000
पहला, आप लोगों के अहसासों को ठीक करें ,
18:15
directly appeal to feelings.
426
1080000
2000
सीधे उनके अहसासों पर काम करें |
18:17
It's manipulation, but it can work.
427
1082000
3000
ये हेराफेरी है लेकिन ये काम करती है
18:20
The second, more honest way
428
1085000
2000
दूसरी, ज्यादा इमानदार तरीका,
18:22
is to actually fix the model.
429
1087000
3000
ये की आप अपना नमूना ठीक करें |
18:26
Change happens slowly.
430
1091000
2000
बदलाव धीरे धीरे होता है |
18:28
The smoking debate took 40 years,
431
1093000
3000
धुम्रपान की बहस ने ४० साल लिए
18:31
and that was an easy one.
432
1096000
3000
और जबकि वो आसान थी |
18:34
Some of this stuff is hard.
433
1099000
2000
इसमें से कुछ चीज़ें कठिन हैं,
18:36
I mean really though,
434
1101000
2000
मेरा मतलब सच में कठिन,
18:38
information seems like our best hope.
435
1103000
2000
ऐसा लगता है कि सूचना हमारी सबसे बढ़िया उम्मीद है |
18:40
And I lied.
436
1105000
2000
और मैंने झूठ बोला |
18:42
Remember I said feeling, model, reality;
437
1107000
2000
याद है जब मैंने कहा भावनाएं, नमूने, सच्चाई |
18:44
I said reality doesn't change. It actually does.
438
1109000
3000
और मैंने कहा था सच्चाई नहीं बदलती है| असल में ये बदलती है |
18:47
We live in a technological world;
439
1112000
2000
हम तकनिकी दुनिया में रहते हैं ;
18:49
reality changes all the time.
440
1114000
3000
सच्चाई हर समय बदलती रहती है |
18:52
So we might have -- for the first time in our species --
441
1117000
3000
तो हम शायद -- पहली बार इस प्रजाति में --
18:55
feeling chases model, model chases reality, reality's moving --
442
1120000
3000
भावनाए पीछा करती हैं नमूने का, नमूने पीछा करते हैं सच्चाई का, और सच्चाई भाग रही है --
18:58
they might never catch up.
443
1123000
3000
तो वो कभी ना मिल पायें |
19:02
We don't know.
444
1127000
2000
हम नहीं जानते |
19:04
But in the long-term,
445
1129000
2000
लेकिन लम्बे समय में
19:06
both feeling and reality are important.
446
1131000
3000
दोनों अहसास और सच्चाई महत्वपूर्ण है |
19:09
And I want to close with two quick stories to illustrate this.
447
1134000
3000
और मैं दो छोटी कहानियों के साथ इसे समाप्त करना चाहूँगा |
19:12
1982 -- I don't know if people will remember this --
448
1137000
2000
१९८२ - मैं नहीं जनता लोगों को ये याद भी है या नहीं --
19:14
there was a short epidemic
449
1139000
3000
एक tylenol विष की छोटी महामारी
19:17
of Tylenol poisonings in the United States.
450
1142000
2000
अमेरिका में फैली थी
19:19
It's a horrific story. Someone took a bottle of Tylenol,
451
1144000
3000
ये एक भयानक कहानी है| किसी ने एक बोतल ली tylenol
19:22
put poison in it, closed it up, put it back on the shelf.
452
1147000
3000
की उसमे विष भर दिया, उसे बंद किया, और उसे दराज में वापस रख दिया |
19:25
Someone else bought it and died.
453
1150000
2000
किसी और ने उसे खरीदा और मर गया |
19:27
This terrified people.
454
1152000
2000
इसने लोगों को डरा दिया |
19:29
There were a couple of copycat attacks.
455
1154000
2000
उसके बाद कई नक़ल हमले हुए |
19:31
There wasn't any real risk, but people were scared.
456
1156000
3000
उसमे कोई भी असली खतरा नहीं था लेकिन लोग डरे हुए थे
19:34
And this is how
457
1159000
2000
और इस तरह
19:36
the tamper-proof drug industry was invented.
458
1161000
2000
छेड़ छाड़ सुरक्षित drug उद्योग इजाद हुई |
19:38
Those tamper-proof caps, that came from this.
459
1163000
2000
छेड़ छाड़ सुरक्षित ढक्कन इसी से आये |
19:40
It's complete security theater.
460
1165000
2000
ये एक सम्पूर्ण सुरक्षा थेअटर है |
19:42
As a homework assignment, think of 10 ways to get around it.
