TEDxPSU
Bruce Schneier: The security mirage
Bruce Schneier: Il miraggio della sicurezza
Filmed:
Readability: 4
958,315 views
Quando si parla di sicurezza, la sensazione e la realtà non sono sempre la stessa cosa, dice l'esperto di sicurezza informatica Bruce Schneier. Nel suo intervento a TEDxPSU, egli spiega perché spendiamo miliardi per prevenire i rischi resi noti dalle cronache e dai media, come il "teatro della sicurezza" – ora in atto nel vostro aeroporto locale – mentre trascuriamo i rischi più probabili, e come fare per uscire da questo schema.
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
Dunque, la sicurezza ha due aspetti distinti:
00:17
it's a feeling, and it's a reality.
1
2000
2000
è una sensazione, ed è una realtà.
00:19
And they're different.
2
4000
2000
E queste sono due cose differenti.
00:21
You could feel secure
3
6000
2000
Vi potreste sentire sicuri
00:23
even if you're not.
4
8000
2000
anche se non lo siete.
00:25
And you can be secure
5
10000
2000
E potete essere al sicuro
00:27
even if you don't feel it.
6
12000
2000
anche se non ne avete la sensazione.
00:29
Really, we have two separate concepts
7
14000
2000
In realtà, attribuiamo due concetti separati
00:31
mapped onto the same word.
8
16000
2000
alla stessa parola.
00:33
And what I want to do in this talk
9
18000
2000
E quello che voglio fare in questo discorso
00:35
is to split them apart --
10
20000
2000
è di dividerli –
00:37
figuring out when they diverge
11
22000
2000
cercando di capire in che modo divergano
00:39
and how they converge.
12
24000
2000
ed in che modo convergano.
00:41
And language is actually a problem here.
13
26000
2000
Il linguaggio è effettivamente un problema in questo caso.
00:43
There aren't a lot of good words
14
28000
2000
Non ci sono tante parole adatte
00:45
for the concepts we're going to talk about.
15
30000
3000
per i concetti dei quali parleremo oggi.
00:48
So if you look at security
16
33000
2000
Quindi, se pensate al concetto di sicurezza
00:50
from economic terms,
17
35000
2000
in termini economici
00:52
it's a trade-off.
18
37000
2000
è un compromesso, una scelta.
00:54
Every time you get some security,
19
39000
2000
Ogni volta che decidete di accrescere la vostra sicurezza,
00:56
you're always trading off something.
20
41000
2000
dovete sempre rinunciare a qualcosa.
00:58
Whether this is a personal decision --
21
43000
2000
Sia che si tratti di una decisione personale –
01:00
whether you're going to install a burglar alarm in your home --
22
45000
2000
se ad esempio volete installare un allarme contro i ladri in casa vostra –
01:02
or a national decision -- where you're going to invade some foreign country --
23
47000
3000
o che si tratti di una decisione a livello nazionale – se ad esempio volete invadere un paese straniero –
01:05
you're going to trade off something,
24
50000
2000
dovrete rinunciare a qualcosa,
01:07
either money or time, convenience, capabilities,
25
52000
3000
denaro, tempo, convenienza, o capacità,
01:10
maybe fundamental liberties.
26
55000
3000
forse libertà fondamentali.
01:13
And the question to ask when you look at a security anything
27
58000
3000
E la domanda da fare su qualsiasi cosa inerente alla sicurezza
01:16
is not whether this makes us safer,
28
61000
3000
non è tanto se questa ci renda più sicuri,
01:19
but whether it's worth the trade-off.
29
64000
3000
ma piuttosto se ne valga la pena.
01:22
You've heard in the past several years,
30
67000
2000
Negli scorsi anni avete sentito dire
01:24
the world is safer because Saddam Hussein is not in power.
31
69000
2000
che il mondo è più sicuro, ora che Saddam Hussein non è più al potere.
01:26
That might be true, but it's not terribly relevant.
32
71000
3000
Potrebbe essere vero, ma non è di fondamentale importanza.
01:29
The question is, was it worth it?
33
74000
3000
La domanda è, ne è valsa la pena?
01:32
And you can make your own decision,
34
77000
3000
E voi potete decidere da soli,
01:35
and then you'll decide whether the invasion was worth it.
35
80000
2000
e poi concluderete se sia valsa la pena di optare per l'invasione.
01:37
That's how you think about security --
36
82000
2000
Ecco come pensare al concetto di sicurezza –
01:39
in terms of the trade-off.
37
84000
2000
in termini di scelte.
01:41
Now there's often no right or wrong here.
38
86000
3000
Spesso non c'è "giusto" o "sbagliato" in queste cose.
01:44
Some of us have a burglar alarm system at home,
39
89000
2000
Alcuni di noi hanno in casa propria un sistema d'allarme contro i ladri,
01:46
and some of us don't.
40
91000
2000
altri no.
01:48
And it'll depend on where we live,
41
93000
2000
E dipenderà da dove viviamo,
01:50
whether we live alone or have a family,
42
95000
2000
se viviamo da soli o abbiamo una famiglia,
01:52
how much cool stuff we have,
43
97000
2000
quanta bella roba abbiamo,
01:54
how much we're willing to accept
44
99000
2000
quanto siamo pronti ad accettare
01:56
the risk of theft.
45
101000
2000
il rischio del furto.
01:58
In politics also,
46
103000
2000
Anche in politica
02:00
there are different opinions.
47
105000
2000
ci sono differenti opinioni.
02:02
A lot of times, these trade-offs
48
107000
2000
Parecchie volte, queste scelte
02:04
are about more than just security,
49
109000
2000
non hanno solo a che fare con la sicurezza,
02:06
and I think that's really important.
50
111000
2000
ed io penso che questo sia veramente importante.
02:08
Now people have a natural intuition
51
113000
2000
Ora, la gente ha un'intuizione naturale
02:10
about these trade-offs.
52
115000
2000
riguardo a queste scelte.
02:12
We make them every day --
53
117000
2000
Le facciamo tutti i giorni –
02:14
last night in my hotel room,
54
119000
2000
la notte scorsa, nella mia stanza d'albergo,
02:16
when I decided to double-lock the door,
55
121000
2000
quando ho deciso di chiudere la porta con due mandate,
02:18
or you in your car when you drove here,
56
123000
2000
oppure voi nella vostra macchina, mentre venivate qui,
02:20
when we go eat lunch
57
125000
2000
quando pranziamo fuori
02:22
and decide the food's not poison and we'll eat it.
58
127000
3000
e decidiamo che il cibo non è veleno e che lo mangeremo.
