TEDxPSU
Bruce Schneier: The security mirage
Bruce Schneier: Güvenlik İllüzyonu
Filmed:
Readability: 4
958,315 views
Bilgisayar güvenlik uzmanu Bruce Schneier'ın dediğine göre güvende olma duygusu ve gerçekten güvende olma her zaman birbirine uymayabilir. TEDxPSU konuşmasında, haberlerde gördüğümüz tehlikelerden korunmak için neden milyonlar harcayıp da, daha muhtemel tehlikeleri göz ardı ediyor olduğumuzu açıklıyor -- ve bu tavrı nasıl değiştirebileceğimiz anlatıyor.
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
Güvenlik iki farklı şeydir:
00:17
it's a feeling, and it's a reality.
1
2000
2000
hem histir hem de gerçeklik.
00:19
And they're different.
2
4000
2000
Ve bunlar birbirinden farklıdır.
00:21
You could feel secure
3
6000
2000
Güvende olmasanız bile
00:23
even if you're not.
4
8000
2000
güvende hissedebilirsiniz.
00:25
And you can be secure
5
10000
2000
Öyle hissediyor olmasanız bile
00:27
even if you don't feel it.
6
12000
2000
güvende olabilirsiniz.
00:29
Really, we have two separate concepts
7
14000
2000
Cidden, elimizde iki ayrı kavram var
00:31
mapped onto the same word.
8
16000
2000
ve ikisi de aynı kelimeyle tanınıyor.
00:33
And what I want to do in this talk
9
18000
2000
Ve bu konuşmada yapmak istediğim
00:35
is to split them apart --
10
20000
2000
bu ikiliyi birbirinden ayırmak --
00:37
figuring out when they diverge
11
22000
2000
nasıl birbirlerinden ayrılıp
00:39
and how they converge.
12
24000
2000
nasıl birleştiklerini anlatarak.
00:41
And language is actually a problem here.
13
26000
2000
Ve dil aslında burada bir problem.
00:43
There aren't a lot of good words
14
28000
2000
Bahsedeceğimiz kavramları anlatmak için
00:45
for the concepts we're going to talk about.
15
30000
3000
yeterince doğru kelime bulunmuyor.
00:48
So if you look at security
16
33000
2000
Güvenliğe ekonomik açıdan
00:50
from economic terms,
17
35000
2000
bakacak olursanız,
00:52
it's a trade-off.
18
37000
2000
bir değiş tokuş gibidir.
00:54
Every time you get some security,
19
39000
2000
Güvenliğe ulaştığınız her an,
00:56
you're always trading off something.
20
41000
2000
karşılığında birşey verirsiniz.
00:58
Whether this is a personal decision --
21
43000
2000
Şahsi bir karar da olabilir --
01:00
whether you're going to install a burglar alarm in your home --
22
45000
2000
evinize soygun alarmı taktırmak gibi --
01:02
or a national decision -- where you're going to invade some foreign country --
23
47000
3000
ulusal bir karar da -- yabancı bir ülkede nereyi işgal edeceğiniz gibi --
01:05
you're going to trade off something,
24
50000
2000
karşılığında birşeyler verirsiniz,
01:07
either money or time, convenience, capabilities,
25
52000
3000
para, zaman, kolaylık, yetenek,
01:10
maybe fundamental liberties.
26
55000
3000
ya da temel özgürlüklerinizi.
01:13
And the question to ask when you look at a security anything
27
58000
3000
Br güvenlik alanına bakıp da soracağınız soru
01:16
is not whether this makes us safer,
28
61000
3000
bizi daha güvende yapıp yapmayacağı değil,
01:19
but whether it's worth the trade-off.
29
64000
3000
bir değiş tokuşa değip değmeyeceği olur.
01:22
You've heard in the past several years,
30
67000
2000
Geçen birkaç yıdır duyuyorsunuz,
01:24
the world is safer because Saddam Hussein is not in power.
31
69000
2000
dünya Saddam Hüseyin artık iktidarda olmadığı için daha güvenli.
01:26
That might be true, but it's not terribly relevant.
32
71000
3000
Doğru olabilir, ama tamamen alakalı değil.
01:29
The question is, was it worth it?
33
74000
3000
Asıl soru şu: buna değdi mi?
01:32
And you can make your own decision,
34
77000
3000
Kendi muhakemenizi yapabilir,
01:35
and then you'll decide whether the invasion was worth it.
35
80000
2000
ve yapılan çıkarmaya değip değmediğine karar verebilirsiniz.
01:37
That's how you think about security --
36
82000
2000
İşte güvenliği böyle tanımlarsınız --
01:39
in terms of the trade-off.
37
84000
2000
değiş tokuş esasına dayalı olarak.
01:41
Now there's often no right or wrong here.
38
86000
3000
Aslında burada doğru ya da yanlış yoktur.
01:44
Some of us have a burglar alarm system at home,
39
89000
2000
Kimimiz evimize soygun alarmı kurdururuz,
01:46
and some of us don't.
40
91000
2000
kimimiz gerek görmeyiz.
01:48
And it'll depend on where we live,
41
93000
2000
Be da nerede yaşadığımıza bağlıdır,
01:50
whether we live alone or have a family,
42
95000
2000
yalnız mı yoksa ailemizle mi yaşadığımıza,
01:52
how much cool stuff we have,
43
97000
2000
ne kadar değerli eşyamız olduğuna,
01:54
how much we're willing to accept
44
99000
2000
soyulma riskini göze alabilmemize
01:56
the risk of theft.
45
101000
2000
bağlıdır.
01:58
In politics also,
46
103000
2000
Poltikada da,
02:00
there are different opinions.
47
105000
2000
farklı görüşler vardır.
02:02
A lot of times, these trade-offs
48
107000
2000
Bir çok defa, bu değiş tokuşlar
02:04
are about more than just security,
49
109000
2000
güvenlikten daha mühimdir.
02:06
and I think that's really important.
50
111000
2000
Ve bence de bu çok önemlidir.
02:08
Now people have a natural intuition
51
113000
2000
Şimdi, insanların bu değiş tokuşlarla
02:10
about these trade-offs.
52
115000
2000
ilgili doğal bir içgüdüleri vardır.
02:12
We make them every day --
53
117000
2000
Hergün bunları yapıyoruz --
02:14
last night in my hotel room,
54
119000
2000
dün akşam otel odamda,
02:16
when I decided to double-lock the door,
55
121000
2000
kapımı iki defa kilitlemeye karar verdiğimde,
02:18
or you in your car when you drove here,
56
123000
2000
ya da siz arabanızla buraya gelirken,
02:20
when we go eat lunch
57
125000
2000
yemeğe gittiğimizde
02:22
and decide the food's not poison and we'll eat it.
58
127000
3000
yemeğin zehirli olmadığına karar verip yediğimizde.
