TEDxPSU
Bruce Schneier: The security mirage
Bruce Schneier: A ilusão da segurança
Filmed:
Readability: 4
958,315 views
O sentimento de segurança e a realidade da segurança nem sempre estão de acordo, diz o perito em segurança de computadores Bruce Schneier. Na TEDxPSU, ele explica porque gastamos biliões a responder a riscos de histórias jornalísticas, como o novo "teatro de segurança", que se encontra agora no seu aeroporto local, enquanto negligenciamos riscos mais prováveis de ocorrer -- e como podemos quebrar este padrão.
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
Portanto, a segurança é duas coisas diferentes:
00:17
it's a feeling, and it's a reality.
1
2000
2000
é um sentimento, e é uma realidade.
00:19
And they're different.
2
4000
2000
E elas são diferentes.
00:21
You could feel secure
3
6000
2000
Vocês podem sentir-se seguros
00:23
even if you're not.
4
8000
2000
mesmo que não o estejam.
00:25
And you can be secure
5
10000
2000
E podem estar seguros
00:27
even if you don't feel it.
6
12000
2000
mesmo que não o sintam.
00:29
Really, we have two separate concepts
7
14000
2000
Na realidade, temos dois conceitos separados
00:31
mapped onto the same word.
8
16000
2000
presentes na mesma palavra.
00:33
And what I want to do in this talk
9
18000
2000
E o que eu quero fazer nesta palestra
00:35
is to split them apart --
10
20000
2000
é separá-los --
00:37
figuring out when they diverge
11
22000
2000
descobrindo quando divergem
00:39
and how they converge.
12
24000
2000
e como convergem.
00:41
And language is actually a problem here.
13
26000
2000
E, a linguagem é um verdadeiro problema neste caso.
00:43
There aren't a lot of good words
14
28000
2000
Não existem muitas palavras adequadas
00:45
for the concepts we're going to talk about.
15
30000
3000
para os conceitos de que vamos falar.
00:48
So if you look at security
16
33000
2000
Portanto, se olharem para a segurança
00:50
from economic terms,
17
35000
2000
em termos económicos,
00:52
it's a trade-off.
18
37000
2000
é uma negociação.
00:54
Every time you get some security,
19
39000
2000
Cada vez que têm alguma segurança,
00:56
you're always trading off something.
20
41000
2000
estão sempre a trocá-la por algo.
00:58
Whether this is a personal decision --
21
43000
2000
Quer isto seja uma decisão pessoal --
01:00
whether you're going to install a burglar alarm in your home --
22
45000
2000
quer vão instalar um sistema de alarme anti-roubos em vossa casa --
01:02
or a national decision -- where you're going to invade some foreign country --
23
47000
3000
ou uma decisão nacional -- em que vão invadir algum país estrangeiro --
01:05
you're going to trade off something,
24
50000
2000
vão ter de negociar algo,
01:07
either money or time, convenience, capabilities,
25
52000
3000
seja dinheiro, ou tempo, conveniência, capacidades.
01:10
maybe fundamental liberties.
26
55000
3000
talvez liberdades fundamentais.
01:13
And the question to ask when you look at a security anything
27
58000
3000
E a questão a fazer quando pensam na segurança de qualquer coisa
01:16
is not whether this makes us safer,
28
61000
3000
não é se isto nos fará mais seguros,
01:19
but whether it's worth the trade-off.
29
64000
3000
mas se vale a pena a escolha.
01:22
You've heard in the past several years,
30
67000
2000
Ouviram nos últimos anos,
01:24
the world is safer because Saddam Hussein is not in power.
31
69000
2000
que o mundo está mais seguro porque o Saddam Hussein não está no poder.
01:26
That might be true, but it's not terribly relevant.
32
71000
3000
Isso pode ser verdade, mas não é terrivelmente relevante.
01:29
The question is, was it worth it?
33
74000
3000
A questão é, valeu a pena?
01:32
And you can make your own decision,
34
77000
3000
Podem tomar a vossa própria decisão
01:35
and then you'll decide whether the invasion was worth it.
35
80000
2000
e então vão decidir se a invasão valeu a pena.
01:37
That's how you think about security --
36
82000
2000
É assim que pensam acerca de segurança --
01:39
in terms of the trade-off.
37
84000
2000
em termos de escolhas.
01:41
Now there's often no right or wrong here.
38
86000
3000
Agora, muitas vezes não existe um certo e um errado.
01:44
Some of us have a burglar alarm system at home,
39
89000
2000
Alguns de nós temos um sistema de alarme anti-roubo em casa,
01:46
and some of us don't.
40
91000
2000
e alguns de nós não tem.
01:48
And it'll depend on where we live,
41
93000
2000
E vai depender onde vivemos,
01:50
whether we live alone or have a family,
42
95000
2000
se moramos sozinhos ou temos uma família,
01:52
how much cool stuff we have,
43
97000
2000
quantas coisas porreiras temos,
01:54
how much we're willing to accept
44
99000
2000
e quanto estamos dispostos a aceitar
01:56
the risk of theft.
45
101000
2000
o risco de roubo.
01:58
In politics also,
46
103000
2000
Também na política,
02:00
there are different opinions.
47
105000
2000
existem opiniões diferentes.
02:02
A lot of times, these trade-offs
48
107000
2000
Muitas vezes, estas escolhas
02:04
are about more than just security,
49
109000
2000
são acerca de mais do que apenas a segurança,
02:06
and I think that's really important.
50
111000
2000
e eu penso que isso é realmente importante.
02:08
Now people have a natural intuition
51
113000
2000
Agora, as pessoas têm uma intuição natural
02:10
about these trade-offs.
52
115000
2000
acerca destas escolhas.
02:12
We make them every day --
53
117000
2000
Nós fazêmo-las todos os dias --
02:14
last night in my hotel room,
54
119000
2000
ontem à noite, no meu quarto de hotel,
02:16
when I decided to double-lock the door,
55
121000
2000
quando decidi trancar a porta,
02:18
or you in your car when you drove here,
56
123000
2000
ou vocês, nos vossos carros, quando conduziram até aqui,
02:20
when we go eat lunch
57
125000
2000
quando vamos almoçar
02:22
and decide the food's not poison and we'll eat it.
58
127000
3000
e decidimos que a comida não é veneno e que a vamos comer.
02:25
We make these trade-offs again and again,
59
130000
2000
Nós fazemos estas escolhas uma e outra vez
02:27
multiple times a day.
60
132000
2000
múltiplas vezes por dia.
02:29
We often won't even notice them.
61
134000
2000
Muitas vezes, nem nos vamos aperceber delas.
