ABOUT THE SPEAKER
Chris Domas - Cybersecurity researcher
Chris Domas is an embedded systems engineer and cybersecurity researcher.

Why you should listen

Chris Domas is a cyber-security researcher at the Battelle Memorial Institute. He specializes in embedded systems reverse-engineering (RE) and vulnerability analysis, figuring out how to manipulate electronic devices. Applying this towards national security, his group develops cyber technology that protects people on the newest front of global war.

Domas graduated from Ohio State University, where he set out to take every class offered by the school. He bounced between majors in electrical engineering, physics, mathematics, mechanical engineering, biology, chemistry, statistics, biomedical engineering, computer graphics, psychology, and linguistics, but finally ran out of money and was forced to graduate. Settling on a degree in computer science, with an irrelevant handful of minors, he joined Battelle as a cyber security researcher. Today, he strives to incorporate ideas from these disparate fields to tackle the world’s most challenging cyber problems in innovative and unexpected ways. As a result of his work, he received Battelle’s coveted 2013 Emerging Scientist and 2013 Technical Achievement awards. He continues to present research around the country, most recently at the cyber security conferences Black Hat, REcon and DerbyCon.

 

More profile about the speaker
Chris Domas | Speaker | TED.com
TEDxColumbus

Chris Domas: The 1s and 0s behind cyber warfare

Chris Domas: Les 1 et les zéros derrière la guerre cybernétique

Filmed:
1,109,814 views

Chris Domas, chercheur en cyber-sécurité, travaille sur un nouveau front de guerre, le Cyber. Dans cet exposé engageant, il démontre comment les chercheurs utilisent des motifs de reconnaissance et l'ingénierie inverse (en passant quelques nuits blanches) pour déchiffrer des morceaux de code binaire dont l'objectif et le contenu sont inconnus.
- Cybersecurity researcher
Chris Domas is an embedded systems engineer and cybersecurity researcher. Full bio

Double-click the English transcript below to play the video.

00:12
This is a lot of onesceux and zeroszéros.
0
770
2262
Voici beaucoup de 1 et de zéros.
00:15
It's what we call binarybinaire informationinformation.
1
3032
3099
C'est ce qu'on appelle
des informations binaires.
00:18
This is how computersdes ordinateurs talk.
2
6131
1442
C'est comme ça
que les ordinateurs parlent.
00:19
It's how they storele magasin informationinformation.
3
7573
1929
C'est comme ça
qu'ils stockent les informations.
00:21
It's how computersdes ordinateurs think.
4
9502
1626
C'est comme ça
que les ordinateurs pensent.
00:23
It's how computersdes ordinateurs do
5
11128
1619
C'est comme ça
que les ordinateurs font
00:24
everything it is that computersdes ordinateurs do.
6
12747
2382
tout ce que les ordinateurs font.
00:27
I'm a cybersecuritycybersécurité researcherchercheur,
7
15129
2047
Je suis chercheur en cyber-sécurité,
00:29
whichlequel meansveux dire my jobemploi is to sitasseoir
down with this informationinformation
8
17176
2070
ce qui veut dire que mon travail
consiste à prendre ces informations
00:31
and try to make sensesens of it,
9
19246
1684
et à essayer de leur donner un sens,
00:32
to try to understandcomprendre what all
the onesceux and zeroeszéros mean.
10
20930
2753
essayer de comprendre ce que
tous les 1 et les zéros veulent dire.
00:35
UnfortunatelyMalheureusement for me, we're not just talkingparlant
11
23683
1843
Malheureusement pour moi,
on ne parle pas seulement
00:37
about the onesceux and zeroszéros
I have on the screenécran here.
12
25526
2234
des 1 et des zéros qui sont sur cet écran.
00:39
We're not just talkingparlant about a
fewpeu pagespages of onesceux and zeroszéros.
13
27760
2683
On ne parle pas que
de quelques pages de 1 et de zéros.
00:42
We're talkingparlant about billionsdes milliards and billionsdes milliards
14
30443
2609
On parle de milliards et de milliards
00:45
of onesceux and zeroszéros,
15
33052
1333
de 1 et de zéros,
00:46
more than anyonen'importe qui could possiblypeut-être comprehendcomprendre.
16
34385
2641
plus que personne ne pourrait saisir.