02:25
We make these trade-offs again and again,
59
130000
2000
Facciamo queste scelte continuamente
02:27
multiple times a day.
60
132000
2000
più volte al giorno.
02:29
We often won't even notice them.
61
134000
2000
Spesso senza neppure accorgercene.
02:31
They're just part of being alive; we all do it.
62
136000
2000
Fanno semplicemente parte dell'essere vivi; lo facciamo tutti.
02:33
Every species does it.
63
138000
3000
Ogni specie lo fa.
02:36
Imagine a rabbit in a field, eating grass,
64
141000
2000
Immaginate un coniglio che mangia l'erba in un campo,
02:38
and the rabbit's going to see a fox.
65
143000
3000
ed il coniglio vede una volpe.
02:41
That rabbit will make a security trade-off:
66
146000
2000
Quel coniglio farà una scelta per la sua sicurezza:
02:43
"Should I stay, or should I flee?"
67
148000
2000
"Devo restare, o devo scappare?"
02:45
And if you think about it,
68
150000
2000
E se ci riflettete,
02:47
the rabbits that are good at making that trade-off
69
152000
3000
i conigli bravi a fare quel tipo di scelta
02:50
will tend to live and reproduce,
70
155000
2000
tenderanno a vivere e riprodursi,
02:52
and the rabbits that are bad at it
71
157000
2000
mentre i conigli meno bravi
02:54
will get eaten or starve.
72
159000
2000
verranno mangiati o moriranno di fame.
02:56
So you'd think
73
161000
2000
Quindi si penserebbe
02:58
that us, as a successful species on the planet --
74
163000
3000
che noi, in qualità di specie vincente su questo pianeta –
03:01
you, me, everybody --
75
166000
2000
voi, io, tutti –
03:03
would be really good at making these trade-offs.
76
168000
3000
siamo veramente bravi a fare queste scelte.
03:06
Yet it seems, again and again,
77
171000
2000
Ma ogni volta la realtà ci dimostra che
03:08
that we're hopelessly bad at it.
78
173000
3000
siamo inesorabilmente negati.
03:11
And I think that's a fundamentally interesting question.
79
176000
3000
Ed io credo che questa sia una questione fondamentalmente interessante.
03:14
I'll give you the short answer.
80
179000
2000
Vi darò la risposta breve.
03:16
The answer is, we respond to the feeling of security
81
181000
2000
La risposta è: noi rispondiamo alla sensazione di sicurezza
03:18
and not the reality.
82
183000
3000
e non alla realtà.
03:21
Now most of the time, that works.
83
186000
3000
Ora, il più delle volte, questo funziona.
03:25
Most of the time,
84
190000
2000
Il più delle volte,
03:27
feeling and reality are the same.
85
192000
3000
la sensazione e la realtà coincidono.
03:30
Certainly that's true
86
195000
2000
Certamente questo è vero
03:32
for most of human prehistory.
87
197000
3000
per la maggior parte della preistoria umana.
03:35
We've developed this ability
88
200000
3000
Abbiamo sviluppato questa abilità
03:38
because it makes evolutionary sense.
89
203000
2000
perchè questo trova riscontro nell'evoluzione.
03:40
One way to think of it
90
205000
2000
Un modo di vedere questo concetto
03:42
is that we're highly optimized
91
207000
2000
è che siamo estremamente attrezzati
03:44
for risk decisions
92
209000
2000
per scelte rischiose
03:46
that are endemic to living in small family groups
93
211000
3000
endemiche al vivere in piccoli gruppi familiari
03:49
in the East African highlands in 100,000 B.C.
94
214000
3000
negli altipiani dell'Africa Orientale nel 100.000 A.C. (Avanti Cristo) –
03:52
2010 New York, not so much.
95
217000
3000
non così nella New York del 2010.
03:56
Now there are several biases in risk perception.
96
221000
3000
Ora, ci sono parecchi preconcetti nella percezione dei rischi.
03:59
A lot of good experiments in this.
97
224000
2000
Tanti buoni esperimenti in questo campo.
04:01
And you can see certain biases that come up again and again.
98
226000
3000
Potete osservare certi preconcetti, o distorsioni, che continuano a riaffiorare.
04:04
So I'll give you four.
99
229000
2000
Ve ne darò quattro.
04:06
We tend to exaggerate spectacular and rare risks
100
231000
3000
Noi tendiamo ad esagerare rischi spettacolari e rari
04:09
and downplay common risks --
101
234000
2000
ed a minimizzare quelli comuni,
04:11
so flying versus driving.
102
236000
3000
come ad esempio il volare rispetto al guidare.
04:14
The unknown is perceived
103
239000
2000
L'ignoto viene percepito
04:16
to be riskier than the familiar.
104
241000
3000
come più rischioso del familiare.
04:20
One example would be,
105
245000
2000
Un esempio sarebbe
04:22
people fear kidnapping by strangers
106
247000
3000
che la gente teme il rapimento da parte di estranei,
04:25
when the data supports kidnapping by relatives is much more common.
107
250000
3000
mentre il rapimento da parte di familiari è statisticamente molto più comune.
04:28
This is for children.
108
253000
2000
Questo per quanto riguarda i bambini.
04:30
Third, personified risks
109
255000
3000
Terzo, i rischi personificati
04:33
are perceived to be greater than anonymous risks --
110
258000
3000
vengono percepiti come maggiori dei rischi anonimi,
04:36
so Bin Laden is scarier because he has a name.
111
261000
3000
e quindi Bin Laden fa più paura, perché ha un nome.
04:39
And the fourth
112
264000
2000
Ed il quarto
04:41
is people underestimate risks
113
266000
2000
è che la gente sottovaluta i rischi
04:43
in situations they do control
114
268000
2000
nelle situazioni sulle quali ha controllo,
04:45
and overestimate them in situations they don't control.
115
270000
4000
mentre li sopravvaluta in quelle che non può controllare.
04:49
So once you take up skydiving or smoking,
116
274000
3000
Quindi, una volta che iniziate a fare skydiving oppure a fumare,
04:52
you downplay the risks.
117
277000
2000
ne minimizzate i rischi.
04:54
If a risk is thrust upon you -- terrorism was a good example --
118
279000
3000
Se un rischio vi arriva da fuori – il terrorismo era un buon esempio –
04:57
you'll overplay it because you don't feel like it's in your control.
119
282000
3000
lo sopravvaluterete, perché non avete la sensazione di esserne in controllo.
05:02
There are a bunch of other of these biases, these cognitive biases,
120
287000
3000
Ci sono un sacco di altre predisposizioni innate, questi errori sistematici cognitivi,
05:05
that affect our risk decisions.