02:31
They're just part of being alive; we all do it.
62
136000
2000
Elas são apenas parte de estar vivo; todos nós as fazemos.
02:33
Every species does it.
63
138000
3000
Todas as espécies o fazem.
02:36
Imagine a rabbit in a field, eating grass,
64
141000
2000
Imaginem um coelho num campo, a comer erva,
02:38
and the rabbit's going to see a fox.
65
143000
3000
e o coelho vê uma raposa.
02:41
That rabbit will make a security trade-off:
66
146000
2000
O coelho vai fazer uma escolha de segurança:
02:43
"Should I stay, or should I flee?"
67
148000
2000
"Deverei ficar, ou fugir?"
02:45
And if you think about it,
68
150000
2000
E se pensarem acerca disso,
02:47
the rabbits that are good at making that trade-off
69
152000
3000
os coelhos que são bons a fazerem essa escolha
02:50
will tend to live and reproduce,
70
155000
2000
tendem a viver e reproduzir-se
02:52
and the rabbits that are bad at it
71
157000
2000
e os coelhos que são maus
02:54
will get eaten or starve.
72
159000
2000
vão ser comidos ou morrer de fome.
02:56
So you'd think
73
161000
2000
Portanto, vocês pensam
02:58
that us, as a successful species on the planet --
74
163000
3000
que nós, enquanto espécie bem sucedida no planeta --
03:01
you, me, everybody --
75
166000
2000
vocês, eu, toda a gente --
03:03
would be really good at making these trade-offs.
76
168000
3000
seríamos realmente bons a fazer estas escolhas.
03:06
Yet it seems, again and again,
77
171000
2000
Contudo, parece, uma e outra vez,
03:08
that we're hopelessly bad at it.
78
173000
3000
que somos, desesperadamente, maus nisto.
03:11
And I think that's a fundamentally interesting question.
79
176000
3000
E eu penso que esta é uma questão interessante e fundamental.
03:14
I'll give you the short answer.
80
179000
2000
Vou-vos dar a resposta curta.
03:16
The answer is, we respond to the feeling of security
81
181000
2000
A resposta é, nós respondemos ao sentimento de segurança
03:18
and not the reality.
82
183000
3000
e não à realidade.
03:21
Now most of the time, that works.
83
186000
3000
Agora, na maioria do tempo, isso funciona.
03:25
Most of the time,
84
190000
2000
Na maioria do tempo,
03:27
feeling and reality are the same.
85
192000
3000
o sentimento e a realidade são o mesmo.
03:30
Certainly that's true
86
195000
2000
Isso é certamente verdade
03:32
for most of human prehistory.
87
197000
3000
para a maioria da pré-história humana.
03:35
We've developed this ability
88
200000
3000
Nós desenvolvemos esta capacidade
03:38
because it makes evolutionary sense.
89
203000
2000
porque faz sentido evolutivamente.
03:40
One way to think of it
90
205000
2000
Uma forma de pensar acerca disto
03:42
is that we're highly optimized
91
207000
2000
é que somos altamente optimizados
03:44
for risk decisions
92
209000
2000
para decisões de risco
03:46
that are endemic to living in small family groups
93
211000
3000
que são endémicas a viver em pequenos grupos familiares
03:49
in the East African highlands in 100,000 B.C.
94
214000
3000
nos planaltos do este de África em 100,000 A.C. --
03:52
2010 New York, not so much.
95
217000
3000
2010 Nova Iorque, nem tanto.
03:56
Now there are several biases in risk perception.
96
221000
3000
Agora, existem vários enviesamentos na percepção de risco.
03:59
A lot of good experiments in this.
97
224000
2000
E muitas experiências boas acerca disto.
04:01
And you can see certain biases that come up again and again.
98
226000
3000
E podem ver certos enviesamentos que surgem uma e outra vez.
04:04
So I'll give you four.
99
229000
2000
Portanto, vou-vos dar quatro.
04:06
We tend to exaggerate spectacular and rare risks
100
231000
3000
Tendemos a exagerar os riscos espectaculares e raros
04:09
and downplay common risks --
101
234000
2000
e subestimamos riscos comuns --
04:11
so flying versus driving.
102
236000
3000
portanto, voar versus conduzir.
04:14
The unknown is perceived
103
239000
2000
O desconhecido é percepcionado
04:16
to be riskier than the familiar.
104
241000
3000
como mais arriscado do que o familiar.
04:20
One example would be,
105
245000
2000
Um exemplo será
04:22
people fear kidnapping by strangers
106
247000
3000
pessoas terem medo de raptos por estranhos,
04:25
when the data supports kidnapping by relatives is much more common.
107
250000
3000
quando a informação confirma que raptos por familiares é muito mais comum.
04:28
This is for children.
108
253000
2000
Isto para crianças.
04:30
Third, personified risks
109
255000
3000
Terceiro, riscos personificados
04:33
are perceived to be greater than anonymous risks --
110
258000
3000
são percebidos como mais prováveis do que riscos anónimos --
04:36
so Bin Laden is scarier because he has a name.
111
261000
3000
portanto, o Bin Laden era ameaçador porque ele tem um nome.
04:39
And the fourth
112
264000
2000
E o quarto
04:41
is people underestimate risks
113
266000
2000
é a subestima de riscos pelas pessoas
04:43
in situations they do control
114
268000
2000
em situações que podem controlar
04:45
and overestimate them in situations they don't control.
115
270000
4000
e a sobrestimação em situações que não controlam.
04:49
So once you take up skydiving or smoking,
116
274000
3000
Assim, quando começam a fazer paraquedismo ou a fumar,
04:52
you downplay the risks.
117
277000
2000
subestimam os riscos.
04:54
If a risk is thrust upon you -- terrorism was a good example --
118
279000
3000
Se um risco é forçado sobre vós -- o terrorismo foi um bom exemplo --
04:57
you'll overplay it because you don't feel like it's in your control.
119
282000
3000
vão sobrestimá-lo, porque não sentem que é do vosso controlo.
05:02
There are a bunch of other of these biases, these cognitive biases,
120
287000
3000
Existe uma variedade de outros enviesamentos destes, destes erros cognitivos,
05:05
that affect our risk decisions.
121
290000
3000
que afectam as nossas decisões de risco.
05:08
There's the availability heuristic,
122
293000
2000
Existe a heurística da disponibilidade,
05:10
which basically means
123
295000
2000
que basicamente quer dizer que
05:12
we estimate the probability of something
124
297000
3000
avaliamos a probabilidade de algo
05:15
by how easy it is to bring instances of it to mind.