00:49
Now, as excitingpassionnant as that soundsdes sons,
17
37026
1859
Aussi excitant que ça puisse paraître,
00:50
when I first startedcommencé doing cyberCyber
18
38885
2492
quand j'ai commencé la cybernétique -
00:53
(LaughterRires) —
19
41377
1743
(Rires)
00:55
when I first startedcommencé doing cyberCyber, I wasn'tn'était pas sure
20
43120
2003
quand j'ai commencé la cybernétique,
je n'étais pas sûr
00:57
that siftingtamisage throughpar onesceux and zeroszéros
21
45123
1473
que trier des 1 et des zéros
00:58
was what I wanted to do with the restdu repos of my life,
22
46596
2294
était ce que je voulais faire de ma vie,
01:00
because in my mindesprit, cyberCyber
23
48890
2020
parce que dans mon esprit,
la cybernétique consistait
01:02
was keepingen gardant virusesles virus off of my grandma'sgrand-mère computerordinateur,
24
50910
3681
à empêcher que les virus entrent
dans l'ordinateur de ma grand-mère,
01:06
it was keepingen gardant people'sles gens MyspaceMySpace
pagespages from beingétant hackedpiraté,
25
54591
3348
que les pages Myspaces
soient piratées,
01:09
and maybe, maybe on my mostles plus gloriousglorieux day,
26
57939
2185
et peut-être, peut-être
mon jour de gloire,
01:12
it was keepingen gardant someone'squelques uns creditcrédit
cardcarte informationinformation from beingétant stolenvolé.
27
60124
3751
que les informations de la carte
de crédit de quelqu'un ne soit volées.
01:15
Those are importantimportant things,
28
63875
1363
Ce sont des choses importantes,
01:17
but that's not how I wanted to spenddépenser my life.
29
65238
2758
mais ce n'était pas comme ça que
je voulais passer ma vie.
01:19
But after 30 minutesminutes of work
30
67996
1934
Mais après 30 minutes de travail
01:21
as a defensela défense contractorentrepreneur,
31
69930
1353
à la défense militaire,
01:23
I soonbientôt founda trouvé out that my ideaidée of cyberCyber
32
71283
2790
j'ai vite réalisé que
mon idée de la cybernétique
01:26
was a little bitbit off.
33
74073
1869
était un peu faussée.
01:27
In factfait, in termstermes of nationalnationale securitySécurité,
34
75942
1945
En fait, en termes de sûreté nationale,
01:29
keepingen gardant virusesles virus off of my grandma'sgrand-mère computerordinateur
35
77887
2071
empêcher les virus d'entrer dans
l'ordinateur de ma grand-mère
01:31
was surprisinglyétonnamment lowfaible on theirleur prioritypriorité listliste.
36
79958
3186
était étonnamment loin
des priorités.
01:35
And the reasonraison for that is cyberCyber
37
83144
1301
La raison en est que la cybernétique
01:36
is so much biggerplus gros than any one of those things.
38
84445
3793
est tellement plus que
toutes ces choses-là.
01:40
CyberCyber is an integralIntegral partpartie of all of our livesvies,
39
88238
2825
La cybernétique fait partie de nos vies,
01:43
because computersdes ordinateurs are an
integralIntegral partpartie of all of our livesvies,
40
91063
3060
car les ordinateurs
font partie de nos vies,
01:46
even if you don't ownposséder a computerordinateur.
41
94123
1952
même si vous n'en possédez pas.
01:48
ComputersOrdinateurs controlcontrôle everything in your carvoiture,
42
96075
2646
Les ordinateurs contrôlent
tout dans votre voiture,
01:50
from your GPSGPS to your airbagscoussins gonflables.
43
98721
1880
du GPS au airbags.
01:52
They controlcontrôle your phonetéléphone.
44
100601
1316
Ils contrôlent votre téléphone.
01:53
They're the reasonraison you can call 911
45
101917
1171
C'est grâce à eux
qu'on peut appeler les urgences
01:55
and get someoneQuelqu'un on the other lineligne.
46
103088
1796
et avoir une personne au bout du fil.
01:56
They controlcontrôle our nation'snation entiretout infrastructureInfrastructure.
47
104884
2794
Ils contrôlent l'infrastructure
entière de notre pays.
01:59
They're the reasonraison you have electricityélectricité,
48
107678
1676
C'est grâce à eux qu'on a l’électricité,
02:01
heatchaleur, cleannettoyer watereau, foodaliments.
49
109354
2338
le chauffage, l'eau potable,
la nourriture.
02:03
ComputersOrdinateurs controlcontrôle our militarymilitaire equipmentéquipement,
50
111692
1901
Ils contrôlent
notre équipement militaire,
02:05
everything from missilemissile silossilos to satellitesles satellites
51
113593
1677
depuis les silos de missiles
aux satellites et
02:07
to nuclearnucléaire defensela défense networksréseaux.
52
115270
3914
aux réseaux de défense nucléaire.