121
290000
3000
che influenzano le nostre decisioni di fronte al rischio.
05:08
There's the availability heuristic,
122
293000
2000
C'è l'euristica della disponibilità,
05:10
which basically means
123
295000
2000
che sostanzialmente significa
05:12
we estimate the probability of something
124
297000
3000
che noi stimiamo la probabilità di un evento
05:15
by how easy it is to bring instances of it to mind.
125
300000
4000
sulla base della facilità con cui siamo in grado di pensare ad esempi relativi.
05:19
So you can imagine how that works.
126
304000
2000
Quindi potete immaginare come funziona.
05:21
If you hear a lot about tiger attacks, there must be a lot of tigers around.
127
306000
3000
Se sentite parlare tanto di attacchi di tigri, ci devono essere un sacco di tigri in giro.
05:24
You don't hear about lion attacks, there aren't a lot of lions around.
128
309000
3000
Se non sentite parlare di attacchi di leoni, non ci sono tanti leoni in giro.
05:27
This works until you invent newspapers.
129
312000
3000
Questo funziona finchè inventate i giornali.
05:30
Because what newspapers do
130
315000
2000
Perchè quello che i giornali fanno
05:32
is they repeat again and again
131
317000
2000
è di ripetere continuamente
05:34
rare risks.
132
319000
2000
i rischi rari.
05:36
I tell people, if it's in the news, don't worry about it.
133
321000
2000
Io dico alla gente, se fa notizia, non ve ne preoccupate.
05:38
Because by definition,
134
323000
2000
Perchè, per definizione,
05:40
news is something that almost never happens.
135
325000
3000
la notizia è qualcosa che non succede quasi mai.
05:43
(Laughter)
136
328000
2000
(Risate)
05:45
When something is so common, it's no longer news --
137
330000
3000
Quando qualcosa è così comune, non fa più notizia;
05:48
car crashes, domestic violence --
138
333000
2000
incidenti d'auto, violenza domestica,
05:50
those are the risks you worry about.
139
335000
3000
quelli sono i rischi dei quali vi dovete preoccupare.
05:53
We're also a species of storytellers.
140
338000
2000
Noi siamo anche una specie di "raccontastorie".
05:55
We respond to stories more than data.
141
340000
3000
Rispondiamo alle storie molto più che ai numeri.
05:58
And there's some basic innumeracy going on.
142
343000
2000
E poi c'`è anche un po' di analfabetismo numerico di base.
06:00
I mean, the joke "One, Two, Three, Many" is kind of right.
143
345000
3000
Intendo dire, la battuta "Uno, due, tre, tanti" è abbastanza giusta.
06:03
We're really good at small numbers.
144
348000
3000
Siamo veramente bravi con i numeri piccoli.
06:06
One mango, two mangoes, three mangoes,
145
351000
2000
Un mango, due manghi, tre manghi,
06:08
10,000 mangoes, 100,000 mangoes --
146
353000
2000
10.000 manghi, 100.000 manghi,
06:10
it's still more mangoes you can eat before they rot.
147
355000
3000
sono sempre più manghi di quanti ne potreste mangiare prima che marciscano tutti.
06:13
So one half, one quarter, one fifth -- we're good at that.
148
358000
3000
Metà, un quarto, un quinto; siamo bravi in questo.
06:16
One in a million, one in a billion --
149
361000
2000
Uno su un milione, uno su un miliardo...
06:18
they're both almost never.
150
363000
3000
entrambi sono come dire "quasi mai".
06:21
So we have trouble with the risks
151
366000
2000
Quindi abbiamo problemi con i rischi
06:23
that aren't very common.
152
368000
2000
che non sono molto comuni.
06:25
And what these cognitive biases do
153
370000
2000
E quello che fanno queste distorsioni cognitive,
06:27
is they act as filters between us and reality.
154
372000
3000
è di fungere da filtri tra noi e la realtà.
06:30
And the result
155
375000
2000
Ed il risultato
06:32
is that feeling and reality get out of whack,
156
377000
2000
è che sensazione e realtà vanno fuori fase,
06:34
they get different.
157
379000
3000
diventano diversi.
06:37
Now you either have a feeling -- you feel more secure than you are.
158
382000
3000
Ora, o avete una sensazione, vi sentite più sicuri di quanto lo siate in realtà.
06:40
There's a false sense of security.
159
385000
2000
C'è un falso senso di sicurezza.
06:42
Or the other way,
160
387000
2000
Oppure succede l'opposto,
06:44
and that's a false sense of insecurity.
161
389000
2000
che è un falso senso di insicurezza.
06:46
I write a lot about "security theater,"
162
391000
3000
Io scrivo parecchio sul "teatro della sicurezza",
06:49
which are products that make people feel secure,
163
394000
3000
prodotti che fanno sentire sicura la gente,
06:52
but don't actually do anything.
164
397000
2000
ma che in effetti non fanno niente.
06:54
There's no real word for stuff that makes us secure,
165
399000
2000
Non c'è una vera parola per descrivere cose che ci rendono sicuri,
06:56
but doesn't make us feel secure.
166
401000
2000
ma non ci fanno sentire sicuri.
06:58
Maybe it's what the CIA's supposed to do for us.
167
403000
3000
Forse è quello che la CIA dovrebbe fare per noi.
07:03
So back to economics.
168
408000
2000
Allora, ritornando all'economia.
07:05
If economics, if the market, drives security,
169
410000
4000
Se l'economia, se il mercato, traina la sicurezza,
07:09
and if people make trade-offs
170
414000
2000
e se la gente fa delle scelte
07:11
based on the feeling of security,
171
416000
3000
basate sulla sensazione di sicurezza,
07:14
then the smart thing for companies to do
172
419000
2000
allora la cosa intelligente da fare per le aziende
07:16
for the economic incentives
173
421000
2000
per gli incentivi economici
07:18
are to make people feel secure.
174
423000
3000
è di far sentire sicura la gente.
07:21
And there are two ways to do this.
175
426000
3000
E ci sono due modi per ottenere questo.
07:24
One, you can make people actually secure
176
429000
2000
Uno, potete rendere la gente davvero sicura
07:26
and hope they notice.
177
431000
2000
e sperare che se ne accorga.
07:28
Or two, you can make people just feel secure
178
433000
3000
O due, potete solamente farla sentire sicura
07:31
and hope they don't notice.
179
436000
3000
e sperare che non se ne accorga.
07:35
So what makes people notice?
180
440000
3000
Quindi, cos'è che fa in modo che la gente se ne accorga?