02:25
We make these trade-offs again and again,
59
130000
2000
Bu değiş tokuşları tekrar tekrar yapıyoruz,
02:27
multiple times a day.
60
132000
2000
günde defalarca.
02:29
We often won't even notice them.
61
134000
2000
Bazen yaptığımızın farkına bile varmayız.
02:31
They're just part of being alive; we all do it.
62
136000
2000
Yaşamımızın bir parçası; herkesin yaptığı bir şey.
02:33
Every species does it.
63
138000
3000
Her canlının yaptığı birşey.
02:36
Imagine a rabbit in a field, eating grass,
64
141000
2000
Bir tavşanı düşünün, tarlada otları yiyor,
02:38
and the rabbit's going to see a fox.
65
143000
3000
ve tavşan bir tilki görür.
02:41
That rabbit will make a security trade-off:
66
146000
2000
O tavşan güvenlik değiş tokuşu yapacaktır.
02:43
"Should I stay, or should I flee?"
67
148000
2000
"Kalsam mı, yoksa kaçsam mı?"
02:45
And if you think about it,
68
150000
2000
Ve bunu düşündüğünüzde,
02:47
the rabbits that are good at making that trade-off
69
152000
3000
bu takası yapabilen tavşanlar yaşamaya
02:50
will tend to live and reproduce,
70
155000
2000
ve çoğalmaya devam eder,
02:52
and the rabbits that are bad at it
71
157000
2000
bu takasta başarısız olanlar
02:54
will get eaten or starve.
72
159000
2000
yem olur ya da açlıktan ölür.
02:56
So you'd think
73
161000
2000
Ve siz de, bizim
02:58
that us, as a successful species on the planet --
74
163000
3000
gezegendeki başarılı canlı türü olarak --
03:01
you, me, everybody --
75
166000
2000
sen, ben, hepimiz --
03:03
would be really good at making these trade-offs.
76
168000
3000
bu değiş tokuşta ne kadar başarılı olduğumuzu düşünürsünüz.
03:06
Yet it seems, again and again,
77
171000
2000
Ancak, bu konuda tekrar tekrar
03:08
that we're hopelessly bad at it.
78
173000
3000
umutsuzca başarısız oluyoruz.
03:11
And I think that's a fundamentally interesting question.
79
176000
3000
Ve ben bunun çok ilginç bir soru olduğunu düşünüyorum.
03:14
I'll give you the short answer.
80
179000
2000
Size kısa cevabı vereceğim.
03:16
The answer is, we respond to the feeling of security
81
181000
2000
Cevap, bizim gerçeklik yerine güvenlik duygusuna
03:18
and not the reality.
82
183000
3000
yanıt vermemiz.
03:21
Now most of the time, that works.
83
186000
3000
Çoğu kez, işe yarar.
03:25
Most of the time,
84
190000
2000
Çoğu zaman,
03:27
feeling and reality are the same.
85
192000
3000
hissedilen ve gerçek olan aynıdır.
03:30
Certainly that's true
86
195000
2000
Tarihöncesi insanlarının çoğu
03:32
for most of human prehistory.
87
197000
3000
için kesinlikle doğru.
03:35
We've developed this ability
88
200000
3000
Biz bu duyguyu geliştirdik
03:38
because it makes evolutionary sense.
89
203000
2000
çünkü bize evrimsel olarak mantıklı geldi.
03:40
One way to think of it
90
205000
2000
Başka şekilde düşünecek olursak
03:42
is that we're highly optimized
91
207000
2000
biz risk kararlarına
03:44
for risk decisions
92
209000
2000
bir hayli odaklıyız,
03:46
that are endemic to living in small family groups
93
211000
3000
bu Doğu Afrika dağlıklarında MÖ 100.000lerde
03:49
in the East African highlands in 100,000 B.C.
94
214000
3000
küçük aile gruplarında yaşayanlar için çok yaygındı.
03:52
2010 New York, not so much.
95
217000
3000
2010 New York'unda o kadar da değil.
03:56
Now there are several biases in risk perception.
96
221000
3000
Risk algısında birçok önyargı vardır.
03:59
A lot of good experiments in this.
97
224000
2000
Bunun üzerine de birçok deney.
04:01
And you can see certain biases that come up again and again.
98
226000
3000
Ve belli başlı önyargılarla tekrar tekrar karşılaşıldığını görürsünüz.
04:04
So I'll give you four.
99
229000
2000
Dördünü anlatacağım
04:06
We tend to exaggerate spectacular and rare risks
100
231000
3000
Dikkat çekici ve çok az rastlanan tehlikeleri abartmaya meyilliyiz
04:09
and downplay common risks --
101
234000
2000
yaygın riskleri de küçük görmeye --
04:11
so flying versus driving.
102
236000
3000
mesela uçağa karşı araba.
04:14
The unknown is perceived
103
239000
2000
Bilinmeyen, alışkın olduğumuzdan
04:16
to be riskier than the familiar.
104
241000
3000
daha tehlikerli olarak algılanır.
04:20
One example would be,
105
245000
2000
Buna bir örnek,
04:22
people fear kidnapping by strangers
106
247000
3000
yabancılar tarafından kaçırılmaktan korkan insanlar,
04:25
when the data supports kidnapping by relatives is much more common.
107
250000
3000
veriler tanıdıklar tarafından kaçırılmanın daha yaygın olduğunu söylüyor.
04:28
This is for children.
108
253000
2000
Bu çocuklar için geçerli.
04:30
Third, personified risks
109
255000
3000
Üçüncüsü, kişileştirilmiş tehlikeler
04:33
are perceived to be greater than anonymous risks --
110
258000
3000
anonim olanlardan daha büyük algılanırlar.
04:36
so Bin Laden is scarier because he has a name.
111
261000
3000
Yani Bin Laden ismi olduğu için daha korkutucudur.
04:39
And the fourth
112
264000
2000
Dördüncüsü
04:41
is people underestimate risks
113
266000
2000
insanlar kontrol edebildikleri
04:43
in situations they do control
114
268000
2000
durumlardaki tehlikeleri küçümser,
04:45
and overestimate them in situations they don't control.
115
270000
4000
kontrollerinde olmayan durumları büyütürler.
04:49
So once you take up skydiving or smoking,
116
274000
3000
Paraşüt atlama ya da sigara içmeye başladığınızda,
04:52
you downplay the risks.
117
277000
2000
tehlikeyi küçümsersiniz.
04:54
If a risk is thrust upon you -- terrorism was a good example --
118
279000
3000
Bir risk sizi vurduğunda -- terörizm buna iyi bir örnek --
04:57
you'll overplay it because you don't feel like it's in your control.
119
282000
3000
durumu büyütürsünüz, çünkü sizin kontrolünüzde olmadığını hissedersiniz.
05:02
There are a bunch of other of these biases, these cognitive biases,
120
287000
3000
Buna benzer birkaç tane daha önyargı vardır, kavramsal yargılar,
05:05
that affect our risk decisions.