02:11
All of these things are madefabriqué possiblepossible
53
119184
1989
Toutes ces choses sont possibles
02:13
because of computersdes ordinateurs,
54
121173
1416
grâce aux ordinateurs,
02:14
and thereforedonc because of cyberCyber,
55
122589
1983
et donc grâce à la cybernétique,
02:16
and when something goesva wrongfaux,
56
124572
1504
et lorsqu'il y a un pépin,
02:18
cyberCyber can make all of these things impossibleimpossible.
57
126076
3118
la cybernétique rend
toutes ces choses impossible.
02:21
But that's where I stepétape in.
58
129194
1585
Et c'est là que j'interviens.
02:22
A biggros partpartie of my jobemploi is defendingdéfendant all of these things,
59
130779
2940
Une grosse partie de mon travail
est de défendre toutes ces choses,
02:25
keepingen gardant them workingtravail,
60
133719
1662
de les maintenir en opération.
02:27
but onceune fois que in a while, partpartie of my
jobemploi is to breakPause one of these things,
61
135381
2328
mais de temps à autres, une partie
de mon travail est d'en bousiller une,
02:29
because cyberCyber isn't just about defensela défense,
62
137709
2396
car la cybernétique ne se limite pas
à la défense,
02:32
it's alsoaussi about offenseinfraction.
63
140105
2273
c'est aussi l'offensive.
02:34
We're enteringentrer an ageâge where we talk about
64
142378
1576
Nous traversons une ère
où l'on parle de cyber-armes
02:35
cyberweaponscyberweapons.
65
143954
1461
02:37
In factfait, so great is the potentialpotentiel for cyberCyber offenseinfraction
66
145415
3135
En fait, le potentiel de
cyber-attaque est si grand
02:40
that cyberCyber is consideredpris en considération a newNouveau domaindomaine of warfareguerre.
67
148550
3621
qu'on considère la cybernétique
comme un nouveau domaine de guerre.
02:44
WarfareGuerre.
68
152171
1800
La guerre.
02:45
It's not necessarilynécessairement a badmal thing.
69
153971
1929
Ce n'est pas nécessairement un mal.
02:47
On the one handmain, it meansveux dire we have wholeentier newNouveau frontde face
70
155900
2751
D'un côté, ça implique un nouveau front
02:50
on whichlequel we need to defenddéfendre ourselvesnous-mêmes,
71
158651
1743
sur lequel nous devons nous défendre,
02:52
but on the other handmain,
72
160394
1485
mais d'un autre côté,
02:53
it meansveux dire we have a wholeentier newNouveau way to attackattaque,
73
161879
1842
ça veut dire que nous avons
une nouvelle façon d'attaquer,
02:55
a wholeentier newNouveau way to stop evilmal people
74
163721
1859
une toute nouvelle façon
d’arrêter les méchants
02:57
from doing evilmal things.
75
165580
2227
de faire des choses méchantes.
02:59
So let's considerconsidérer an exampleExemple of this
76
167807
1811
Prenons un exemple
03:01
that's completelycomplètement theoreticalthéorique.
77
169618
1689
qui est entièrement théorique.
03:03
SupposeSupposons que a terroristactivités terroristes wants to blowcoup up a buildingbâtiment,
78
171307
2258
Supposons qu'un terroriste veuille
faire exploser un immeuble,
03:05
and he wants to do this again and again
79
173565
2068
et qu'il veuille le faire encore et encore
03:07
in the futureavenir.
80
175633
1451
dans le futur.
03:09
So he doesn't want to be in
that buildingbâtiment when it explodesexplose.
81
177084
2840
Il ne veut donc pas être dans
l'immeuble quand celui-ci explosera.
03:11
He's going to use a cellcellule phonetéléphone
82
179924
1518
Il utilisera un téléphone portable
03:13
as a remoteéloigné detonatordétonateur.
83
181442
2335
comme détonateur à distance.
03:15
Now, it used to be the only way we had
84
183777
1871
Alors, la seule façon qu'on avait
03:17
to stop this terroristactivités terroristes
85
185648
1636
d'arrêter ce terroriste
03:19
was with a hailJe vous salue of bulletsballes and a carvoiture chaseChase,
86
187284
2673
était avec une pluie de balles
et une poursuite en voiture,
03:21
but that's not necessarilynécessairement truevrai anymoreplus.
87
189957
2332
mais ce n'est plus forcément vrai.