07:38
Well a couple of things:
181
443000
2000
Beh, un paio di cose:
07:40
understanding of the security,
182
445000
2000
capire la sicurezza,
07:42
of the risks, the threats,
183
447000
2000
i rischi associati, le minacce,
07:44
the countermeasures, how they work.
184
449000
3000
le contromisure, come tutto funziona.
07:47
But if you know stuff,
185
452000
2000
Ma se sapete come funzionano le cose,
07:49
you're more likely to have your feelings match reality.
186
454000
3000
è più probabile che le vostre sensazioni corrispondano alla realtà.
07:52
Enough real world examples helps.
187
457000
3000
Ci sono abbastanza esempi reali che aiutano.
07:55
Now we all know the crime rate in our neighborhood,
188
460000
3000
Ora, tutti noi conosciamo il tasso di criminalità del nostro vicinato,
07:58
because we live there, and we get a feeling about it
189
463000
3000
perchè viviamo lì e abbiamo una sensazione su come vanno le cose
08:01
that basically matches reality.
190
466000
3000
che sostanzialmente corrisponde alla realtà.
08:04
Security theater's exposed
191
469000
3000
Il teatro della sicurezza è smascherato
08:07
when it's obvious that it's not working properly.
192
472000
3000
quando è palese che non funziona come dovrebbe.
08:10
Okay, so what makes people not notice?
193
475000
4000
Okay, quindi, cos'è che fa in modo che la gente non si accorga?
08:14
Well, a poor understanding.
194
479000
2000
Beh, la scarsa comprensione.
08:16
If you don't understand the risks, you don't understand the costs,
195
481000
3000
Se non capite i rischi, se non capite i costi,
08:19
you're likely to get the trade-off wrong,
196
484000
2000
probabilmente sbaglierete le scelte,
08:21
and your feeling doesn't match reality.
197
486000
3000
e la vostra sensazione non corrisponderà alla realtà.
08:24
Not enough examples.
198
489000
2000
Non ci sono abbastanza esempi.
08:26
There's an inherent problem
199
491000
2000
C'è un problema di base
08:28
with low probability events.
200
493000
2000
relativo ad eventi di scarsa probabilità.
08:30
If, for example,
201
495000
2000
Se, ad esempio,
08:32
terrorism almost never happens,
202
497000
2000
il terrorismo non si verifica quasi mai,
08:34
it's really hard to judge
203
499000
2000
è veramente difficile giudicare
08:36
the efficacy of counter-terrorist measures.
204
501000
3000
l'efficacia delle misure antiterroristiche.
08:40
This is why you keep sacrificing virgins,
205
505000
3000
Questa è la ragione per cui si continuano a sacrificare delle vergini,
08:43
and why your unicorn defenses are working just great.
206
508000
3000
e perchè la difesa dell'unicorno funziona alla grande.
08:46
There aren't enough examples of failures.
207
511000
3000
Non ci sono sufficienti esempi di fallimenti.
08:50
Also, feelings that are clouding the issues --
208
515000
3000
Ed inoltre, ci sono sensazioni che offuscano la visione delle cose,
08:53
the cognitive biases I talked about earlier,
209
518000
2000
le distorsioni cognitive di cui parlavo prima,
08:55
fears, folk beliefs,
210
520000
3000
paure, credenze popolari,
08:58
basically an inadequate model of reality.
211
523000
3000
sostanzialmente, un modello inadeguato della realtà.
09:02
So let me complicate things.
212
527000
3000
Consentitemi di complicare ulteriormente le cose.
09:05
I have feeling and reality.
213
530000
2000
Abbiamo sensazione e realtà.
09:07
I want to add a third element. I want to add model.
214
532000
3000
Voglio aggiungere un terzo elemento. Voglio aggiungere modello.
09:10
Feeling and model in our head,
215
535000
2000
La sensazione ed il modello sono nella nostra mente,
09:12
reality is the outside world.
216
537000
2000
la realtà è il mondo esterno.
09:14
It doesn't change; it's real.
217
539000
3000
Non cambia; è reale.
09:17
So feeling is based on our intuition.
218
542000
2000
Dunque, la sensazione dipende dalla nostra intuizione.
09:19
Model is based on reason.
219
544000
2000
Il modello, dal ragionamento.
09:21
That's basically the difference.
220
546000
3000
Questa è sostanzialmente la differenza.
09:24
In a primitive and simple world,
221
549000
2000
In un mondo primitivo e semplice,
09:26
there's really no reason for a model
222
551000
3000
il modello non ha veramente ragion d'essere.
09:29
because feeling is close to reality.
223
554000
3000
Perché la sensazione è vicina alla realtà.
09:32
You don't need a model.
224
557000
2000
Non c'è bisogno di un modello.
09:34
But in a modern and complex world,
225
559000
2000
Ma, in un mondo moderno e complesso,
09:36
you need models
226
561000
2000
occorrono modelli
09:38
to understand a lot of the risks we face.
227
563000
3000
per capire molti dei rischi che corriamo.
09:42
There's no feeling about germs.
228
567000
2000
Non c'è nessuna sensazione riguardo ai germi.
09:44
You need a model to understand them.
229
569000
3000
Occorre un modello per capirli.
09:47
So this model
230
572000
2000
Ora, questo modello
09:49
is an intelligent representation of reality.
231
574000
3000
è un'intelligente rappresentazione della realtà.
09:52
It's, of course, limited by science,
232
577000
3000
È, naturalmente, limitato dalla scienza,
09:55
by technology.
233
580000
2000
dalla tecnologia.
09:57
We couldn't have a germ theory of disease
234
582000
3000
Non potevamo avere una teoria sui germi patogeni
10:00
before we invented the microscope to see them.
235
585000
3000
prima che inventassimo il microscopio per poterli vedere.
10:04
It's limited by our cognitive biases.
236
589000
3000
È limitato dalle nostre distorsioni cognitive.
10:07
But it has the ability
237
592000
2000
Ma ha la capacità
10:09
to override our feelings.
238
594000
2000
di essere più forte delle nostre sensazioni.
10:11
Where do we get these models? We get them from others.
239
596000
3000
Da dove prendiamo questi modelli? Li prendiamo dagli altri.
10:14
We get them from religion, from culture,
240
599000
3000
Li prendiamo dalla religione, dalla cultura,
10:17
teachers, elders.
241
602000
2000
dai maestri, dagli anziani.
10:19
A couple years ago,
242
604000
2000
Un paio di anni fa
10:21
I was in South Africa on safari.
243
606000
2000
mi trovavo in Sud Africa per un safari.
10:23
The tracker I was with grew up in Kruger National Park.