121
290000
3000
ve risk kararlarımızı etkilerler.
05:08
There's the availability heuristic,
122
293000
2000
Sezgilerin geçerliliği diye birşey var,
05:10
which basically means
123
295000
2000
kısaca birşeylerin ihtimalini
05:12
we estimate the probability of something
124
297000
3000
örneklerinin akla ne kadar kolay
05:15
by how easy it is to bring instances of it to mind.
125
300000
4000
geldiğiyle ölçmemiz anlamına gelir.
05:19
So you can imagine how that works.
126
304000
2000
Bunun nasıl işlediğini tahmin edebilirsiniz.
05:21
If you hear a lot about tiger attacks, there must be a lot of tigers around.
127
306000
3000
Eğer çok sık kaplan saldırısı duyuyorsanız, etrafta çok kaplan var demektir.
05:24
You don't hear about lion attacks, there aren't a lot of lions around.
128
309000
3000
Aslan saldırılarını duymuyorsanız, etrafta pek aslan yoktur.
05:27
This works until you invent newspapers.
129
312000
3000
Bu gazetelerin icadına kadar işe yarıyordu.
05:30
Because what newspapers do
130
315000
2000
Çünkü gazetelerin tüm yaptığı
05:32
is they repeat again and again
131
317000
2000
az görülen riskleri tekrar tekrar
05:34
rare risks.
132
319000
2000
yazmaktır.
05:36
I tell people, if it's in the news, don't worry about it.
133
321000
2000
Her zaman söylerim, eğer haberlerde çıktıysa, korkmayın.
05:38
Because by definition,
134
323000
2000
Çünkü tanımı böyle,
05:40
news is something that almost never happens.
135
325000
3000
haberler, neredeyse hiç olmayan şeylerden oluşur.
05:43
(Laughter)
136
328000
2000
(Kahkahalar)
05:45
When something is so common, it's no longer news --
137
330000
3000
Eğer birşey çok yaygınsa, artık haber olmaktan çıkar --
05:48
car crashes, domestic violence --
138
333000
2000
araba kazaları, ev içi şiddeti --
05:50
those are the risks you worry about.
139
335000
3000
endişelendiğiniz riskler bunlar.
05:53
We're also a species of storytellers.
140
338000
2000
Biz ayrıca hikaye anlatan bir türüz.
05:55
We respond to stories more than data.
141
340000
3000
Hikayelere verilerden daha çok önem veriyoruz.
05:58
And there's some basic innumeracy going on.
142
343000
2000
Ve olup biten aslında çok basit bir yanlış hesaplama.
06:00
I mean, the joke "One, Two, Three, Many" is kind of right.
143
345000
3000
Yani, "Bir, iki, üç, çok fazla" dedikleri çok doğru.
06:03
We're really good at small numbers.
144
348000
3000
Küçük rakamlarla aramız iyi.
06:06
One mango, two mangoes, three mangoes,
145
351000
2000
Bir mango, iki mango, üç mango,
06:08
10,000 mangoes, 100,000 mangoes --
146
353000
2000
10.000 mango, 100.000 mango--
06:10
it's still more mangoes you can eat before they rot.
147
355000
3000
çürümeden yiyebileceğimizden hala çok fazla.
06:13
So one half, one quarter, one fifth -- we're good at that.
148
358000
3000
O zaman yarım, çeyrek, beşte biri -- işte bunlar daha iyi.
06:16
One in a million, one in a billion --
149
361000
2000
Milyonda bir, milyarda bir --
06:18
they're both almost never.
150
363000
3000
ikisi de neredeyse hiç demek.
06:21
So we have trouble with the risks
151
366000
2000
Yani çok yaygın olmayan risklerle
06:23
that aren't very common.
152
368000
2000
hep sorun yaşıyoruz.
06:25
And what these cognitive biases do
153
370000
2000
Bu kavramsal önyargıların yaptığı ise
06:27
is they act as filters between us and reality.
154
372000
3000
bizimle gerçeklik arasında bir perde oluşturmak.
06:30
And the result
155
375000
2000
Ve bunun sonucunda
06:32
is that feeling and reality get out of whack,
156
377000
2000
hislerimizle gerçeklik hızla ayrılıp,
06:34
they get different.
157
379000
3000
farklılaşıyorlar.
06:37
Now you either have a feeling -- you feel more secure than you are.
158
382000
3000
Artık ya hissediyorsunuzdur -- olduğunuzdan daha güvenli hissediyorsunuzdur.
06:40
There's a false sense of security.
159
385000
2000
Güvende olduğunuza dair yanlış bir hisse kapılırsınız.
06:42
Or the other way,
160
387000
2000
Ya da,
06:44
and that's a false sense of insecurity.
161
389000
2000
güvende olmadığınıza dair yanlış hisse kapılırsınız.
06:46
I write a lot about "security theater,"
162
391000
3000
"Güvenlik tiyatroları"yla ilgili çok sık yazarım,
06:49
which are products that make people feel secure,
163
394000
3000
insanları güvende hissettiren ancak bu konuda
06:52
but don't actually do anything.
164
397000
2000
hiç birşey yapmayan ürünler.
06:54
There's no real word for stuff that makes us secure,
165
399000
2000
Kendimizi güvende hissettiren anncak güvenliğimizi
06:56
but doesn't make us feel secure.
166
401000
2000
sağlamayan şeyler için gerçek bir kelimemiz yok.
06:58
Maybe it's what the CIA's supposed to do for us.
167
403000
3000
Belki de CIA'in yapması gereken şey budur.
07:03
So back to economics.
168
408000
2000
Ekonomiye geri gelelim.
07:05
If economics, if the market, drives security,
169
410000
4000
Ekonomi, pazar güvenlik sağlarsa,
07:09
and if people make trade-offs
170
414000
2000
ve insanlar güven hissi için
07:11
based on the feeling of security,
171
416000
3000
değiş-tokuşa devam ederse,
07:14
then the smart thing for companies to do
172
419000
2000
akıllı şirketlerin ekonomik teşvik için
07:16
for the economic incentives
173
421000
2000
yapmaları gereken şey
07:18
are to make people feel secure.
174
423000
3000
insanları güvende hissettirmektir.
07:21
And there are two ways to do this.
175
426000
3000
Ve bunu yapmanın iki yolu vardır.
07:24
One, you can make people actually secure
176
429000
2000
Biri, insanların güvenliğini sağlamak
07:26
and hope they notice.
177
431000
2000
ve farketmelerini ummak.
07:28
Or two, you can make people just feel secure
178
433000
3000
Diğeri, insanların sadece güvende hissetmelerini sağlayıp
07:31
and hope they don't notice.
179
436000
3000
farketmemelerini ummak.
07:35
So what makes people notice?
180
440000
3000
Peki insanların farketmesini ne sağlar?