03:24
We're enteringentrer an ageâge where we can stop him
88
192289
1563
Nous entrons une ère
où on peut l'arrêter
03:25
with the presspresse of a buttonbouton
89
193852
1110
rien qu'en appuyant sur un bouton
03:26
from 1,000 milesmiles away,
90
194962
2007
1600 km plus loin,
03:28
because whetherqu'il s'agisse he knewa connu it or not,
91
196969
1589
car, qu'il le sache ou non,
03:30
as soonbientôt as he decideddécidé to use his cellcellule phonetéléphone,
92
198558
1711
dès qu'il a décidé
d'utiliser son portable,
03:32
he steppedétagé into the realmdomaine of cyberCyber.
93
200269
3134
il est entré dans le domaine
de la cybernétique.
03:35
A well-craftedbien ficelé cyberCyber attackattaque
could breakPause into his phonetéléphone,
94
203403
3117
Une cyber-attaque bien conçue pourrait
s'introduire dans son portable
03:38
disableDisable the overvoltagecontre les surtensions protectionsprotections on his batterybatterie,
95
206520
2149
désactiver les protections
de survoltage de sa batterie,
03:40
drasticallyradicalement overloadsurcharge the circuitcircuit,
96
208669
1755
surcharger radicalement le circuit,
03:42
causecause the batterybatterie to overheatsurchauffe, and explodeexploser.
97
210424
2357
faire surchauffer la batterie,
et la faire exploser.
03:44
No more phonetéléphone, no more detonatordétonateur,
98
212781
2446
Plus de téléphone portable,
plus de détonateur,
03:47
maybe no more terroristactivités terroristes,
99
215227
1923
peut-être aussi plus de terroriste,
03:49
all with the presspresse of a buttonbouton
100
217150
1031
le tout, en ayant appuyé un bouton
03:50
from a thousandmille milesmiles away.
101
218181
2680
1600 kilomètres plus loin.
03:52
So how does this work?
102
220861
1751
Alors comment ça marche ?
03:54
It all comesvient back to those onesceux and zeroszéros.
103
222612
2268
Tout commence avec les 1 et les zéros.
03:56
BinaryBinaire informationinformation makesfait du your phonetéléphone work,
104
224880
3005
L'information binaire
fait fonctionner votre portable,
03:59
and used correctlycorrectement, it can make your phonetéléphone explodeexploser.
105
227885
3584
et si on s'en sert correctement,
elle peut le faire exploser.
04:03
So when you startdébut to look at
cyberCyber from this perspectivela perspective,
106
231469
2472
Quand vous commencez à voir
la cybernétique sous cet angle,
04:05
spendingdépenses your life siftingtamisage throughpar binarybinaire informationinformation
107
233941
3163
passer votre vie à trier
des informations binaires
04:09
startsdéparts to seemsembler kindgentil of excitingpassionnant.
108
237104
2417
commence à sembler excitant.
04:11
But here'svoici the catchcapture: This is harddifficile,
109
239521
2646
Mais il y a un hic. C'est dur,
04:14
really, really harddifficile,
110
242167
1685
vraiment, vraiment dur,
04:15
and here'svoici why.
111
243852
1834
et voici pourquoi.
04:17
Think about everything you have on your cellcellule phonetéléphone.
112
245686
2766
Pensez à tout ce que vous avez
sur votre téléphone portable.
04:20
You've got the picturesdes photos you've takenpris.
113
248452
1963
Toutes les photos que vous avez prises.
04:22
You've got the musicla musique you listen to.
114
250415
1786
Toute la musique que vous écoutez.
04:24
You've got your contactsContacts listliste,
115
252201
1648
La liste de vos contacts.
04:25
your emailemail, and probablyProbablement 500 appsapplications
116
253849
1625
Vos emails, et probablement
500 applications
04:27
you've never used in your entiretout life,
117
255474
3001
que vous n'avez jamais utilisées
de votre vie,
04:30
and behindderrière all of this is the softwareLogiciel, the codecode,
118
258475
3987
et derrière tout ça,
il y a le logiciel, le code
04:34
that controlscontrôles your phonetéléphone,
119
262462
1380
qui contrôle votre portable,
04:35
and somewherequelque part, buriedenterré insideà l'intérieur of that codecode,
120
263842
2656
et quelque part,
enfouie à l’intérieur du code,
04:38
is a tinyminuscule piecepièce that controlscontrôles your batterybatterie,
121
266498
2548
se trouve une petite pièce
qui contrôle votre batterie,
04:41
and that's what I'm really after,
122
269046
1871
et c'est ce qui m'intéresse,
04:42
but all of this, just a bunchbouquet of onesceux and zeroszéros,
123
270917
3686
mais tout ceci,
un paquet de 1 et de zéros
04:46
and it's all just mixedmixte togetherensemble.