125
300000
4000
conforme a facilidade mental de aceder à informação acerca disso.
05:19
So you can imagine how that works.
126
304000
2000
Por isso, podem imaginar como funciona.
05:21
If you hear a lot about tiger attacks, there must be a lot of tigers around.
127
306000
3000
Se ouvirem muita informação acerca de ataques de tigres, têm de haver muitos tigres nas redondezas.
05:24
You don't hear about lion attacks, there aren't a lot of lions around.
128
309000
3000
Não ouvem acerca de ataques de leões, não existem muitos leões pela área.
05:27
This works until you invent newspapers.
129
312000
3000
Isto funciona inventarem os jornais.
05:30
Because what newspapers do
130
315000
2000
Porque o que os jornais fazem
05:32
is they repeat again and again
131
317000
2000
é repetir vez após vez
05:34
rare risks.
132
319000
2000
os riscos raros.
05:36
I tell people, if it's in the news, don't worry about it.
133
321000
2000
Eu digo às pessoas, se está nas notícias, não se preocupem acerca disso.
05:38
Because by definition,
134
323000
2000
Porque, por definição,
05:40
news is something that almost never happens.
135
325000
3000
as notícias são algo que quase nunca acontece.
05:43
(Laughter)
136
328000
2000
(risos)
05:45
When something is so common, it's no longer news --
137
330000
3000
Quando algo é muito comum, já não é notícia --
05:48
car crashes, domestic violence --
138
333000
2000
acidentes de carros, violência doméstica --
05:50
those are the risks you worry about.
139
335000
3000
esses são os riscos com que se devem preocupar.
05:53
We're also a species of storytellers.
140
338000
2000
Nós também somos uma espécie de contadores de histórias.
05:55
We respond to stories more than data.
141
340000
3000
Nós respondemos mais a histórias do que a informação.
05:58
And there's some basic innumeracy going on.
142
343000
2000
E existe alguma incapacidade matemática.
06:00
I mean, the joke "One, Two, Three, Many" is kind of right.
143
345000
3000
Quer dizer, a piada "Um, dois, três, muitos" está, de certa forma, correcta.
06:03
We're really good at small numbers.
144
348000
3000
Nós somos muitos bons com números pequenos.
06:06
One mango, two mangoes, three mangoes,
145
351000
2000
Uma manda, duas mangas, três mangas,
06:08
10,000 mangoes, 100,000 mangoes --
146
353000
2000
10,000 mangas, 100,000 mangas --
06:10
it's still more mangoes you can eat before they rot.
147
355000
3000
são muito mais mangas do que as que conseguem comer antes de apodrecerem.
06:13
So one half, one quarter, one fifth -- we're good at that.
148
358000
3000
Por isso, uma metade, um quarto, um quinto -- somos bons nisso.
06:16
One in a million, one in a billion --
149
361000
2000
Um num milhão, um num bilião --
06:18
they're both almost never.
150
363000
3000
não existem quase nunca.
06:21
So we have trouble with the risks
151
366000
2000
Por isto temos problemas com riscos
06:23
that aren't very common.
152
368000
2000
que não são muitos comuns.
06:25
And what these cognitive biases do
153
370000
2000
E o que fazem esses enviesamentos cognitivos
06:27
is they act as filters between us and reality.
154
372000
3000
é agir como filtros entre nós e a realidade.
06:30
And the result
155
375000
2000
E o resultado é que
06:32
is that feeling and reality get out of whack,
156
377000
2000
o sentimento e a realidade se tornam discrepantes
06:34
they get different.
157
379000
3000
se tornam diferentes.
06:37
Now you either have a feeling -- you feel more secure than you are.
158
382000
3000
E ou têm uma sensação -- sentem-se mais seguros que dantes.
06:40
There's a false sense of security.
159
385000
2000
Existe um falso sentimento de segurança.
06:42
Or the other way,
160
387000
2000
Ou [têm o sentimento] oposto,
06:44
and that's a false sense of insecurity.
161
389000
2000
e esse é o falso sentimento de insegurança.
06:46
I write a lot about "security theater,"
162
391000
3000
Eu escrevo muito acerca do "teatro de segurança",
06:49
which are products that make people feel secure,
163
394000
3000
que são produtos que fazem as pessoas sentirem-se seguras
06:52
but don't actually do anything.
164
397000
2000
mas que, na realidade, não fazem nada.
06:54
There's no real word for stuff that makes us secure,
165
399000
2000
Não existem uma palavra real para as coisas que nos fazem seguros,
06:56
but doesn't make us feel secure.
166
401000
2000
mas que não nos fazem sentir seguros.
06:58
Maybe it's what the CIA's supposed to do for us.
167
403000
3000
Talvez seja isso o que a CIA faz supostamente por nós.
07:03
So back to economics.
168
408000
2000
Portanto, de volta à economia.
07:05
If economics, if the market, drives security,
169
410000
4000
Se a economia, se os mercados, impulsionam segurança,
07:09
and if people make trade-offs
170
414000
2000
e se as pessoas fazem escolhas
07:11
based on the feeling of security,
171
416000
3000
baseadas nos sentimentos de segurança,
07:14
then the smart thing for companies to do
172
419000
2000
então, a coisa mais acertada para as companhias fazerem
07:16
for the economic incentives
173
421000
2000
para os incentivos económicos
07:18
are to make people feel secure.
174
423000
3000
é fazer as pessoas sentirem-se seguras.
07:21
And there are two ways to do this.
175
426000
3000
E existem duas formas de fazer isto.
07:24
One, you can make people actually secure
176
429000
2000
Uma, podem fazer as pessoas sentirem-se realmente seguras
07:26
and hope they notice.
177
431000
2000
e esperar que elas reparem.
07:28
Or two, you can make people just feel secure
178
433000
3000
Ou a segunda, podem fazer simplesmente as pessoas sentirem-se seguras
07:31
and hope they don't notice.
179
436000
3000
e esperar que não reparem.
07:35
So what makes people notice?
180
440000
3000
E o que faz as pessoas repararem?
07:38
Well a couple of things:
181
443000
2000
Bem, um conjunto de coisas:
07:40
understanding of the security,
182
445000
2000
compreensão da segurança,
07:42
of the risks, the threats,
183
447000
2000
dos riscos, das ameaças,
07:44
the countermeasures, how they work.
184
449000
3000
das medidas de combate, como funcionam.
07:47
But if you know stuff,
185
452000
2000
Mas se souberem coisas,
07:49
you're more likely to have your feelings match reality.
186
454000
3000
é mais fácil que os vossos sentimentos coincidam com a realidade.
07:52
Enough real world examples helps.