07:38
Well a couple of things:
181
443000
2000
Bazı şeyler var:
07:40
understanding of the security,
182
445000
2000
güvenliğin, risklerin ve tehditlerin
07:42
of the risks, the threats,
183
447000
2000
ve alınan önlemlerin ne olduğunu anlamak,
07:44
the countermeasures, how they work.
184
449000
3000
ve bunların işleyişini öğrenmek.
07:47
But if you know stuff,
185
452000
2000
Bunları biliyorsanız,
07:49
you're more likely to have your feelings match reality.
186
454000
3000
hislerinizin gerçeklikle uyuşmasını başarmanız daha olasıdır.
07:52
Enough real world examples helps.
187
457000
3000
Yeterince gerçek örnekler yardımcı olabilir.
07:55
Now we all know the crime rate in our neighborhood,
188
460000
3000
Hepimiz yaşadığımız yerlerdeki suç oranlarını biliriz,
07:58
because we live there, and we get a feeling about it
189
463000
3000
çünkü orada yaşıyoruz ve burayla ilgilli hislerimiz
08:01
that basically matches reality.
190
466000
3000
çoğunlukla gerçeklikle eşleşir.
08:04
Security theater's exposed
191
469000
3000
Güvenlik tiyatrolarına
08:07
when it's obvious that it's not working properly.
192
472000
3000
işe yaramadığı kesin olduğunda maruz kalırız.
08:10
Okay, so what makes people not notice?
193
475000
4000
Pekala, insanların farketmemesini ne sağlar?
08:14
Well, a poor understanding.
194
479000
2000
Tabi ki, az bilgi sahibi olmak.
08:16
If you don't understand the risks, you don't understand the costs,
195
481000
3000
Eğer riskleri bilmezseniz, neye malolacağını da anlayamazsınız,
08:19
you're likely to get the trade-off wrong,
196
484000
2000
bu yüzden doğru takası yapamazsınız,
08:21
and your feeling doesn't match reality.
197
486000
3000
ve hisleriniz gerçeklikle eşleşmez.
08:24
Not enough examples.
198
489000
2000
Örnekler yeterli değil.
08:26
There's an inherent problem
199
491000
2000
Düşük ihtimalli olaylarla ilgili
08:28
with low probability events.
200
493000
2000
doğal bir problem var.
08:30
If, for example,
201
495000
2000
Mesela,
08:32
terrorism almost never happens,
202
497000
2000
terörizm neredeyse hiç olmasaydı,
08:34
it's really hard to judge
203
499000
2000
terör karşıtı önlemlerin
08:36
the efficacy of counter-terrorist measures.
204
501000
3000
etkinliğini ölçmek zorlaşırdı.
08:40
This is why you keep sacrificing virgins,
205
505000
3000
Bakireleri kurban etmeye devam etmenizin,
08:43
and why your unicorn defenses are working just great.
206
508000
3000
ve ünikornlardan korunma yönteminizin işe yaramasının asıl sebebi budur.
08:46
There aren't enough examples of failures.
207
511000
3000
Yeterince başarısız olma örneğiniz yoktur.
08:50
Also, feelings that are clouding the issues --
208
515000
3000
Ayrıca, meseleleri gizleyen hisler --
08:53
the cognitive biases I talked about earlier,
209
518000
2000
daha önce bahsettiğim kavramsal önyargılar,
08:55
fears, folk beliefs,
210
520000
3000
korkular ve halk inanışları,
08:58
basically an inadequate model of reality.
211
523000
3000
gerçekliğin yetersiz birer modelleridirler.
09:02
So let me complicate things.
212
527000
3000
O zaman durumu biraz daha karmaşıklaştıralım.
09:05
I have feeling and reality.
213
530000
2000
Elimde hisler ve gerçeklik var.
09:07
I want to add a third element. I want to add model.
214
532000
3000
Üçüncü bir element daha ekleyelim: bir model ekleyelim.
09:10
Feeling and model in our head,
215
535000
2000
Model ve duygular kafamızda,
09:12
reality is the outside world.
216
537000
2000
gerçeklik ise dış dünyada.
09:14
It doesn't change; it's real.
217
539000
3000
Değişmez; çünkü gerçek.
09:17
So feeling is based on our intuition.
218
542000
2000
Hisler içgüdülerimize dayalıdır.
09:19
Model is based on reason.
219
544000
2000
Model, mantığa.
09:21
That's basically the difference.
220
546000
3000
Aradaki temel fark budur
09:24
In a primitive and simple world,
221
549000
2000
Basit ve ilkel bir dünyada,
09:26
there's really no reason for a model
222
551000
3000
bir modele o kadar da ihtiyaç yoktur.
09:29
because feeling is close to reality.
223
554000
3000
Çünkü hisler gerçekliğe yakındır.
09:32
You don't need a model.
224
557000
2000
Modele ihtiyaç duymazsınız.
09:34
But in a modern and complex world,
225
559000
2000
Ancak modern ve karmaşık bir dünyada,
09:36
you need models
226
561000
2000
karşılaştığımız riskleri
09:38
to understand a lot of the risks we face.
227
563000
3000
anlamak için modellerie ihtiyaç duyarız.
09:42
There's no feeling about germs.
228
567000
2000
Mikropları hissetmeyiz.
09:44
You need a model to understand them.
229
569000
3000
Bu nedenle anlamak için modele ihtiyaç duyarız.
09:47
So this model
230
572000
2000
Bu model de
09:49
is an intelligent representation of reality.
231
574000
3000
gerçeğin iyi uyarlanmış bir temsilidir.
09:52
It's, of course, limited by science,
232
577000
3000
Tabi ki, bilim ve teknolojinin olanaklarıyla
09:55
by technology.
233
580000
2000
sınırlıdır.
09:57
We couldn't have a germ theory of disease
234
582000
3000
Hastalıkların mikroplarla bağlantılı olma teorisini
10:00
before we invented the microscope to see them.
235
585000
3000
mikroskop icat edilip de onları görmeden bilemezdik.
10:04
It's limited by our cognitive biases.
236
589000
3000
Kavramsal önyargılarımızla da sınırlıdır.
10:07
But it has the ability
237
592000
2000
Ama bu, hislerimizi
10:09
to override our feelings.
238
594000
2000
hükümsüz kılabilir.
10:11
Where do we get these models? We get them from others.
239
596000
3000
Bu modelleri nasıl ediniriz? Diğerlerinden alarak.
10:14
We get them from religion, from culture,
240
599000
3000
Modelleri dinden, kültürden, öğretmenlerden,
10:17
teachers, elders.
241
602000
2000
büyüklerimizden ediniriz.
10:19
A couple years ago,
242
604000
2000
Bir kaç yıl önce
10:21
I was in South Africa on safari.
243
606000
2000
Güney Afrika'da safarideydim.