124
274603
1531
et le tout bien mélangé.
04:48
In cyberCyber, we call this findingdécouverte a
needleaiguille in a stackempiler of needlesaiguilles,
125
276134
3545
En cybernétique, on appelle ça chercher
une aiguille dans une botte d'aiguilles,
04:51
because everything prettyjoli much looksregards alikeressemblent.
126
279679
2349
parce que presque tout se ressemble.
04:54
I'm looking for one keyclé piecepièce,
127
282028
1732
Je cherche une pièce clé,
04:55
but it just blendsmélanges in with everything elseautre.
128
283760
3234
mais elle se confond avec tout le reste.
04:58
So let's stepétape back from this theoreticalthéorique situationsituation
129
286994
2252
Mais sortons de cette situation théorique
05:01
of makingfabrication a terrorist'sles terroristes phonetéléphone explodeexploser,
130
289246
2344
de faire exploser le téléphone
portable d'un terroriste
05:03
and look at something that actuallyréellement happenedarrivé to me.
131
291590
2816
et examinons quelque chose
qui m'est vraiment arrivé.
05:06
PrettyAssez much no mattermatière what I do,
132
294406
1343
Quoique je fasse, peu importe la tache
05:07
my jobemploi always startsdéparts with sittingséance down
133
295749
1442
je commence mon travail assis
05:09
with a wholeentier bunchbouquet of binarybinaire informationinformation,
134
297191
2372
avec un tas d'informations binaires,
05:11
and I'm always looking for one keyclé piecepièce
135
299563
1727
et je suis toujours à la recherche
de l'élément-clé
05:13
to do something specificspécifique.
136
301290
1987
pour faire quelque chose de spécifique.
05:15
In this caseCas, I was looking for a very advancedAvancée,
137
303277
2077
Là, j'étais à la recherche
d'un bout de code
05:17
very high-techhaute technologie piecepièce of codecode
138
305354
1518
très avancé, très sophistiqué
05:18
that I knewa connu I could hackpirater,
139
306872
1215
que je savais pouvoir hacker,
05:20
but it was somewherequelque part buriedenterré
140
308087
1714
mais c’était enfoui quelque part
05:21
insideà l'intérieur of a billionmilliard onesceux and zeroeszéros.
141
309801
2026
dans des milliards de 1 et de zéros.
05:23
UnfortunatelyMalheureusement for me, I didn't know
142
311827
1578
Malheureusement, je ne savais pas
05:25
quiteassez what I was looking for.
143
313405
1691
exactement ce que je cherchais.
05:27
I didn't know quiteassez what it would look like,
144
315096
1196
Je ne savais pas à quoi
ça devait ressembler,
05:28
whichlequel makesfait du findingdécouverte it really, really harddifficile.
145
316292
2918
ce qui rend la tâche
vraiment très compliquée.
05:31
When I have to do that, what I have to do
146
319210
2039
Quand je dois faire ça,
ce que je dois faire,
05:33
is basicallyen gros look at variousdivers piecesdes morceaux
147
321249
2342
c'est regarder différents bouts
05:35
of this binarybinaire informationinformation,
148
323591
1723
de ces informations binaires,
05:37
try to decipherdéchiffrer eachchaque piecepièce, and see if it mightpourrait be
149
325314
2202
essayer de décrypter chaque bout,
et voir si ça peut être
05:39
what I'm after.
150
327516
1224
ce que je cherche.
05:40
So after a while, I thought I had founda trouvé the piecepièce
151
328740
1625
Un peu plus tard, je pensais avoir
trouvé le bout que je cherchais.
05:42
I was looking for.
152
330365
1337
05:43
I thought maybe this was it.
153
331702
2104
Je pensais que ça pouvait être ça.
05:45
It seemedsemblait to be about right, but I couldn'tne pouvait pas quiteassez tell.
154
333806
2032
Tout semblait bon,
mais je n'étais pas encore sûr.
05:47
I couldn'tne pouvait pas tell what those
onesceux and zeroszéros representedreprésentée.
155
335838
2918
Je ne comprenais pas ce que
ces 1 et zéros représentaient.
05:50
So I spentdépensé some time tryingen essayant to put this togetherensemble,
156
338756
3374
Alors j'ai passé plus de temps là-dessus,
05:54
but wasn'tn'était pas havingayant a wholeentier lot of luckla chance,
157
342130
1670
sans avoir beaucoup de chance,
05:55
and finallyenfin I decideddécidé,
158
343800
1186
j'ai fini par décider
05:56
I'm going to get throughpar this,
159
344986
1609
que j'allais y arriver,
05:58
I'm going to come in on a weekendfin de semaine,
160
346595
1511
je viendrais un weekend
06:00
and I'm not going to leavelaisser
161
348106
1340
et je ne partirais pas
06:01
untiljusqu'à I figurefigure out what this representsreprésente.