244
608000
3000
La guida con cui stavo era cresciuta nel Parco Nazionale di Kruger.
10:26
He had some very complex models of how to survive.
245
611000
3000
Aveva dei modelli di sopravvivenza molto complicati.
10:29
And it depended on if you were attacked
246
614000
2000
A seconda di chi era l'aggressore,
10:31
by a lion or a leopard or a rhino or an elephant --
247
616000
2000
un leone, un leopardo, 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
diceva quando dovevate scappare, quando arrampicarvi su un albero,
10:36
when you could never climb a tree.
249
621000
2000
e quando non avreste mai dovuto arrampicarvi su un albero.
10:38
I would have died in a day,
250
623000
3000
Io sarei morto in un giorno,
10:41
but he was born there,
251
626000
2000
ma lui era nato lì,
10:43
and he understood how to survive.
252
628000
2000
ed aveva capito come sopravvivere.
10:45
I was born in New York City.
253
630000
2000
Io sono nato a New York City.
10:47
I could have taken him to New York, and he would have died in a day.
254
632000
3000
Avrei potuto portarlo a New York, e lui sarebbe morto in un giorno.
10:50
(Laughter)
255
635000
2000
(Risate)
10:52
Because we had different models
256
637000
2000
Perchè avevamo differenti modelli
10:54
based on our different experiences.
257
639000
3000
basati sulle nostre differenti esperienze.
10:58
Models can come from the media,
258
643000
2000
I modelli possono derivare dai media,
11:00
from our elected officials.
259
645000
3000
dalle autorità costituite.
11:03
Think of models of terrorism,
260
648000
3000
Pensate ai modelli di terrorismo,
11:06
child kidnapping,
261
651000
3000
di rapimento di bambini,
11:09
airline safety, car safety.
262
654000
2000
di sicurezza delle linee aeree, di sicurezza delle automobili.
11:11
Models can come from industry.
263
656000
3000
I modelli possono venire dall'industria.
11:14
The two I'm following are surveillance cameras,
264
659000
2000
I due che sto seguendo sono le telecamere di sorveglianza,
11:16
ID cards,
265
661000
2000
le carte d'identità,
11:18
quite a lot of our computer security models come from there.
266
663000
3000
una gran parte dei nostri modelli di sicurezza informatica vengono da lì.
11:21
A lot of models come from science.
267
666000
3000
Moltissimi modelli vengono dalla scienza.
11:24
Health models are a great example.
268
669000
2000
I modelli della salute sono un ottimo esempio.
11:26
Think of cancer, of bird flu, swine flu, SARS.
269
671000
3000
Pensate al cancro, all'influenza aviaria, a quella suina, alla SARS.
11:29
All of our feelings of security
270
674000
3000
Tutte le nostre sensazioni di sicurezza
11:32
about those diseases
271
677000
2000
su queste malattie
11:34
come from models
272
679000
2000
derivano da modelli
11:36
given to us, really, by science filtered through the media.
273
681000
3000
effettivamente veicolati sino a noi dalla scienza, filtrata attraverso i media.
11:40
So models can change.
274
685000
3000
Quindi i modelli possono cambiare.
11:43
Models are not static.
275
688000
2000
I modelli non sono statici.
11:45
As we become more comfortable in our environments,
276
690000
3000
Man mano che ci adattiamo al nostro ambiente,
11:48
our model can move closer to our feelings.
277
693000
4000
i nostri modelli possono avvicinarsi maggiormente alle nostre sensazioni.
11:53
So an example might be,
278
698000
2000
Per cui, un esempio potrebbe essere,
11:55
if you go back 100 years ago
279
700000
2000
se tornate indietro a 100 anni fa,
11:57
when electricity was first becoming common,
280
702000
3000
quando l'elettricità cominciava a diffondersi,
12:00
there were a lot of fears about it.
281
705000
2000
aveva generato molte paure.
12:02
I mean, there were people who were afraid to push doorbells,
282
707000
2000
Voglio dire, c'erano persone che avevano paura di premere un campanello,
12:04
because there was electricity in there, and that was dangerous.
283
709000
3000
perchè dentro vi era dell'elettricità, e ciò era pericoloso.
12:07
For us, we're very facile around electricity.
284
712000
3000
Noi oggi siamo molto disinvolti con l'elettricità.
12:10
We change light bulbs
285
715000
2000
Cambiamo le lampadine
12:12
without even thinking about it.
286
717000
2000
senza neppure pensarci su.
12:14
Our model of security around electricity
287
719000
4000
Il nostro modello di sicurezza per l'elettricità
12:18
is something we were born into.
288
723000
3000
è qualcosa con cui siamo nati.
12:21
It hasn't changed as we were growing up.
289
726000
3000
Non è cambiato mentre crescevamo.
12:24
And we're good at it.
290
729000
3000
E lo conosciamo molto bene.
12:27
Or think of the risks
291
732000
2000
Oppure pensate ai rischi
12:29
on the Internet across generations --
292
734000
2000
dell'internet per le diverse generazioni;
12:31
how your parents approach Internet security,
293
736000
2000
a come i vostri genitori affrontano la sicurezza su internet,
12:33
versus how you do,
294
738000
2000
rispetto a come l'affrontate voi,
12:35
versus how our kids will.
295
740000
3000
rispetto a come l'affronteranno i nostri bambini.
12:38
Models eventually fade into the background.
296
743000
3000
I modelli alla fine diventano invisibili.
12:42
Intuitive is just another word for familiar.
297
747000
3000
"Intuitivo" è solo un altro termine per "familiare".
12:45
So as your model is close to reality,
298
750000
2000
Così, quando il vostro modello si avvicina alla realtà
12:47
and it converges with feelings,
299
752000
2000
e converge con le sensazioni,
12:49
you often don't know it's there.
300
754000
3000
spesso non vi accorgete che c'è.
12:52
So a nice example of this
301
757000
2000
Un bell'esempio di ciò
12:54
came from last year and swine flu.
302
759000
3000
è l'influenza suina dello scorso anno.
12:57
When swine flu first appeared,
303
762000
2000
Quando l'influenza suina si manifestò per la prima volta,
12:59
the initial news caused a lot of overreaction.
304
764000
4000
le prime notizie causarono un grande allarmismo.
13:03
Now it had a name,
305
768000
2000
Ora aveva un nome
13:05
which made it scarier than the regular flu,
306
770000
2000
che la rendeva più spaventosa dell'influenza comune,
13:07
even though it was more deadly.
307
772000
2000
anche se questa era più mortale.
13:09
And people thought doctors should be able to deal with it.