10:23
The tracker I was with grew up in Kruger National Park.
244
608000
3000
Grubumuzun rehberi Kruger Ulusal Parkında büyümüş.
10:26
He had some very complex models of how to survive.
245
611000
3000
Hayatta kalmak için oldukça karmaşık modeller edinmiş.
10:29
And it depended on if you were attacked
246
614000
2000
Bu model, bir aslan ya da leopar yada gergedan
10:31
by a lion or a leopard or a rhino or an elephant --
247
616000
2000
ya da fil saldırısana uğramayı --
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
ve kaçmak zorunda oluşunuzu, ve bir ağaca tırmanmayı bilmeseniz bile
10:36
when you could never climb a tree.
249
621000
2000
ağaca tırmanmak zorunda oluşunuzu içeriyor.
10:38
I would have died in a day,
250
623000
3000
Ben orada bir gün içinde ölürdüm,
10:41
but he was born there,
251
626000
2000
ancak adam orada doğmuş,
10:43
and he understood how to survive.
252
628000
2000
ve hayatta kalma yollarını öğrenmiş.
10:45
I was born in New York City.
253
630000
2000
Bense New York'ta doğdum.
10:47
I could have taken him to New York, and he would have died in a day.
254
632000
3000
Onu da New York'a getirsem, o da bir gün içinde ölürdü.
10:50
(Laughter)
255
635000
2000
(Kahkahalar)
10:52
Because we had different models
256
637000
2000
Çünkü biz, farklı deneyimlere bağlı
10:54
based on our different experiences.
257
639000
3000
farklı modeller edinmişiz.
10:58
Models can come from the media,
258
643000
2000
Modellerimiz medyadan ya da
11:00
from our elected officials.
259
645000
3000
seçilmiş yetkililerimizden gelebilir.
11:03
Think of models of terrorism,
260
648000
3000
Terörizm modellerini düşünün,
11:06
child kidnapping,
261
651000
3000
çocuk kaçırma,
11:09
airline safety, car safety.
262
654000
2000
havayolu ya da araç güvenliğini.
11:11
Models can come from industry.
263
656000
3000
Modeller endüstriden gelebilir.
11:14
The two I'm following are surveillance cameras,
264
659000
2000
Takip ettiğim iki tanesi gözetim kameraları ve
11:16
ID cards,
265
661000
2000
kimlik kartları,
11:18
quite a lot of our computer security models come from there.
266
663000
3000
bilgisayar güvenlik modellerimizin çoğu bunlardan geliyor.
11:21
A lot of models come from science.
267
666000
3000
Çoğu modelse bilimden gelir.
11:24
Health models are a great example.
268
669000
2000
Sağlık modelleri buna iyi bir örnek olur.
11:26
Think of cancer, of bird flu, swine flu, SARS.
269
671000
3000
Kanseri bi düşünün, kuş gribi, domuz gribi ve SARS'ı.
11:29
All of our feelings of security
270
674000
3000
Bu hastalıklara karşı geliştirdiğimiz
11:32
about those diseases
271
677000
2000
güvenlik hisleri
11:34
come from models
272
679000
2000
bize verilen
11:36
given to us, really, by science filtered through the media.
273
681000
3000
medyadın bilimden ayıklayıp sunduğu modellere dayanır.
11:40
So models can change.
274
685000
3000
Yani modeller değişebilir.
11:43
Models are not static.
275
688000
2000
Modeller sabit değillerdir.
11:45
As we become more comfortable in our environments,
276
690000
3000
Çevremizde daha güvende hissetikçe
11:48
our model can move closer to our feelings.
277
693000
4000
modelimiz hislerimize daha çok yaklaşır.
11:53
So an example might be,
278
698000
2000
Örneğin,
11:55
if you go back 100 years ago
279
700000
2000
elektriğin yeni yaygınlaşmaya başladığı
11:57
when electricity was first becoming common,
280
702000
3000
100 yıl öncesine gidecek olsaydınız
12:00
there were a lot of fears about it.
281
705000
2000
elektrikten ne kadar korkulduğunu görürdünüz.
12:02
I mean, there were people who were afraid to push doorbells,
282
707000
2000
Kapı zilini çalmaktan korkan insanlar vardı,
12:04
because there was electricity in there, and that was dangerous.
283
709000
3000
çünkü düğmede elektrik vardı ve bu tehlikeliydi.
12:07
For us, we're very facile around electricity.
284
712000
3000
Bize gelince, biz elektrik konusunda çok rahatız.
12:10
We change light bulbs
285
715000
2000
Hiç düşünmeden
12:12
without even thinking about it.
286
717000
2000
ampulleri değiştirebiliyoruz.
12:14
Our model of security around electricity
287
719000
4000
Elektrik konusunda oluşturduğumuz
12:18
is something we were born into.
288
723000
3000
bu güven modeliyle büyüdük.
12:21
It hasn't changed as we were growing up.
289
726000
3000
Ve bu sürede bu hiç değişmedi.
12:24
And we're good at it.
290
729000
3000
Ve hepimiz bunda iyiyiz.
12:27
Or think of the risks
291
732000
2000
İnternet risklerinin
12:29
on the Internet across generations --
292
734000
2000
nesiller boyunca değişimini düşünün --
12:31
how your parents approach Internet security,
293
736000
2000
anne babanızın internet güvenliğine yaklaşımını,
12:33
versus how you do,
294
738000
2000
sizin yaklaşımınızı,
12:35
versus how our kids will.
295
740000
3000
ve çocuklarınızınkini karşılaştırın.
12:38
Models eventually fade into the background.
296
743000
3000
Modeller zamanla altyapı halini alır.
12:42
Intuitive is just another word for familiar.
297
747000
3000
Sezgisel, tanıdık anlamına gelen başka bir sözcüktür.
12:45
So as your model is close to reality,
298
750000
2000
Yani, modeliniz gerçekliğe ve
12:47
and it converges with feelings,
299
752000
2000
hislerinize yaklaştıkça,
12:49
you often don't know it's there.
300
754000
3000
orada olduğunu çoğunlukla farketmezsiniz.
12:52
So a nice example of this
301
757000
2000
Buna bir örnek olarak
12:54
came from last year and swine flu.
302
759000
3000
geçen yılki domuz gribini verebiliriz.
12:57
When swine flu first appeared,
303
762000
2000
Domuz gribi ilk ortaya çıktığında,
12:59
the initial news caused a lot of overreaction.
304
764000
4000
ilk haberler aşırı bir tepkiye sebep olmuştu.
13:03
Now it had a name,
305
768000
2000
Artık bir ismi de vardı,
13:05
which made it scarier than the regular flu,
306
770000
2000
bu da onu sıradan bir gripten korkutucu kıldı,
13:07
even though it was more deadly.
307
772000
2000
daha ölümcül olmasına rağmen.
13:09
And people thought doctors should be able to deal with it.