162
349446
1712
tant que je n'aurais pas trouvé
que ça représentait.
06:03
So that's what I did. I camevenu
in on a SaturdaySamedi morningMatin,
163
351158
2166
Et c'est ce que j'ai fait.
Je suis venu un samedi matin,
06:05
and about 10 hoursheures in, I sortTrier of
had all the piecesdes morceaux to the puzzlepuzzle.
164
353324
3645
et 10 heures plus tard, j'avais presque
toutes les pièces du puzzle.
06:08
I just didn't know how they fiten forme togetherensemble.
165
356969
1392
Mais je ne savais pas
comment les assembler.
06:10
I didn't know what these onesceux and zeroszéros meantsignifiait.
166
358361
2790
Je ne savais pas ce que
ces uns et zéros voulaient dire.
06:13
At the 15-hour-heure markmarque,
167
361151
2067
Au bout de la quinzième heure,
06:15
I startedcommencé to get a better picturephoto of what was there,
168
363218
2602
j'avais une meilleure idée
de ce à quoi j'avais affaire,
06:17
but I had a creepingrampante suspicionsoupçons
169
365820
1772
mais je soupçonnais de plus en plus
06:19
that what I was looking at
170
367592
1589
que ce que je regardais
06:21
was not at all relateden relation to what I was looking for.
171
369181
2923
n'avais rien à voir avec
ce que je recherchais.
06:24
By 20 hoursheures, the piecesdes morceaux startedcommencé to come togetherensemble
172
372104
2487
Au bout de 20 heures, les pièces
ont commencé à s'assembler
06:26
very slowlylentement — (LaughterRires) —
173
374591
3764
très lentement - (Rires) -
06:30
and I was prettyjoli sure I was going down
174
378355
1266
et j’étais sûr que j'étais
06:31
the wrongfaux pathchemin at this pointpoint,
175
379621
1939
sur la mauvaise voie,
06:33
but I wasn'tn'était pas going to give up.
176
381560
2251
mais je n'allais pas abandonner.
06:35
After 30 hoursheures in the lablaboratoire,
177
383811
2834
Après 30 heures dans le labo,
06:38
I figuredfiguré out exactlyexactement what I was looking at,
178
386645
2261
j'ai compris ce que je regardais,
06:40
and I was right, it wasn'tn'était pas what I was looking for.
179
388906
2818
et j'avais raison, ce n'étais pas
ce que je cherchais.
06:43
I spentdépensé 30 hoursheures piecingPiecing togetherensemble
180
391724
1699
J'ai passé 30 heures
à assembler
06:45
the onesceux and zeroszéros that
formedformé a picturephoto of a kittenchaton.
181
393423
2722
des 1 et des zéros qui ont formé
la photo d'un chaton.
06:48
(LaughterRires)
182
396145
1795
(Rires)
06:49
I wastedgaspillé 30 hoursheures of my life searchingrecherche for this kittenchaton
183
397940
3806
J'ai perdu 30 heures de ma vie
à chercher ce chat
06:53
that had nothing at all to do
184
401746
1838
qui n'avait rien à voir
06:55
with what I was tryingen essayant to accomplishaccomplir.
185
403584
1987
avec ce que j'essayais d'accomplir.
06:57
So I was frustratedfrustré, I was exhaustedépuisé.
186
405571
3863
J’étais frustré, j'étais épuisé.
07:01
After 30 hoursheures in the lablaboratoire, I probablyProbablement smelledsentait horriblehorrible.
187
409434
3226
Après 30 heures dans le labo,
je devais sentir très mauvais.
07:04
But insteadau lieu of just going home
188
412660
2230
Mais au lieu de rentrer chez moi
07:06
and callingappel it quitsferme de façon inattendue, I tooka pris a stepétape back
189
414890
2530
et d'abandonner, j'ai pris du recul
07:09
and askeda demandé myselfmoi même, what wentest allé wrongfaux here?
190
417420
2541
et me suis demandé
où je m'étais planté.
07:11
How could I make suchtel a stupidstupide mistakeerreur?
191
419961
2212
Comment ai-je pu faire
une erreur aussi stupide ?
07:14
I'm really prettyjoli good at this.
192
422173
1398
Je suis vraiment bon à ça.
07:15
I do this for a livingvivant.
193
423571
1319
C'est mon travail.
07:16
So what happenedarrivé?