308
774000
4000
E la gente pensava che i medici fossero in grado di sconfiggerla.
13:13
So there was that feeling of lack of control.
309
778000
2000
Per cui vi fu quella sensazione di impotenza.
13:15
And those two things
310
780000
2000
E queste due cose
13:17
made the risk more than it was.
311
782000
2000
ingigantirono il rischio.
13:19
As the novelty wore off, the months went by,
312
784000
3000
Quando la novità svanì, i mesi passarono,
13:22
there was some amount of tolerance,
313
787000
2000
vi fu una certa tolleranza,
13:24
people got used to it.
314
789000
2000
la gente vi si abituò.
13:26
There was no new data, but there was less fear.
315
791000
3000
Non c'erano nuovi dati, ma c'era meno paura.
13:29
By autumn,
316
794000
2000
In autunno
13:31
people thought
317
796000
2000
la gente pensò
13:33
the doctors should have solved this already.
318
798000
2000
che i medici dovevano averla già risolta.
13:35
And there's kind of a bifurcation --
319
800000
2000
E c'è una sorta di biforcazione,
13:37
people had to choose
320
802000
2000
la gente doveva scegliere
13:39
between fear and acceptance --
321
804000
4000
tra paura e accettazione,
13:43
actually fear and indifference --
322
808000
2000
anzi, tra paura e indifferenza.
13:45
they kind of chose suspicion.
323
810000
3000
Decisero di scegliere il sospetto.
13:48
And when the vaccine appeared last winter,
324
813000
3000
E quando il vaccino apparve lo scorso inverno,
13:51
there were a lot of people -- a surprising number --
325
816000
3000
vi fu un gran numero di persone -- un numero sorprendente --
13:54
who refused to get it --
326
819000
3000
che rifiutò di usarlo;
13:58
as a nice example
327
823000
2000
un bell'esempio
14:00
of how people's feelings of security change, how their model changes,
328
825000
3000
di come il senso di sicurezza della gente cambia, di come cambiano i loro modelli,
14:03
sort of wildly
329
828000
2000
quasi selvaggiamente
14:05
with no new information,
330
830000
2000
senza alcuna nuova informazione,
14:07
with no new input.
331
832000
2000
senza alcun nuovo elemento.
14:09
This kind of thing happens a lot.
332
834000
3000
Questo genere di cose accade frequentemente.
14:12
I'm going to give one more complication.
333
837000
3000
Rendo la cosa ancor più complicata.
14:15
We have feeling, model, reality.
334
840000
3000
Noi abbiamo sensazioni, modelli, realtà.
14:18
I have a very relativistic view of security.
335
843000
2000
Io ho un punto di vista molto relativistico della sicurezza.
14:20
I think it depends on the observer.
336
845000
3000
Penso che dipenda dall'osservatore.
14:23
And most security decisions
337
848000
2000
E che la maggior parte delle decisioni sulla sicurezza
14:25
have a variety of people involved.
338
850000
4000
coinvolgano una varietà di persone.
14:29
And stakeholders
339
854000
2000
E i venditori di sicurezza
14:31
with specific trade-offs
340
856000
3000
con i loro specifici interessi
14:34
will try to influence the decision.
341
859000
2000
cercheranno di influenzare la decisione.
14:36
And I call that their agenda.
342
861000
2000
Io la chiamo la loro "agenda".
14:38
And you see agenda --
343
863000
2000
E voi vedete l'agenda;
14:40
this is marketing, this is politics --
344
865000
3000
sono il marketing, la politica,
14:43
trying to convince you to have one model versus another,
345
868000
3000
che cercano di convincervi ad avere un modello piuttosto che un altro,
14:46
trying to convince you to ignore a model
346
871000
2000
tentando di convincervi ad ignorare un modello
14:48
and trust your feelings,
347
873000
3000
e fidarvi del vostro istinto,
14:51
marginalizing people with models you don't like.
348
876000
3000
emarginando la gente che ha modelli che non vi piacciono.
14:54
This is not uncommon.
349
879000
3000
Ciò non è infrequente.
14:57
An example, a great example, is the risk of smoking.
350
882000
3000
Un esempio, un grande esempio, è il rischio associato al fumo.
15:01
In the history of the past 50 years, the smoking risk
351
886000
3000
Nella storia degli ultimi 50 anni, il rischio del fumo
15:04
shows how a model changes,
352
889000
2000
dimostra come cambia un modello,
15:06
and it also shows how an industry fights against
353
891000
3000
e dimostra anche come un industria combatte contro
15:09
a model it doesn't like.
354
894000
2000
un modello che non le piace.
15:11
Compare that to the secondhand smoke debate --
355
896000
3000
Paragonatelo al dibattito sul fumo passivo,
15:14
probably about 20 years behind.
356
899000
3000
probabilmente iniziato una ventina di anni fa.
15:17
Think about seat belts.
357
902000
2000
Pensate alle cinture di sicurezza.
15:19
When I was a kid, no one wore a seat belt.
358
904000
2000
Quando ero un ragazzino, nessuno metteva una cintura di sicurezza.
15:21
Nowadays, no kid will let you drive
359
906000
2000
Oggi, nessun ragazzino vi lascerebbe guidare
15:23
if you're not wearing a seat belt.
360
908000
2000
se non indossate una cintura di sicurezza.
15:26
Compare that to the airbag debate --
361
911000
2000
Paragonatelo al dibattito sull'airbag,
15:28
probably about 30 years behind.
362
913000
3000
di circa 30 anni or sono.
15:31
All examples of models changing.
363
916000
3000
Tutti esempi di modelli che cambiano.
15:36
What we learn is that changing models is hard.
364
921000
3000
Quel che impariamo è che cambiare i modelli è difficile.
15:39
Models are hard to dislodge.
365
924000
2000
I modelli sono duri da demolire.
15:41
If they equal your feelings,
366
926000
2000
Se poi combaciano con le vostre sensazioni,
15:43
you don't even know you have a model.
367
928000
3000
non sapete neppure di averli.
15:46
And there's another cognitive bias
368
931000
2000
E c'è un'altra distorsione cognitiva
15:48
I'll call confirmation bias,
369
933000
2000
che chiamerò pregiudizio di conferma,
15:50
where we tend to accept data
370
935000
3000
dove noi tendiamo ad accettare i dati
15:53
that confirms our beliefs
371
938000
2000
che confermano le nostre convinzioni
15:55
and reject data that contradicts our beliefs.
372
940000
3000
e a respingere quelli che le contraddicono.