308
774000
4000
Ve insanlar, doktorların buna bir çare bulabilmesi gerektiğini düşündü.
13:13
So there was that feeling of lack of control.
309
778000
2000
Bu da kontrol eksikliği duygusuna sebep oldu.
13:15
And those two things
310
780000
2000
Ve bu iki şey
13:17
made the risk more than it was.
311
782000
2000
riski olduğundan büyük gösterdi.
13:19
As the novelty wore off, the months went by,
312
784000
3000
Zaman geçip de olay artık eskidiğinde,
13:22
there was some amount of tolerance,
313
787000
2000
daha tahammül edilebilir oldu,
13:24
people got used to it.
314
789000
2000
insanlar buna alıştı.
13:26
There was no new data, but there was less fear.
315
791000
3000
Yeni bir bilgi yoktu ama daha az korku vardı.
13:29
By autumn,
316
794000
2000
Sonbaharda,
13:31
people thought
317
796000
2000
insanlar artık
13:33
the doctors should have solved this already.
318
798000
2000
doktorların bu işi çözdüklerini düşündüler.
13:35
And there's kind of a bifurcation --
319
800000
2000
İnsanların korku ve kabullenme arasında
13:37
people had to choose
320
802000
2000
aslında korku ve umursamazlık arasında
13:39
between fear and acceptance --
321
804000
4000
seçmesi gereken
13:43
actually fear and indifference --
322
808000
2000
bir çeşit yol ayrımı vardır --
13:45
they kind of chose suspicion.
323
810000
3000
ve çoğunlukla şüpheyi seçerler.
13:48
And when the vaccine appeared last winter,
324
813000
3000
Ve geçen kış aşı geliştirildiğinde,
13:51
there were a lot of people -- a surprising number --
325
816000
3000
bir çok insan --şaşırtıcı bir sayıda--
13:54
who refused to get it --
326
819000
3000
aşılanmayı reddetti.
13:58
as a nice example
327
823000
2000
bu da insanların
14:00
of how people's feelings of security change, how their model changes,
328
825000
3000
güvenlik duygularının ve modellerinin nasıl değiştiğine dair iyi bir örnek,
14:03
sort of wildly
329
828000
2000
çok sert bir şekilde
14:05
with no new information,
330
830000
2000
ve yeni bilgi almaksızın,
14:07
with no new input.
331
832000
2000
yeni bir şey öğrenmeksizin.
14:09
This kind of thing happens a lot.
332
834000
3000
Böyle şeyler sık sık olur.
14:12
I'm going to give one more complication.
333
837000
3000
Bir karmaşadan daha bahsedeceğim.
14:15
We have feeling, model, reality.
334
840000
3000
Hissettiklerimiz, model ve gerçekliğimiz var.
14:18
I have a very relativistic view of security.
335
843000
2000
Benim güvenliğe bakış açım oldukça gerçekçi.
14:20
I think it depends on the observer.
336
845000
3000
Bu yüzden de bunun gözlemciye bağlı olduğunu düşünüğyorum.
14:23
And most security decisions
337
848000
2000
Ve çoğu güvenlik kararları
14:25
have a variety of people involved.
338
850000
4000
çok farklı insanları içerir.
14:29
And stakeholders
339
854000
2000
Ve bu insanlar
14:31
with specific trade-offs
340
856000
3000
özel değiş-tokuşlarıyla
14:34
will try to influence the decision.
341
859000
2000
kararı etkilemeyi deneyecekler.
14:36
And I call that their agenda.
342
861000
2000
Buna onların amacı diyelim.
14:38
And you see agenda --
343
863000
2000
Ve amaçlarını anlıyorsunuz --
14:40
this is marketing, this is politics --
344
865000
3000
bu pazarlama, bu politika --
14:43
trying to convince you to have one model versus another,
345
868000
3000
sizi bir model yerine diğeri için ikna etmeye çalışıyorlar,
14:46
trying to convince you to ignore a model
346
871000
2000
bir modeli görmezden gelmeniz ve hislerinize
14:48
and trust your feelings,
347
873000
3000
güvenmeniz için ikna ediyorlar,
14:51
marginalizing people with models you don't like.
348
876000
3000
beğenmediğiniz modelleri insanlarla sınırlayarak hem de.
14:54
This is not uncommon.
349
879000
3000
Bu çok sık olur.
14:57
An example, a great example, is the risk of smoking.
350
882000
3000
Örneğin, harika bir örnek, sigara içmenin tehlikeleri.
15:01
In the history of the past 50 years, the smoking risk
351
886000
3000
Geçen 50 yıl içinde, sigaranın tehlikeleri
15:04
shows how a model changes,
352
889000
2000
bir modelin nasıl değiştiğini gösterir,
15:06
and it also shows how an industry fights against
353
891000
3000
ve bir endüstrinin beğenmedikleri modelle
15:09
a model it doesn't like.
354
894000
2000
nasıl savaştığına örnektir.
15:11
Compare that to the secondhand smoke debate --
355
896000
3000
Bunu daha önce yapılmış sigara tartışmalarıyla kıyaslayın --
15:14
probably about 20 years behind.
356
899000
3000
muhtemelen 20 yıl geride kalmıştır.
15:17
Think about seat belts.
357
902000
2000
Emniyet kemerlerini düşünün.
15:19
When I was a kid, no one wore a seat belt.
358
904000
2000
Ben çocukken, hiçkimse emniyet kemeri takmazdı.
15:21
Nowadays, no kid will let you drive
359
906000
2000
Şimdi ise, emniyet kemerinizi takmadıysanız
15:23
if you're not wearing a seat belt.
360
908000
2000
hiçbir çocuk arabayı sürmenize izin vermez.
15:26
Compare that to the airbag debate --
361
911000
2000
Bunu hava yastığı tartışmalarıyla kıyaslayın,
15:28
probably about 30 years behind.
362
913000
3000
muhtemelen 30 yıl öncesinde kalmıştır.
15:31
All examples of models changing.
363
916000
3000
Hepsi model değişimine örnektir.
15:36
What we learn is that changing models is hard.
364
921000
3000
Öğrendiğimiz model değişiminin zor olduğudur.
15:39
Models are hard to dislodge.
365
924000
2000
Modelleri yerinden oynatmak güçtür.
15:41
If they equal your feelings,
366
926000
2000
Eğer hislerinize eşitlerse,
15:43
you don't even know you have a model.
367
928000
3000
bir modeliniz olduğunun farkına varmazsınız.
15:46
And there's another cognitive bias
368
931000
2000
Ve başka bir kavramsal önyargı da var ki,
15:48
I'll call confirmation bias,
369
933000
2000
ben buna onay yargısı diyeceğim.
15:50
where we tend to accept data
370
935000
3000
İnançlarımızı onaylayan bilgileri
15:53
that confirms our beliefs
371
938000
2000
kabul etmeye meyilliyizdir ancak
15:55
and reject data that contradicts our beliefs.