187
457000
3000
Exemplos suficientes do mundo real ajudam.
07:55
Now we all know the crime rate in our neighborhood,
188
460000
3000
Todos sabemos a taxa de criminalidade do nosso bairro,
07:58
because we live there, and we get a feeling about it
189
463000
3000
porque vivemos aí, e temos um sentimento acerca disso
08:01
that basically matches reality.
190
466000
3000
que, praticamente, coincide com a realidade.
08:04
Security theater's exposed
191
469000
3000
Os teatros de segurança são expostos
08:07
when it's obvious that it's not working properly.
192
472000
3000
quando é óbvio que não estão a funcionar apropriadamente.
08:10
Okay, so what makes people not notice?
193
475000
4000
Okay, portando, o que acontece quando as pessoas não reparam?
08:14
Well, a poor understanding.
194
479000
2000
Bem, um entendimento fraco.
08:16
If you don't understand the risks, you don't understand the costs,
195
481000
3000
Se não compreenderem os riscos, não entendem os custos,
08:19
you're likely to get the trade-off wrong,
196
484000
2000
e são capazes de fazer a escolha errada,
08:21
and your feeling doesn't match reality.
197
486000
3000
e o vosso sentimento não coincide com a realidade.
08:24
Not enough examples.
198
489000
2000
Não há exemplos suficientes.
08:26
There's an inherent problem
199
491000
2000
Existe um problema inerente
08:28
with low probability events.
200
493000
2000
com eventos com baixa probabilidade.
08:30
If, for example,
201
495000
2000
Se, por exemplo,
08:32
terrorism almost never happens,
202
497000
2000
o terrorismo quase nunca ocorre,
08:34
it's really hard to judge
203
499000
2000
é muito difícil de avaliar
08:36
the efficacy of counter-terrorist measures.
204
501000
3000
a eficácia de medidas contra-terroristas.
08:40
This is why you keep sacrificing virgins,
205
505000
3000
Este é o porquê de continuarem a sacrificar virgens,
08:43
and why your unicorn defenses are working just great.
206
508000
3000
e porque as vossas defesas de unicórnios funcionam muito bem.
08:46
There aren't enough examples of failures.
207
511000
3000
Não existem exemplos suficientes de falhas.
08:50
Also, feelings that are clouding the issues --
208
515000
3000
Para além disso, sentimentos que abafam os problemas --
08:53
the cognitive biases I talked about earlier,
209
518000
2000
os enviasamentos cognitivos de que falámos antes,
08:55
fears, folk beliefs,
210
520000
3000
os medos, as crenças populares,
08:58
basically an inadequate model of reality.
211
523000
3000
basicamente, um modelo inadequado da realidade.
09:02
So let me complicate things.
212
527000
3000
Deixem-me complicar as coisas.
09:05
I have feeling and reality.
213
530000
2000
Eu tenho sentimento e realidade.
09:07
I want to add a third element. I want to add model.
214
532000
3000
Eu quero adicionar um terceiro elemento. Eu quero adicionar um modelo.
09:10
Feeling and model in our head,
215
535000
2000
O sentimento e o modelo [estão] na nossa cabeça,
09:12
reality is the outside world.
216
537000
2000
a realidade é o mundo exterior.
09:14
It doesn't change; it's real.
217
539000
3000
Não muda; é real.
09:17
So feeling is based on our intuition.
218
542000
2000
Portanto, o sentimento é baseado na nossa intuição.
09:19
Model is based on reason.
219
544000
2000
O modelo é baseado na razão.
09:21
That's basically the difference.
220
546000
3000
Essa é a diferença fundamental.
09:24
In a primitive and simple world,
221
549000
2000
Num mundo primitivo e simples,
09:26
there's really no reason for a model
222
551000
3000
não existem motivos para [a existência] de um modelo.
09:29
because feeling is close to reality.
223
554000
3000
Porque o sentimento está próximo da realidade.
09:32
You don't need a model.
224
557000
2000
Não precisam de um modelo.
09:34
But in a modern and complex world,
225
559000
2000
Mas num mundo moderno e complexo,
09:36
you need models
226
561000
2000
precisam de modelos
09:38
to understand a lot of the risks we face.
227
563000
3000
para compreender os riscos com que nos defrontamos.
09:42
There's no feeling about germs.
228
567000
2000
Não existem sentimentos em relação a germes.
09:44
You need a model to understand them.
229
569000
3000
Precisam do modelo para os compreender.
09:47
So this model
230
572000
2000
Este modelo
09:49
is an intelligent representation of reality.
231
574000
3000
é uma representação inteligente da realidade.
09:52
It's, of course, limited by science,
232
577000
3000
É, obviamente, limitado pela ciência,
09:55
by technology.
233
580000
2000
pela tecnologia.
09:57
We couldn't have a germ theory of disease
234
582000
3000
Não podíamos ter uma teoria de doenças de germes
10:00
before we invented the microscope to see them.
235
585000
3000
antes de inventarmos o microscópio para os ver.
10:04
It's limited by our cognitive biases.
236
589000
3000
É limitado pelos nossos vieses cognitivos.
10:07
But it has the ability
237
592000
2000
Mas tem a capacidade
10:09
to override our feelings.
238
594000
2000
de se sobrepôr aos nossos sentimentos.
10:11
Where do we get these models? We get them from others.
239
596000
3000
Onde aprendemos estes modelos? Aprendêmo-los dos outros.
10:14
We get them from religion, from culture,
240
599000
3000
Aprendemo-los da religião, cultura,
10:17
teachers, elders.
241
602000
2000
professores, anciãos.
10:19
A couple years ago,
242
604000
2000
Há alguns anos,
10:21
I was in South Africa on safari.
243
606000
2000
estava num safari na África do Sul.
10:23
The tracker I was with grew up in Kruger National Park.
244
608000
3000
O batedor com quem estava tinha crescido no Parque Nacional de Kruger.
10:26
He had some very complex models of how to survive.
245
611000
3000
Ele tinha alguns modelos muito complexos acerca de como sobreviver.
10:29
And it depended on if you were attacked
246
614000
2000
E dependiam se eram atacados
10:31
by a lion or a leopard or a rhino or an elephant --
247
616000
2000
por um leão, ou um leopardo, ou um rinoceronte, ou um 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
e sobre quando tinham de correr, e quando tinham de subir a uma árvora --
10:36
when you could never climb a tree.
249
621000
2000
quando nunca podiam subir a uma árvore.
10:38
I would have died in a day,
250
623000
3000
Eu teria morrido nesse dia,
10:41
but he was born there,
251
626000
2000
mas ele tinha nascido ali,
10:43
and he understood how to survive.