461
1167000
2000
गृहकार्य के रूप में इसको हराने के १० तरीके सोचिये |
19:44
I'll give you one, a syringe.
462
1169000
3000
मैंने आपको एक बताता हूँ, एक सुई
19:47
But it made people feel better.
463
1172000
3000
लेकिन इसने लोगों को सुरक्षित महसूस कराया |
19:50
It made their feeling of security
464
1175000
2000
इसने उनके सुरक्षित होने के अहसास को
19:52
more match the reality.
465
1177000
2000
और करीब लाया सच्चाई के |
19:54
Last story, a few years ago, a friend of mine gave birth.
466
1179000
3000
आखिरी कहानी, कुछ साल पहले, मेरी एक दोस्त ने बच्चे को जन्म दिया |
19:57
I visit her in the hospital.
467
1182000
2000
मैं उससे मिलने हॉस्पिटल गया,
19:59
It turns out when a baby's born now,
468
1184000
2000
मुझे पता चला कि जब बच्ची का जन्म हो गया है तो,
20:01
they put an RFID bracelet on the baby,
469
1186000
2000
उन्होंने एक आर. अफ. आई. दी. कंगन पहना दिया बच्ची को,
20:03
put a corresponding one on the mother,
470
1188000
2000
और एक वैसा ही बच्ची की माँ को
20:05
so if anyone other than the mother takes the baby out of the maternity ward,
471
1190000
2000
ताकि उसको माँ को छोड़कर और कोई बच्ची को बाहर ले जाये तो
20:07
an alarm goes off.
472
1192000
2000
एक अलार्म बज जायेगा |
20:09
I said, "Well, that's kind of neat.
473
1194000
2000
मैंने कहा अच्छा, ये बढ़िया है |
20:11
I wonder how rampant baby snatching is
474
1196000
2000
मैं सोचा बच्ची को चुराना नियंत्रण से कितना बाहर है
20:13
out of hospitals."
475
1198000
2000
हास्पिटल के बाहर ?
20:15
I go home, I look it up.
476
1200000
2000
मैं घर गया और देखा इसके बारे में |
20:17
It basically never happens.
477
1202000
2000
ये असल में कभी हुआ ही नहीं |
20:19
But if you think about it,
478
1204000
2000
लेकिन अगर आप इसके बारे में सोचें ,
20:21
if you are a hospital,
479
1206000
2000
आप हास्पिटल में हैं
20:23
and you need to take a baby away from its mother,
480
1208000
2000
और आपको बच्ची को माँ से दूर ले जाना हैं
20:25
out of the room to run some tests,
481
1210000
2000
दुसरे कमरे में ताकि आप कोई परिक्षण कर सके तो
20:27
you better have some good security theater,
482
1212000
2000
या तो आपके पास कोई अच्छा बेहतर सुरक्षा थेअटर होना चाहिए
20:29
or she's going to rip your arm off.
483
1214000
2000
नहीं तो उसे आपका हाथ काटना पड़ेगा |
20:31
(Laughter)
484
1216000
2000
(हंसी )
20:33
So it's important for us,
485
1218000
2000
तो ये हमारे लिए जरुरी हैं,
20:35
those of us who design security,
486
1220000
2000
उन लोगों के लिए जो सुरक्षा की रचना करते हैं,
20:37
who look at security policy,
487
1222000
3000
जो सुरक्षा के नियमो को देखते हैं ,
20:40
or even look at public policy
488
1225000
2000
या बल्कि जो जनता के नियमो को देखते हैं
20:42
in ways that affect security.
489
1227000
2000
उन तरीको से जिससे ये सुरक्षा पर प्रभाव डालते हैं |
20:44
It's not just reality; it's feeling and reality.
490
1229000
3000
ये केवल सच्चाई नहीं हैं ये अहसास और सच्चाई हैं |
20:47
What's important
491
1232000
2000
जो जरुरी हैं वो ये
20:49
is that they be about the same.
492
1234000
2000
वे एक से रहे |
20:51
It's important that, if our feelings match reality,
493
1236000
2000
ये जरुरी है अगर हमारे अहसास सच्चाई से मिले
20:53
we make better security trade-offs.
494
1238000
2000
तो हम अच्छे सुरक्षा विनिमय कर सकते हैं |
20:55
Thank you.
495
1240000
2000
धन्यवाद
20:57
(Applause)
496
1242000
2000
(अभिवादन)
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