15:59
So evidence against our model,
373
944000
2000
Altrettanto, l'evidenza contro il nostro modello,
16:01
we're likely to ignore, even if it's compelling.
374
946000
3000
noi tendiamo ad ignorarla, anche se è convincente.
16:04
It has to get very compelling before we'll pay attention.
375
949000
3000
Deve diventare molto convincente prima che la consideriamo.
16:08
New models that extend long periods of time are hard.
376
953000
2000
I nuovi modelli che si protraggono per lunghi periodi di tempo sono difficili.
16:10
Global warming is a great example.
377
955000
2000
Il riscaldamento globale è un grande esempio.
16:12
We're terrible
378
957000
2000
Siamo terribili
16:14
at models that span 80 years.
379
959000
2000
con i modelli che durano 80 anni.
16:16
We can do to the next harvest.
380
961000
2000
Possiamo arrivare sino al prossimo raccolto.
16:18
We can often do until our kids grow up.
381
963000
3000
Spesso possiamo arrivare fino a quando i nostri figli diventano adulti.
16:21
But 80 years, we're just not good at.
382
966000
3000
Ma per 80 anni, siamo proprio negati.
16:24
So it's a very hard model to accept.
383
969000
3000
Quindi è un modello molto duro da accettare.
16:27
We can have both models in our head simultaneously,
384
972000
4000
Possiamo avere entrambi i modelli nella nostra mente simultaneamente,
16:31
right, that kind of problem
385
976000
3000
o quel genere di problema
16:34
where we're holding both beliefs together,
386
979000
3000
per cui teniamo insieme entrambe le convinzioni,
16:37
right, the cognitive dissonance.
387
982000
2000
oppure la dissonanza cognitiva.
16:39
Eventually,
388
984000
2000
Alla fine,
16:41
the new model will replace the old model.
389
986000
3000
il nuovo modello rimpiazzerà quello vecchio.
16:44
Strong feelings can create a model.
390
989000
3000
Sensazioni forti posso creare un modello.
16:47
September 11th created a security model
391
992000
3000
L'11 settembre ha creato un modello di sicurezza
16:50
in a lot of people's heads.
392
995000
2000
nella testa di molta gente.
16:52
Also, personal experiences with crime can do it,
393
997000
3000
Inoltre, esperienze personali con il crimine possono crearlo,
16:55
personal health scare,
394
1000000
2000
così come uno spavento per la propria salute,
16:57
a health scare in the news.
395
1002000
2000
un allarme sanitario nelle notizie.
16:59
You'll see these called flashbulb events
396
1004000
2000
Vedrete questi "flashbulb events" (ricordi fotografici di un evento pubblico straordinario)
17:01
by psychiatrists.
397
1006000
2000
così chiamati dagli psichiatri.
17:03
They can create a model instantaneously,
398
1008000
3000
Possono creare istantaneamente dei modelli,
17:06
because they're very emotive.
399
1011000
3000
perchè sono molto toccanti.
17:09
So in the technological world,
400
1014000
2000
Nel mondo della tecnologia
17:11
we don't have experience
401
1016000
2000
non abbiamo esperienza
17:13
to judge models.
402
1018000
2000
per giudicare i modelli.
17:15
And we rely on others. We rely on proxies.
403
1020000
2000
E dipendiamo da altri. Ci affidiamo a sostituti.
17:17
I mean, this works as long as it's to correct others.
404
1022000
4000
Intendo dire, questo funziona finchè si tratta di correggere altri.
17:21
We rely on government agencies
405
1026000
2000
Ci affidiamo alle agenzie governative
17:23
to tell us what pharmaceuticals are safe.
406
1028000
5000
per dirci quali farmaci sono sicuri.
17:28
I flew here yesterday.
407
1033000
2000
Ieri sono giunto qui in volo.
17:30
I didn't check the airplane.
408
1035000
2000
Non ho ispezionato l'aereo.
17:32
I relied on some other group
409
1037000
2000
Mi sono fidato di qualche altro gruppo
17:34
to determine whether my plane was safe to fly.
410
1039000
3000
per determinare se il mio velivolo fosse sicuro per volare.
17:37
We're here, none of us fear the roof is going to collapse on us,
411
1042000
3000
Noi siamo qui, nessuno di noi teme che il tetto ci possa cadere addosso,
17:40
not because we checked,
412
1045000
3000
non perché l'abbiamo verificato,
17:43
but because we're pretty sure
413
1048000
2000
ma perché siamo sufficientemente sicuri
17:45
the building codes here are good.
414
1050000
3000
che i regolamenti edilizi siano stati rispettati.
17:48
It's a model we just accept
415
1053000
2000
È un modello che accettiamo
17:50
pretty much by faith.
416
1055000
2000
praticamente per fede.
17:52
And that's okay.
417
1057000
3000
E va bene che sia così.
17:57
Now, what we want
418
1062000
2000
Ora, ciò che vogliamo
17:59
is people to get familiar enough
419
1064000
2000
è che le persone familiarizzino sufficientemente
18:01
with better models --
420
1066000
2000
con modelli migliori;
18:03
have it reflected in their feelings --
421
1068000
2000
li interiorizzino, in modo che questi si rispecchino nelle loro sensazioni,
18:05
to allow them to make security trade-offs.
422
1070000
4000
per permettere loro di fare scelte di sicurezza.
18:09
Now when these go out of whack,
423
1074000
2000
Ora, quando queste vanno fuori fase,
18:11
you have two options.
424
1076000
2000
ci sono due scelte.
18:13
One, you can fix people's feelings,
425
1078000
2000
Una, potete rimettere a posto le sensazioni della gente,
18:15
directly appeal to feelings.
426
1080000
2000
appellandovi direttamente ai sentimenti.
18:17
It's manipulation, but it can work.
427
1082000
3000
È una manipolazione, ma può funzionare.
18:20
The second, more honest way
428
1085000
2000
La seconda, e più onesta opzione,
18:22
is to actually fix the model.
429
1087000
3000
è quella di aggiustare proprio il modello.
18:26
Change happens slowly.
430
1091000
2000
I cambiamenti avvengono lentamente.
18:28
The smoking debate took 40 years,
431
1093000
3000
Il dibattito sul fumo è durato 40 anni,
18:31
and that was an easy one.
432
1096000
3000
e quello era uno facile.
18:34
Some of this stuff is hard.
433
1099000
2000
Alcune di queste cose sono ostiche.
18:36
I mean really though,
434
1101000
2000
Intendo dire, veramente,
18:38
information seems like our best hope.
435
1103000
2000
l'informazione sembra essere la nostra migliore speranza.
18:40
And I lied.
436
1105000
2000
E ho mentito.