372
940000
3000
inançlarımızla çatışan bilgileri reddederiz.
15:59
So evidence against our model,
373
944000
2000
Modelimize karşı olan bir kanıtı
16:01
we're likely to ignore, even if it's compelling.
374
946000
3000
ne kadar ciddi olursa olsun görmezden geliriz.
16:04
It has to get very compelling before we'll pay attention.
375
949000
3000
Dikkatimizi çekmek için daha da ciddileşmesi gerekir.
16:08
New models that extend long periods of time are hard.
376
953000
2000
Uzun zamana yayılan yeni modeller de zorlayıcıdır.
16:10
Global warming is a great example.
377
955000
2000
Global ısınma buna iyi bir örnektir.
16:12
We're terrible
378
957000
2000
80 yılı kapsayan
16:14
at models that span 80 years.
379
959000
2000
modelleri anlamakta çok başarısızız.
16:16
We can do to the next harvest.
380
961000
2000
Bir sonraki hasatı yapabiliriz.
16:18
We can often do until our kids grow up.
381
963000
3000
Çocuklarımızı yetiştirebiliriz.
16:21
But 80 years, we're just not good at.
382
966000
3000
Ama 80 yıl, işte bunda iyi değiliz.
16:24
So it's a very hard model to accept.
383
969000
3000
Bu nedenle de kabul etmesi zor bir modeldir.
16:27
We can have both models in our head simultaneously,
384
972000
4000
Her iki modeli de aynı anda aklımızda tutabiliriz,
16:31
right, that kind of problem
385
976000
3000
ya da iki farklı inancı
16:34
where we're holding both beliefs together,
386
979000
3000
barındırmamız gibi bir problemi,
16:37
right, the cognitive dissonance.
387
982000
2000
ya da kavramsal uyumsuzlukları.
16:39
Eventually,
388
984000
2000
Sonunda,
16:41
the new model will replace the old model.
389
986000
3000
yeni model eskisinin yerini alacaktır.
16:44
Strong feelings can create a model.
390
989000
3000
Güçlü duygular yeni bir model oluşturabilir.
16:47
September 11th created a security model
391
992000
3000
11 Eylül bir çok insanın kafasında yeni bir
16:50
in a lot of people's heads.
392
995000
2000
güvenlik modeli oluşturdu.
16:52
Also, personal experiences with crime can do it,
393
997000
3000
Suçlarla olan kişisel deneyimlerimiz de bunu yapabilir,
16:55
personal health scare,
394
1000000
2000
kişisel sağlık endişeleri,
16:57
a health scare in the news.
395
1002000
2000
ya da haberlerdeki sağlık sorunları.
16:59
You'll see these called flashbulb events
396
1004000
2000
Psikiyatristlerin buna flaş lambası etkisi
17:01
by psychiatrists.
397
1006000
2000
dediğini görürsünüz.
17:03
They can create a model instantaneously,
398
1008000
3000
Bunlar anında bir model yaratabilirler,
17:06
because they're very emotive.
399
1011000
3000
çünkü duygulara dokunurlar.
17:09
So in the technological world,
400
1014000
2000
Yani teknolojik dünyada,
17:11
we don't have experience
401
1016000
2000
modelleri yargılamaya yetecek
17:13
to judge models.
402
1018000
2000
deneyimlerimiz yok.
17:15
And we rely on others. We rely on proxies.
403
1020000
2000
Böylece diğerlerine, yakınlarımıza inanıyoruz.
17:17
I mean, this works as long as it's to correct others.
404
1022000
4000
Bu da diğerleri haklı olduğu sürece işe yarıyor.
17:21
We rely on government agencies
405
1026000
2000
Bize hangi ilaçların güvenli olduğunu
17:23
to tell us what pharmaceuticals are safe.
406
1028000
5000
söyleyen devlet kurumlarına inanıyoruz.
17:28
I flew here yesterday.
407
1033000
2000
Buraya dün uçtum.
17:30
I didn't check the airplane.
408
1035000
2000
Uçağı kontrol etmedim.
17:32
I relied on some other group
409
1037000
2000
Bindiğim uçağın güvenliğini
17:34
to determine whether my plane was safe to fly.
410
1039000
3000
kontrol eden başka bir gruba inandım.
17:37
We're here, none of us fear the roof is going to collapse on us,
411
1042000
3000
Hepimiz burada, tavanın üstümüze çökmesinden korkmadan oturuyoruz,
17:40
not because we checked,
412
1045000
3000
kontrol ettiğimiz için değil,
17:43
but because we're pretty sure
413
1048000
2000
buradaki binaların
17:45
the building codes here are good.
414
1050000
3000
sağlamlığından emin olduğumuz için.
17:48
It's a model we just accept
415
1053000
2000
Bu, inanç sayesinde
17:50
pretty much by faith.
416
1055000
2000
kabul ettiğimiz bir model.
17:52
And that's okay.
417
1057000
3000
Ve bu sorun değil.
17:57
Now, what we want
418
1062000
2000
Şimdi istediğimiz,
17:59
is people to get familiar enough
419
1064000
2000
insanların daha iyi modelleri
18:01
with better models --
420
1066000
2000
yeterince tanıyabilmesi --
18:03
have it reflected in their feelings --
421
1068000
2000
bunu hislerinde yansıtabilmesi --
18:05
to allow them to make security trade-offs.
422
1070000
4000
bu sayede doğru değiş-tokuşları yapabilmeleri.
18:09
Now when these go out of whack,
423
1074000
2000
Bunlar olmadığında ise
18:11
you have two options.
424
1076000
2000
iki seçeneğiniz vardır.
18:13
One, you can fix people's feelings,
425
1078000
2000
İlki, insanların hislerini onarabilirsiniz,
18:15
directly appeal to feelings.
426
1080000
2000
doğrudan hislere odaklanırsınız.
18:17
It's manipulation, but it can work.
427
1082000
3000
Buna hile denir, ama işe yarayabilir.
18:20
The second, more honest way
428
1085000
2000
İkincisi, daha dürüst bir şekilde,
18:22
is to actually fix the model.
429
1087000
3000
gerçekten modeli tamir edersiniz.
18:26
Change happens slowly.
430
1091000
2000
Değişim zamanla olur.
18:28
The smoking debate took 40 years,
431
1093000
3000
Sigara tartışması 40 yıl sürdü,
18:31
and that was an easy one.
432
1096000
3000
ve bu aslında kolay olandı.
18:34
Some of this stuff is hard.
433
1099000
2000
Bunlardan bazıları zordur.
18:36
I mean really though,
434
1101000
2000
Yani cidden zor,
18:38
information seems like our best hope.
435
1103000
2000
bilgi tek umudumuz gibi görünür.
18:40
And I lied.
436
1105000
2000
Ve size yalan söyledim.