194
424890
2148
Alors que s'est-il passé ?
07:19
Well I thought, when you're
looking at informationinformation at this levelniveau,
195
427038
2775
Je me suis dit, lorsqu'on regarde
des informations à ce niveau
07:21
it's so easyfacile to loseperdre trackPiste of what you're doing.
196
429813
2827
c'est facile de perdre le fil
de ce qu'on fait.
07:24
It's easyfacile to not see the forestforêt throughpar the treesdes arbres.
197
432640
1744
C'est facile de ne pas voir
la forêt à travers les arbres.
07:26
It's easyfacile to go down the wrongfaux rabbitlapin holetrou
198
434384
2164
C'est facile d'emprunter
le mauvais chemin
07:28
and wastedéchets a tremendousénorme amountmontant of time
199
436548
1762
et de perdre un temps énorme
07:30
doing the wrongfaux thing.
200
438310
1820
à faire ce qu'il ne faut pas.
07:32
But I had this epiphanyÉpiphanie.
201
440130
1600
Mais j'ai eu cette épiphanie.
07:33
We were looking at the dataLes données completelycomplètement incorrectlyincorrectement
202
441730
2999
Nous regardions les données
incorrectement
07:36
sincedepuis day one.
203
444729
1490
depuis le premier jour.
07:38
This is how computersdes ordinateurs think, onesceux and zeroszéros.
204
446219
2103
C'est ainsi que pensent les ordinateurs,
des uns et des zéros.
07:40
It's not how people think,
205
448322
1392
Ce n'est pas comme ça que
les humains pensent,
07:41
but we'venous avons been tryingen essayant to adaptadapter our mindsesprits
206
449714
2314
mais on avait essayé
d'adapter nos cerveaux
07:44
to think more like computersdes ordinateurs
207
452028
1345
pour penser comme des ordinateurs
07:45
so that we can understandcomprendre this informationinformation.
208
453373
2597
afin de comprendre ces informations
07:47
InsteadAu lieu de cela of tryingen essayant to make our mindsesprits fiten forme the problemproblème,
209
455970
1950
au lieu d'adapter
nos esprits au problème,
07:49
we should have been makingfabrication the problemproblème
210
457920
1648
nous aurions dû adapter le problème
07:51
fiten forme our mindsesprits,
211
459568
969
à nos esprits,
07:52
because our brainscerveaux have a tremendousénorme potentialpotentiel
212
460537
2109
car nos cerveaux ont un potentiel énorme
07:54
for analyzinganalyse hugeénorme amountsles montants of informationinformation,
213
462646
3086
pour analyser d'immenses
quantités d'informations,
07:57
just not like this.
214
465732
1297
mais pas comme ça.
07:59
So what if we could unlockdéverrouiller that potentialpotentiel
215
467029
1467
Et si on pouvais
débloquer ce potentiel
08:00
just by translatingTraduction en cours this
216
468496
1527
rien qu'en traduisant ça
08:02
to the right kindgentil of informationinformation?
217
470023
2848
dans la bonne sorte d'informations ?
08:04
So with these ideasidées in mindesprit,
218
472871
1194
Avec toutes ces idées en tête,
08:06
I sprinteda sprinté out of my basementsous-sol lablaboratoire at work
219
474065
1618
je suis sorti de mon labo en courant,
08:07
to my basementsous-sol lablaboratoire at home,
220
475683
1307
pour me précipiter dans mon labo
à la cave chez moi,
08:08
whichlequel lookedregardé prettyjoli much the sameMême.
221
476990
1996
qui ressemblait beaucoup au premier.
08:10
The mainprincipale differencedifférence is, at work,
222
478986
1824
La grande différence, c'est qu'au travail,
08:12
I'm surroundedentouré by cyberCyber materialsmatériaux,
223
480810
1579
je suis entouré de cyber-matériel
08:14
and cyberCyber seemedsemblait to be the
problemproblème in this situationsituation.
224
482389
2605
et la 'Cyber' semblait être
le problème dans cette situation.
08:16
At home, I'm surroundedentouré by
everything elseautre I've ever learnedappris.
225
484994
3353
Chez moi, je suis entouré de
tout ce que j'ai appris d'autre.
08:20
So I pouredversé throughpar everychaque booklivre I could find,
226
488347
1872
Alors je me suis plongé dans
tous les livres que j'ai pu trouver,
08:22
everychaque ideaidée I'd ever encounteredrencontré,
227
490219
1332
toutes les idées que
j'avais déjà rencontrées,
08:23
to see how could we translateTraduire a problemproblème
228
491551
2146
pour voir comment
on pourrait traduire un problème
08:25
from one domaindomaine to something completelycomplètement differentdifférent?