252
628000
2000
e ele compreendia como sobreviver.
10:45
I was born in New York City.
253
630000
2000
Eu nasci na cidade de Nova Iorque.
10:47
I could have taken him to New York, and he would have died in a day.
254
632000
3000
Eu poderia tê-lo levado a Nova Iorque, e ele teria morrido nesse dia.
10:50
(Laughter)
255
635000
2000
(risos)
10:52
Because we had different models
256
637000
2000
Porque tínhamos modelos diferentes
10:54
based on our different experiences.
257
639000
3000
baseados nas nossas diferenças.
10:58
Models can come from the media,
258
643000
2000
Os modelos podem vir dos meios de comunicação,
11:00
from our elected officials.
259
645000
3000
dos nossos oficiais elegidos.
11:03
Think of models of terrorism,
260
648000
3000
Pensem em modelos de terrorismo,
11:06
child kidnapping,
261
651000
3000
rapto infantil,
11:09
airline safety, car safety.
262
654000
2000
segurança aérea, segurança automóvel.
11:11
Models can come from industry.
263
656000
3000
Os modelos podem vir da indústria.
11:14
The two I'm following are surveillance cameras,
264
659000
2000
Os dois que eu sigo são as câmaras de vigilância,
11:16
ID cards,
265
661000
2000
cartões de identificação,
11:18
quite a lot of our computer security models come from there.
266
663000
3000
bastantes dos nossos modelos de segurança computacional vêm daí.
11:21
A lot of models come from science.
267
666000
3000
Muitos dos modelos vêm da ciência.
11:24
Health models are a great example.
268
669000
2000
Os modelos de saúde são exemplos excelentes.
11:26
Think of cancer, of bird flu, swine flu, SARS.
269
671000
3000
Pensem em cancro, em gripe das aves, gripe suína, o vírus SARS.
11:29
All of our feelings of security
270
674000
3000
Todos os nossos sentimentos de segurança
11:32
about those diseases
271
677000
2000
acerca dessas doenças
11:34
come from models
272
679000
2000
vêm de modelos
11:36
given to us, really, by science filtered through the media.
273
681000
3000
que nos são dados, na realidade, pela ciência filtrada pelos meios de comunicação.
11:40
So models can change.
274
685000
3000
Por isso, os modelos podem mudar.
11:43
Models are not static.
275
688000
2000
Os modelos não são estáticos.
11:45
As we become more comfortable in our environments,
276
690000
3000
À medida que nos tornamos mais confortáveis nos nossos ambientes,
11:48
our model can move closer to our feelings.
277
693000
4000
o nosso modelo pode tornar-se mais próximo dos nossos sentimentos.
11:53
So an example might be,
278
698000
2000
Por isso, um exemplo pode ser,
11:55
if you go back 100 years ago
279
700000
2000
se voltarem atrás no tempo 100 anos
11:57
when electricity was first becoming common,
280
702000
3000
quando a electricidade ainda se estava a tornar comum,
12:00
there were a lot of fears about it.
281
705000
2000
existiam muitos medos acerca disso.
12:02
I mean, there were people who were afraid to push doorbells,
282
707000
2000
Quer dizer, havia pessoas que tinham medo de tocar à campainha,
12:04
because there was electricity in there, and that was dangerous.
283
709000
3000
porque existia ali electricidade, e era perigoso.
12:07
For us, we're very facile around electricity.
284
712000
3000
Para nós, somos bastante condescendentes em relação à electricidade.
12:10
We change light bulbs
285
715000
2000
Nós mudamos lâmpadas
12:12
without even thinking about it.
286
717000
2000
sem sequer pensar nisso
12:14
Our model of security around electricity
287
719000
4000
O nosso modelo de segurança acerca da electricidade
12:18
is something we were born into.
288
723000
3000
é algo para o qual nascemos.
12:21
It hasn't changed as we were growing up.
289
726000
3000
Não mudou enquanto crescíamos.
12:24
And we're good at it.
290
729000
3000
E somos bons nele.,
12:27
Or think of the risks
291
732000
2000
Ora, pensem nos riscos
12:29
on the Internet across generations --
292
734000
2000
na Internet entre gerações --
12:31
how your parents approach Internet security,
293
736000
2000
como os vossos pais lidavam com a segurança da Internet,
12:33
versus how you do,
294
738000
2000
versus, como vocês o fazem,
12:35
versus how our kids will.
295
740000
3000
versus como os vossos filhos vão lidar.
12:38
Models eventually fade into the background.
296
743000
3000
Os modelos acabam por se dissolver.
12:42
Intuitive is just another word for familiar.
297
747000
3000
Intuitivo é apenas outra palavra para familiar.
12:45
So as your model is close to reality,
298
750000
2000
Quando o nosso modelo é próximo da realidade,
12:47
and it converges with feelings,
299
752000
2000
e converge com os sentimentos,
12:49
you often don't know it's there.
300
754000
3000
vocês raramente se apercebem que ele lá está.
12:52
So a nice example of this
301
757000
2000
Um bom exemplo disto
12:54
came from last year and swine flu.
302
759000
3000
veio o ano passado com a gripe suína.
12:57
When swine flu first appeared,
303
762000
2000
Quando a gripe suína apareceu,
12:59
the initial news caused a lot of overreaction.
304
764000
4000
as notícias iniciais causaram muitas reacções excessivas.
13:03
Now it had a name,
305
768000
2000
Tinha um nome,
13:05
which made it scarier than the regular flu,
306
770000
2000
o que a fazia mais assustadora que a gripe comum,
13:07
even though it was more deadly.
307
772000
2000
apesar desta ser mais mortal.
13:09
And people thought doctors should be able to deal with it.
308
774000
4000
E as pessoas pensavam que os médicos deveriam saber lidar com ela.
13:13
So there was that feeling of lack of control.
309
778000
2000
Por isso existia um sentimento de falta de controlo.
13:15
And those two things
310
780000
2000
E essas duas coisas
13:17
made the risk more than it was.
311
782000
2000
tornaram o risco mais do que ele era.
13:19
As the novelty wore off, the months went by,
312
784000
3000
Quando a novidade se desvaneceu, os meses passaram,
13:22
there was some amount of tolerance,
313
787000
2000
existia uma quantidade de tolerância,
13:24
people got used to it.
314
789000
2000
as pessoas habituaram-se.
13:26
There was no new data, but there was less fear.
315
791000
3000
Não existia informação nova, mas existia menos medo.
13:29
By autumn,
316
794000
2000
No Outono,
13:31
people thought
317
796000
2000
as pessoas pensaram
13:33
the doctors should have solved this already.