18:42
Remember I said feeling, model, reality;
437
1107000
2000
Hisler, model, gerçeklik dediğimi hatırlıyor musunuz?
18:44
I said reality doesn't change. It actually does.
438
1109000
3000
Gerçeklik değişmez demiştim. Aslında değişir.
18:47
We live in a technological world;
439
1112000
2000
Teknolojik bir dünyada yaşıyoruz;
18:49
reality changes all the time.
440
1114000
3000
gerçeklik devamlı değişiyor.
18:52
So we might have -- for the first time in our species --
441
1117000
3000
Yani karşımızdaki durum şöyle -- türümüzde ilk defa--
18:55
feeling chases model, model chases reality, reality's moving --
442
1120000
3000
hisler modeli takip eder, model gerçekliği, ve gerçeklik hareket halindedir --
18:58
they might never catch up.
443
1123000
3000
asla yakalayamayabilirsiniz.
19:02
We don't know.
444
1127000
2000
Bilemeyiz.
19:04
But in the long-term,
445
1129000
2000
Ama uzun sürede,
19:06
both feeling and reality are important.
446
1131000
3000
hisler ve gerçeklik mühimdir.
19:09
And I want to close with two quick stories to illustrate this.
447
1134000
3000
Ve bunu örneklemek için iki kısa hikayeyle bitireceğim.
19:12
1982 -- I don't know if people will remember this --
448
1137000
2000
1982'de -- insanların bunu hatırlayacaklarından emin değilim --
19:14
there was a short epidemic
449
1139000
3000
Amerika'da Tylenol zehirlenmesinden
19:17
of Tylenol poisonings in the United States.
450
1142000
2000
dolayı kısa süreli bir salgın vardı.
19:19
It's a horrific story. Someone took a bottle of Tylenol,
451
1144000
3000
Korkunç bir hikaye. Birileri bir şişe Tylenol alıyor,
19:22
put poison in it, closed it up, put it back on the shelf.
452
1147000
3000
içini zehir doldurup, rafa geri koyuyor.
19:25
Someone else bought it and died.
453
1150000
2000
Başka biri bunu satın alıyor ve ölüyor.
19:27
This terrified people.
454
1152000
2000
Bu insanları korkuttu.
19:29
There were a couple of copycat attacks.
455
1154000
2000
Buna benzer bir kaç tane daha vaka oldu.
19:31
There wasn't any real risk, but people were scared.
456
1156000
3000
Gerçek bir risk hiç olmadı ama insanlar korktular.
19:34
And this is how
457
1159000
2000
Ve böylece
19:36
the tamper-proof drug industry was invented.
458
1161000
2000
açılma güvenlikli ilaç endüstrisi oluştu.
19:38
Those tamper-proof caps, that came from this.
459
1163000
2000
Vu güvenlikli kapaklar burdan ortaya çıktı.
19:40
It's complete security theater.
460
1165000
2000
Gerçek bir "güvenlik tiyatrosu".
19:42
As a homework assignment, think of 10 ways to get around it.
461
1167000
2000
Ev ödevi olarak, bundan kurtulmanın 10 yolunu düşünün.
19:44
I'll give you one, a syringe.
462
1169000
3000
Her birinize bir şırınga vereceğim.
19:47
But it made people feel better.
463
1172000
3000
Ama bu insanların daha iyi hissetmesini sağladı.
19:50
It made their feeling of security
464
1175000
2000
Güvenlik hissinin gerçeklikle
19:52
more match the reality.
465
1177000
2000
daha çok örtüşmesini sağladı.
19:54
Last story, a few years ago, a friend of mine gave birth.
466
1179000
3000
Son hikaye, bir kaç yıl önce, bir arkadaşım doğum yaptı.
19:57
I visit her in the hospital.
467
1182000
2000
Hastanede ziyaretine gittim.
19:59
It turns out when a baby's born now,
468
1184000
2000
Farkettim ki, şimdi doğan bebeklere
20:01
they put an RFID bracelet on the baby,
469
1186000
2000
annelerininkiyle uyuşan
20:03
put a corresponding one on the mother,
470
1188000
2000
alarmlı dijital bir güvenlik bilekliği takıyorlar,
20:05
so if anyone other than the mother takes the baby out of the maternity ward,
471
1190000
2000
yane, annesi hariç biri bebeği yeni doğan bölümünden çıkarırsa,
20:07
an alarm goes off.
472
1192000
2000
alarm çalıyor.
20:09
I said, "Well, that's kind of neat.
473
1194000
2000
Ben de "Oldukça iyiymiş" dedim.
20:11
I wonder how rampant baby snatching is
474
1196000
2000
"Hastaneden bebek kaçırma ne kadar yaygın
20:13
out of hospitals."
475
1198000
2000
merak ediyorum."
20:15
I go home, I look it up.
476
1200000
2000
Eve gittim, araştırdım.
20:17
It basically never happens.
477
1202000
2000
Neredeyse hiç olmuyormuş.
20:19
But if you think about it,
478
1204000
2000
Ama düşündüğünüzde,
20:21
if you are a hospital,
479
1206000
2000
hastanedeyseniz,
20:23
and you need to take a baby away from its mother,
480
1208000
2000
ve bebeği annesinden ayırıp bazı testler yaptırmak için
20:25
out of the room to run some tests,
481
1210000
2000
odadan çıkarmanız gerekiyorsa,
20:27
you better have some good security theater,
482
1212000
2000
sağlam bir güvenlik tiyatrosu düzenleseniz iyi olur,
20:29
or she's going to rip your arm off.
483
1214000
2000
yoksa annesi kolunuzu koparabilir.
20:31
(Laughter)
484
1216000
2000
(Kahkahalar)
20:33
So it's important for us,
485
1218000
2000
Yani bizler için bu çok önemli,
20:35
those of us who design security,
486
1220000
2000
güvenlik tasarımcıları için,
20:37
who look at security policy,
487
1222000
3000
güvenlik politikalarına bakanlar için,
20:40
or even look at public policy
488
1225000
2000
hatta kamu politikalarının
20:42
in ways that affect security.
489
1227000
2000
güvenliği etkileyen alanlarına bakanlar için.
20:44
It's not just reality; it's feeling and reality.
490
1229000
3000
Olay sadece gerçeklikte değil, hisle ve gerçeklikte.
20:47
What's important
491
1232000
2000
Önemli olan
20:49
is that they be about the same.
492
1234000
2000
her ikisinin örtüşmesi.
20:51
It's important that, if our feelings match reality,
493
1236000
2000
Hislerimiz ver gerçeklik örtüştüğü sürece,
20:53
we make better security trade-offs.
494
1238000
2000
daha iyi güvenlik değiş-tokuşları yapıyoruz.
20:55
Thank you.
495
1240000
2000
Teşekkürler.
20:57
(Applause)
496
1242000
2000
(Alkışlar)
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