18:42
Remember I said feeling, model, reality;
437
1107000
2000
Ricordate quando ho detto sensazione, modello, realtà.
18:44
I said reality doesn't change. It actually does.
438
1109000
3000
Vi ho detto che la realtà non cambia mai. In effetti, cambia.
18:47
We live in a technological world;
439
1112000
2000
Viviamo in un mondo tecnologico;
18:49
reality changes all the time.
440
1114000
3000
la realtà cambia continuamente.
18:52
So we might have -- for the first time in our species --
441
1117000
3000
Per cui possiamo avere -- per la prima volta nella storia della nostra specie --
18:55
feeling chases model, model chases reality, reality's moving --
442
1120000
3000
sensazioni che rincorrono i modelli, modelli che rincorrono la realtà, la realtà in movimento --
18:58
they might never catch up.
443
1123000
3000
potrebbero non raggiungerla mai.
19:02
We don't know.
444
1127000
2000
Noi non lo sappiamo.
19:04
But in the long-term,
445
1129000
2000
Ma, alla lunga,
19:06
both feeling and reality are important.
446
1131000
3000
sensazioni e modelli sono ugualmente importanti.
19:09
And I want to close with two quick stories to illustrate this.
447
1134000
3000
E desidero chiudere con due veloci storielle per illustrarlo.
19:12
1982 -- I don't know if people will remember this --
448
1137000
2000
1982 -- non so se ve lo ricordate --
19:14
there was a short epidemic
449
1139000
3000
vi fu una breve epidemia
19:17
of Tylenol poisonings in the United States.
450
1142000
2000
di avvelenamenti da Tylenol negli Stati Uniti.
19:19
It's a horrific story. Someone took a bottle of Tylenol,
451
1144000
3000
È una storia orribile. Qualcuno prese un flacone di Tylenol,
19:22
put poison in it, closed it up, put it back on the shelf.
452
1147000
3000
vi mise del veleno, lo chiuse, e lo rimise sullo scaffale.
19:25
Someone else bought it and died.
453
1150000
2000
Qualcun altro lo comprò e morì.
19:27
This terrified people.
454
1152000
2000
Ciò gettò il terrore tra la gente.
19:29
There were a couple of copycat attacks.
455
1154000
2000
Vi furono un paio di casi di emulazione.
19:31
There wasn't any real risk, but people were scared.
456
1156000
3000
Non c'era alcun rischio reale, ma la gente era spaventata.
19:34
And this is how
457
1159000
2000
E questo è come
19:36
the tamper-proof drug industry was invented.
458
1161000
2000
fu inventata l'industria dei medicinali a prova di manomissione.
19:38
Those tamper-proof caps, that came from this.
459
1163000
2000
I tappi di sicurezza nacquero da qui.
19:40
It's complete security theater.
460
1165000
2000
È tutto teatro della sicurezza.
19:42
As a homework assignment, think of 10 ways to get around it.
461
1167000
2000
Come compito a casa, pensate a 10 modi per aggirarlo.
19:44
I'll give you one, a syringe.
462
1169000
3000
Ve ne do uno, una siringa.
19:47
But it made people feel better.
463
1172000
3000
Però fece sentir meglio la gente.
19:50
It made their feeling of security
464
1175000
2000
Fece in modo che il loro senso di sicurezza
19:52
more match the reality.
465
1177000
2000
combaciasse maggiormente con la realtà.
19:54
Last story, a few years ago, a friend of mine gave birth.
466
1179000
3000
Ultima storia; qualche anno fa, una mia amica partorì.
19:57
I visit her in the hospital.
467
1182000
2000
Le feci visita in ospedale.
19:59
It turns out when a baby's born now,
468
1184000
2000
A quanto pare, ora, quando nasce un bimbo,
20:01
they put an RFID bracelet on the baby,
469
1186000
2000
gli mettono un braccialetto identificativo (RFID),
20:03
put a corresponding one on the mother,
470
1188000
2000
e ne mettono uno corrispondente alla madre,
20:05
so if anyone other than the mother takes the baby out of the maternity ward,
471
1190000
2000
così che se una donna che non sia la madre porta il neonato fuori dal reparto di maternità,
20:07
an alarm goes off.
472
1192000
2000
il braccialetto fa scattare un allarme.
20:09
I said, "Well, that's kind of neat.
473
1194000
2000
Ho detto, "Beh, è una bella cosa.
20:11
I wonder how rampant baby snatching is
474
1196000
2000
Mi chiedo quanto sia dilagante il rapimento di neonati
20:13
out of hospitals."
475
1198000
2000
negli ospedali."
20:15
I go home, I look it up.
476
1200000
2000
Vado a casa, indago.
20:17
It basically never happens.
477
1202000
2000
Praticamente non succede mai.
20:19
But if you think about it,
478
1204000
2000
Ma, se ci pensate,
20:21
if you are a hospital,
479
1206000
2000
se voi foste un ospedaliero
20:23
and you need to take a baby away from its mother,
480
1208000
2000
e aveste necessità di portare via un neonato dalla sua mamma,
20:25
out of the room to run some tests,
481
1210000
2000
fuori dalla stanza, per fare qualche esame,
20:27
you better have some good security theater,
482
1212000
2000
fareste meglio ad avere un buon teatro della sicurezza,
20:29
or she's going to rip your arm off.
483
1214000
2000
o questa potrebbe strapparvi un braccio.
20:31
(Laughter)
484
1216000
2000
(Risate)
20:33
So it's important for us,
485
1218000
2000
È quindi importante per chi di noi
20:35
those of us who design security,
486
1220000
2000
progetta la sicurezza,
20:37
who look at security policy,
487
1222000
3000
chi analizza le politiche di sicurezza,
20:40
or even look at public policy
488
1225000
2000
o addirittura quello che delle politiche pubbliche
20:42
in ways that affect security.
489
1227000
2000
ha a che fare con la sicurezza.
20:44
It's not just reality; it's feeling and reality.
490
1229000
3000
Non si tratta solo di realtà, ma di sensazione e di realtà.
20:47
What's important
491
1232000
2000
Ciò che importa
20:49
is that they be about the same.
492
1234000
2000
è che questi collimino, più o meno.
20:51
It's important that, if our feelings match reality,
493
1236000
2000
È importante che, se le nostre sensazioni corrispondono alla realtà,
20:53
we make better security trade-offs.
494
1238000
2000
noi facciamo delle scelte migliori sulla sicurezza.
20:55
Thank you.
495
1240000
2000
Grazie.
20:57
(Applause)
496
1242000
2000
(Applausi)
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