318
798000
2000
que os médicos já deveriam ter resolvido isto.
13:35
And there's kind of a bifurcation --
319
800000
2000
E existe uma espécie de bifurcação --
13:37
people had to choose
320
802000
2000
as pessoas tinham de escolher
13:39
between fear and acceptance --
321
804000
4000
entre o medo e a aceitação --
13:43
actually fear and indifference --
322
808000
2000
ter medo ou indiferença --
13:45
they kind of chose suspicion.
323
810000
3000
elas escolheram suspeita.
13:48
And when the vaccine appeared last winter,
324
813000
3000
E quando a vacina surgiu o Inverno passado,
13:51
there were a lot of people -- a surprising number --
325
816000
3000
existiu uma grande quantidade de pessoas - um número surpreendente -
13:54
who refused to get it --
326
819000
3000
que se recusaram a recebê-la -
13:58
as a nice example
327
823000
2000
é um bom exemplo
14:00
of how people's feelings of security change, how their model changes,
328
825000
3000
que como os sentimentos de segurança das pessoas mudam, como os seus modelos mudam
14:03
sort of wildly
329
828000
2000
de forma rompante
14:05
with no new information,
330
830000
2000
sem nova informação,
14:07
with no new input.
331
832000
2000
sem novo dado.
14:09
This kind of thing happens a lot.
332
834000
3000
Este tipo de evento acontece frequentemente.
14:12
I'm going to give one more complication.
333
837000
3000
Vou-vos mostrar mais uma complicação.
14:15
We have feeling, model, reality.
334
840000
3000
nós temos sentimento, modelo, realidade.
14:18
I have a very relativistic view of security.
335
843000
2000
Eu tenho uma visão muito relativista da segurança.
14:20
I think it depends on the observer.
336
845000
3000
Eu penso que depende do observador.
14:23
And most security decisions
337
848000
2000
E a maioria das decisões de segurança
14:25
have a variety of people involved.
338
850000
4000
têm uma variedade de pessoas envolvidas.
14:29
And stakeholders
339
854000
2000
E os responsáveis
14:31
with specific trade-offs
340
856000
3000
com vista em trocas específicas
14:34
will try to influence the decision.
341
859000
2000
vão tentar influenciar a decisão.
14:36
And I call that their agenda.
342
861000
2000
E eu exponho os seus planos.
14:38
And you see agenda --
343
863000
2000
E vocês vêem os seus planos --
14:40
this is marketing, this is politics --
344
865000
3000
isto é marketing, isto é política --
14:43
trying to convince you to have one model versus another,
345
868000
3000
tentar convencer-vos a aceitar um modelo versus outro,
14:46
trying to convince you to ignore a model
346
871000
2000
tentar convencer-vos a ignorar um modelo
14:48
and trust your feelings,
347
873000
3000
a confiar nos vossos sentimentos,
14:51
marginalizing people with models you don't like.
348
876000
3000
marginalizando pessoas com modelos que vocês não gostam.
14:54
This is not uncommon.
349
879000
3000
Isto não é invulgar.
14:57
An example, a great example, is the risk of smoking.
350
882000
3000
Um exemplo, um óptimo exemplo, é o risco de fumar.
15:01
In the history of the past 50 years, the smoking risk
351
886000
3000
Na história dos últimos 50 anos, o risco de fumar
15:04
shows how a model changes,
352
889000
2000
demonstra como um modelo muda,
15:06
and it also shows how an industry fights against
353
891000
3000
e também demonstra como uma indústria luta contra
15:09
a model it doesn't like.
354
894000
2000
um modelo de que não gosta.
15:11
Compare that to the secondhand smoke debate --
355
896000
3000
Comparem isso com o debate de fumo em segunda mão --
15:14
probably about 20 years behind.
356
899000
3000
está provavelmente atrasado 20 anos.
15:17
Think about seat belts.
357
902000
2000
Pensem acerca dos cintos de segurança.
15:19
When I was a kid, no one wore a seat belt.
358
904000
2000
Quando eu era criança, ninguém usava cinto de segurança.
15:21
Nowadays, no kid will let you drive
359
906000
2000
Hoje em dia, nenhum miúdo vos deixa conduzir
15:23
if you're not wearing a seat belt.
360
908000
2000
se não estiverem a usar cinto de segurança.
15:26
Compare that to the airbag debate --
361
911000
2000
Comparem isso ao debate acerca do airbag --
15:28
probably about 30 years behind.
362
913000
3000
provavelmente atrasado 30 anos.
15:31
All examples of models changing.
363
916000
3000
Todos são exemplos de modelos em mudança.
15:36
What we learn is that changing models is hard.
364
921000
3000
O que nós aprendemos é que mudar modelos é difícil.
15:39
Models are hard to dislodge.
365
924000
2000
É difícil desinstalar modelos
15:41
If they equal your feelings,
366
926000
2000
se eles coincidem com os nossos sentimentos.
15:43
you don't even know you have a model.
367
928000
3000
Vocês nem sequer sabem que têm um modelo.
15:46
And there's another cognitive bias
368
931000
2000
E existe outro erro cognitivo
15:48
I'll call confirmation bias,
369
933000
2000
vou-lhe chamar enviusamento confirmatório,
15:50
where we tend to accept data
370
935000
3000
no qual tendemos a aceitar informação
15:53
that confirms our beliefs
371
938000
2000
que confirma as nossas crenças
15:55
and reject data that contradicts our beliefs.
372
940000
3000
e rejeita informação que contradiz aquilo em que acreditamos.
15:59
So evidence against our model,
373
944000
2000
Portanto, provas contra o nosso modelo,
16:01
we're likely to ignore, even if it's compelling.
374
946000
3000
nós iremos, provavelmente, ignorar, mesmo que seja convincente.
16:04
It has to get very compelling before we'll pay attention.
375
949000
3000
Tem de se tornar muito convincente para nós lhe prestarmos atenção.
16:08
New models that extend long periods of time are hard.
376
953000
2000
Os novos modelos que se estendem por largos periodo de tempo são difíceis.
16:10
Global warming is a great example.
377
955000
2000
O aquecimento global é um óptimo exemplo.
16:12
We're terrible
378
957000
2000
Nós somos terríveis
16:14
at models that span 80 years.
379
959000
2000
com modelos que se estendem por 80 anos.
16:16
We can do to the next harvest.
380
961000
2000
nós podemos tratar da próxima ceifa.
16:18
We can often do until our kids grow up.
381
963000
3000
Nós podemos frequentemente pensar até quando os nossos filhos crescem.
16:21
But 80 years, we're just not good at.
382
966000
3000
Mas 80 anos, nós simplesmente não somos bons [a pensar nisso].
16:24
So it's a very hard model to accept.
383
969000
3000
Portanto, é um modelo muito difícil de aceitar.
16:27
We can have both models in our head simultaneously,
384
972000
4000
Nós podemos ter os dois modelos simultaneamente na nossa mente,
16:31
right, that kind of problem
385
976000
3000
ou esse tipo de problema
16:34
where we're holding both beliefs together,
386
979000
3000
em que estamos a manter as duas crenças em conjunto,
16:37
right, the cognitive dissonance.
387
982000
2000
ou a dissonância cognitiva.
16:39
Eventually,
388
984000
2000
Eventualmente,
16:41
the new model will replace the old model.
389
986000
3000
o novo modelo irá substituir o velho modelo.
16:44
Strong feelings can create a model.
390
989000
3000
Sentimentos fortes podem criar um modelo.
16:47
September 11th created a security model
391
992000
3000
O 11 de Setembro criou um modelo de segurança
16:50
in a lot of people's heads.
392
995000
2000
em muitas mentes.
16:52
Also, personal experiences with crime can do it,
393
997000
3000
Também experiências pessoais com crime o podem fazer,
16:55
personal health scare,
394
1000000
2000
sustos com saúde pessoal,
16:57
a health scare in the news.
395
1002000
2000
um susto nas notícias relacionado com a saúde.
16:59
You'll see these called flashbulb events
396
1004000
2000
Verão estes eventos chamados flashes
17:01
by psychiatrists.
397
1006000
2000
pelos psiquiatras.
17:03
They can create a model instantaneously,
398
1008000
3000
Eles podem criar um modelo instantaneamente
17:06
because they're very emotive.
399
1011000
3000
porque são tão emocionais.
17:09
So in the technological world,
400
1014000
2000
Por isso, num mundo tecnológico,
17:11
we don't have experience
401
1016000
2000
nós não temos experiência
17:13
to judge models.
402
1018000
2000
em avaliar modelos.
17:15
And we rely on others. We rely on proxies.
403
1020000
2000
E confiamos nos outros. Nós confiamos nas vias de informação.
17:17
I mean, this works as long as it's to correct others.
404
1022000
4000
Quero dizer, isto funciona desde que seja para corrigir outros.
17:21
We rely on government agencies
405
1026000
2000
Nós confiamos em agências governamentais
17:23
to tell us what pharmaceuticals are safe.
406
1028000
5000
que nos dizem quais farmacêuticas são seguras.
17:28
I flew here yesterday.
407
1033000
2000
Eu voei para cá ontem.
17:30
I didn't check the airplane.
408
1035000
2000
Eu não verifiquei [o estado] do avião.
17:32
I relied on some other group
409
1037000
2000
Eu confiei noutro grupo
17:34
to determine whether my plane was safe to fly.
410
1039000
3000
para determinar se era seguro voar no meu avião.
17:37
We're here, none of us fear the roof is going to collapse on us,
411
1042000
3000
Nós estamos aqui, nenhum de nós tem medo que o teto vá colapsar sobre nós,
17:40
not because we checked,
412
1045000
3000
não porque verificámos,
17:43
but because we're pretty sure
413
1048000
2000
mas porque temos bastante certeza
17:45
the building codes here are good.
414
1050000
3000
que as normas de construção aqui são boas.
17:48
It's a model we just accept
415
1053000
2000
É um modelo que, basicamente, aceitamos
17:50
pretty much by faith.
416
1055000
2000
por fé.
17:52
And that's okay.
417
1057000
3000
E isso está bem.
17:57
Now, what we want
418
1062000
2000
Agora, o que queremos
17:59
is people to get familiar enough
419
1064000
2000
é que as pessoas se sintam suficientemente familiarizadas
18:01
with better models --
420
1066000
2000
com modelos melhores --
18:03
have it reflected in their feelings --
421
1068000
2000
que isso se reflicta nos seus sentimentos --
18:05
to allow them to make security trade-offs.
422
1070000
4000
e lhes permita fazer escolhas de segurança.
18:09
Now when these go out of whack,
423
1074000
2000
Porque quando estes se distanciam
18:11
you have two options.
424
1076000
2000
têm duas opções:
18:13
One, you can fix people's feelings,
425
1078000
2000
uma, podem corrigir os sentimentos das pessoas,
18:15
directly appeal to feelings.
426
1080000
2000
apelar directamente aos sentimentos.
18:17
It's manipulation, but it can work.
427
1082000
3000
É manipulação, mas pode funcionar.
18:20
The second, more honest way
428
1085000
2000
a segundo forma, mais honesta
18:22
is to actually fix the model.
429
1087000
3000
é corrigir o próprio modelo.
18:26
Change happens slowly.
430
1091000
2000
A mudança acontece lentamente.
18:28
The smoking debate took 40 years,
431
1093000
3000
O debate acerca do tabaco demorou 40 anos,
18:31
and that was an easy one.
432
1096000
3000
e esse foi um fácil.
18:34
Some of this stuff is hard.
433
1099000
2000
Algumas coisas são difíceis.
18:36
I mean really though,
434
1101000
2000
Eu quero dizer, realmente
18:38
information seems like our best hope.
435
1103000
2000
a informação parece ser a nossa maior esperança
18:40
And I lied.
436
1105000
2000
E eu menti.
18:42
Remember I said feeling, model, reality;
437
1107000
2000
Lembram-se quando eu disse que sentimento, modelo, realidade.
18:44
I said reality doesn't change. It actually does.
438
1109000
3000
Eu disse que a realidade não muda. Na realidade muda.
18:47
We live in a technological world;
439
1112000
2000
Nós vivemos num mundo tecnológico;
18:49
reality changes all the time.
440
1114000
3000
a realidade muda a toda a hora.
18:52
So we might have -- for the first time in our species --
441
1117000
3000
Portanto podemos ter -- pela primeira vez na [história] da nossa espécie --
18:55
feeling chases model, model chases reality, reality's moving --
442
1120000
3000
sentimentos que perseguem modelos, modelos perseguem realidade, e a realidade a mudar --
18:58
they might never catch up.
443
1123000
3000
podem nunca se vir a alcançar.
19:02
We don't know.
444
1127000
2000
Nós não sabemos.
19:04
But in the long-term,
445
1129000
2000
Mas a longo prazo
19:06
both feeling and reality are important.
446
1131000
3000
sentimentos e realidade são importantes.
19:09
And I want to close with two quick stories to illustrate this.
447
1134000
3000
E eu quero acabar com duas histórias rápidas para ilustrar estes pontos.
19:12
1982 -- I don't know if people will remember this --
448
1137000
2000
1982 -- Eu não sei se vocês se vão lembrar disto --
19:14
there was a short epidemic
449
1139000
3000
houve uma curta epidemia
19:17
of Tylenol poisonings in the United States.
450
1142000
2000
de envenenamento por Tylenol nos Estados Unidos.
19:19
It's a horrific story. Someone took a bottle of Tylenol,
451
1144000
3000
Foi uma história horrível. Alguém pegou numa garrafa de Tylenol,
19:22
put poison in it, closed it up, put it back on the shelf.
452
1147000
3000
colocou veneno, fechou-a, pô-la novamente na estante.
19:25
Someone else bought it and died.
453
1150000
2000
Outra pessoa comprou-a e morreu.
19:27
This terrified people.
454
1152000
2000
Isto aterrorizou as pessoas.
19:29
There were a couple of copycat attacks.
455
1154000
2000
Houve alguns ataques de imitadores.
19:31
There wasn't any real risk, but people were scared.
456
1156000
3000
Não existia nenhum risco real, mas as pessoas estavam assustadas.
19:34
And this is how
457
1159000
2000
E é por isto
19:36
the tamper-proof drug industry was invented.
458
1161000
2000
que a indústria de produtos farmacêuticos invioláveis foi inventada.
19:38
Those tamper-proof caps, that came from this.
459
1163000
2000
Essas tampas invioláveis, que advieram disto.
19:40
It's complete security theater.
460
1165000
2000
É absolutamente teatro de segurança.
19:42
As a homework assignment, think of 10 ways to get around it.
461
1167000
2000
Como trabalho de casa, pensem em 10 formas de contorná-las.
19:44
I'll give you one, a syringe.
462
1169000
3000
Eu dou-vos uma, uma seringa.
19:47
But it made people feel better.
463
1172000
3000
Mas fez as pessoas sentirem-se melhor.
19:50
It made their feeling of security
464
1175000
2000
Fez com que os seus sentimentos de segurança
19:52
more match the reality.
465
1177000
2000
coincidissem mais com a realidade.
19:54
Last story, a few years ago, a friend of mine gave birth.
466
1179000
3000
Última história, há alguns anos, uma amiga minha deu à luz.
19:57
I visit her in the hospital.
467
1182000
2000
Eu visitei-a no hospital.
19:59
It turns out when a baby's born now,
468
1184000
2000
Acontece que, hoje em dia, quando o bebé nasce,
20:01
they put an RFID bracelet on the baby,
469
1186000
2000
eles colocam uma pulseira RFID no bebé,
20:03
put a corresponding one on the mother,
470
1188000
2000
e colocam a pulseira correspondente na mãe.
20:05
so if anyone other than the mother takes the baby out of the maternity ward,
471
1190000
2000
Por isso, se alguém, que não a mãe, levar o bebé para fora da maternidade,
20:07
an alarm goes off.
472
1192000
2000
o alarme dispara.
20:09
I said, "Well, that's kind of neat.
473
1194000
2000
Eu disse, "Bem, isso é porreiro.
20:11
I wonder how rampant baby snatching is
474
1196000
2000
Eu interrogo-me quão frequente são raptos de bebés
20:13
out of hospitals."
475
1198000
2000
dos hospitais."
20:15
I go home, I look it up.
476
1200000
2000
Eu chego a casa, e procuro.
20:17
It basically never happens.
477
1202000
2000
Praticamente nunca acontece.
20:19
But if you think about it,
478
1204000
2000
Mas se pensarem no assunto,
20:21
if you are a hospital,
479
1206000
2000
se forem um hospital,
20:23
and you need to take a baby away from its mother,
480
1208000
2000
e precisam de levar o bebé para longe da mãe,
20:25
out of the room to run some tests,
481
1210000
2000
para fora do quarto para efectuar alguns testes,
20:27
you better have some good security theater,
482
1212000
2000
é melhor que tenham alguns adereços de segurança,
20:29
or she's going to rip your arm off.
483
1214000
2000
ou ela vai-vos arrancar o braço.
20:31
(Laughter)
484
1216000
2000
(risos)
20:33
So it's important for us,
485
1218000
2000
Por isso, isto é importante para nós,
20:35
those of us who design security,
486
1220000
2000
aqueles que desenvolvem segurança,
20:37
who look at security policy,
487
1222000
3000
que investigam normas de segurança,
20:40
or even look at public policy
488
1225000
2000
ou que até investigam normas públicas
20:42
in ways that affect security.
489
1227000
2000
de formas que afectam a segurança.
20:44
It's not just reality; it's feeling and reality.
490
1229000
3000
Não é apenas a realidade, é o sentimento e a realidade.
20:47
What's important
491
1232000
2000
O que é importante
20:49
is that they be about the same.
492
1234000
2000
é que coincidam mais ou menos.
20:51
It's important that, if our feelings match reality,
493
1236000
2000
é importante porque, se os nossos sentimentos coincidirem com a realidade,
20:53
we make better security trade-offs.
494
1238000
2000
nós fazemos melhores escolhas de segurança.
20:55
Thank you.
495
1240000
2000
Obrigado.
20:57
(Applause)
496
1242000
2000
(Aplausos)
ABOUT THE SPEAKER
Bruce Schneier - Security expertBruce Schneier thinks hard about security -- as a computer security guru, and as a philosopher of the larger notion of making a safer world.
Why you should listen
Bruce Schneier is an internationally renowned security technologist and author. Described by the Economist as a "security guru," he is best known as a refreshingly candid and lucid security critic and commentator. When people want to know how security really works, they turn to Schneier.
His first bestseller, Applied Cryptography, explained how the arcane science of secret codes actually works, and was described by Wired as "the book the National Security Agency wanted never to be published." His book on computer and network security, Secrets and Lies, was called by Fortune "[a] jewel box of little surprises you can actually use." Beyond Fear tackles the problems of security from the small to the large: personal safety, crime, corporate security, national security. His current book, Schneier on Security, offers insight into everything from the risk of identity theft (vastly overrated) to the long-range security threat of unchecked presidential power and the surprisingly simple way to tamper-proof elections.
Schneier publishes a free monthly newsletter, Crypto-Gram, with over 150,000 readers. In its ten years of regular publication, Crypto-Gram has become one of the most widely read forums for free-wheeling discussions, pointed critiques and serious debate about security. As head curmudgeon at the table, Schneier explains, debunks and draws lessons from security stories that make the news.
Bruce Schneier | Speaker | TED.com