229
493697
3132
d'un domaine à un autre
complètement différent.
08:28
The biggestplus grand questionquestion was,
230
496829
1394
La grande question était,
08:30
what do we want to translateTraduire it to?
231
498223
1968
en quoi voulons-nous le traduire ?
08:32
What do our brainscerveaux do perfectlyà la perfection naturallynaturellement
232
500191
2112
Que font nos cerveaux parfaitement
et de manière naturelle
08:34
that we could exploitexploit?
233
502303
1878
qu'on pourrait exploiter ?
08:36
My answerrépondre was visionvision.
234
504181
2289
Ma réponse fut : la vision.
08:38
We have a tremendousénorme capabilityaptitude
to analyzeanalyser visualvisuel informationinformation.
235
506470
3149
Nous possédons une capacité énorme
pour analyser de l'information visuelle.
08:41
We can combinecombiner colorCouleur gradientsgradients, depthprofondeur cuesindices,
236
509619
2583
Nous pouvons combiner des gradients
de couleurs, des profondeurs,
08:44
all sortssortes of these differentdifférent signalssignaux
237
512202
1788
toutes sortes de signaux différents
08:45
into one coherentcohérente picturephoto of the worldmonde around us.
238
513990
2395
en une image cohérente
du monde qui nous entoure.
08:48
That's incredibleincroyable.
239
516385
1407
C'est incroyable.
08:49
So if we could find a way to translateTraduire
240
517792
1381
Alors si nous pouvions trouver
le moyen de traduire
08:51
these binarybinaire patternsmodèles to visualvisuel signalssignaux,
241
519173
2186
ces motifs binaires en signaux visuels,
08:53
we could really unlockdéverrouiller the powerPuissance of our brainscerveaux
242
521359
1832
nous pourrions vraiment exploiter
la puissance de notre cerveau
08:55
to processprocessus this stuffdes trucs.
243
523191
2710
pour traiter ces choses.
08:57
So I startedcommencé looking at the binarybinaire informationinformation,
244
525901
1843
J'ai aussitôt commencé à
regarder les informations binaires,
08:59
and I askeda demandé myselfmoi même, what do I do
245
527744
1090
et me suis demandé,
qu'est-ce que je fais
09:00
when I first encounterrencontre something like this?
246
528834
1876
quand je rencontre
un problème comme ça ?
09:02
And the very first thing I want to do,
247
530710
1623
Et la première chose que je veux faire,
09:04
the very first questionquestion I want to answerrépondre,
248
532333
1359
la première question à laquelle
je veux répondre,
09:05
is what is this?
249
533692
1278
c'est « Qu'est-ce que c'est ? »
09:06
I don't carese soucier what it does, how it workstravaux.
250
534970
2528
je me fiche de ce que ça fait,
ou comment ça marche.
09:09
All I want to know is, what is this?
251
537498
2479
Tout ce que je veux savoir, c'est
« Qu'est-ce que c'est ? »
09:11
And the way I can figurefigure that out
252
539977
1675
Et pour que je le comprenne,
09:13
is by looking at chunksmorceaux,
253
541652
1683
je dois regarder des bouts,
09:15
sequentialséquentiel chunksmorceaux of binarybinaire informationinformation,
254
543335
2453
des bouts séquentiels
d'informations binaires,
09:17
and I look at the relationshipsdes relations
betweenentre those chunksmorceaux.
255
545788
2902
et regarder les relations entre ces bouts.
09:20
When I gatherrecueillir up enoughassez of these sequencesséquences,
256
548690
1772
Lorsque j'ai recueilli
assez de ces séquences,
09:22
I begincommencer to get an ideaidée of exactlyexactement
257
550462
2004
je commence à avoir une idée exacte
09:24
what this informationinformation mustdoit be.
258
552466
2634
de ce que ces informations doivent être.
09:27
So let's go back to that
259
555100
1184
Alors revenons à cette situation
09:28
blowcoup up the terrorist'sles terroristes phonetéléphone situationsituation.
260
556284
2090
où on fait exploser
le téléphone du terroriste.
09:30
This is what EnglishAnglais texttexte looksregards like
261
558374
2203
Voici à quoi ressemble
le texte en anglais
09:32
at a binarybinaire levelniveau.
262
560577
1313
à un niveau binaire.
09:33
This is what your contactsContacts listliste would look like
263
561890
2326
Voici à quoi ressemblerait
votre liste de contacts
09:36
if I were examiningexamen it.
264
564216
1560
si j'étais en train de l'examiner.
09:37
It's really harddifficile to analyzeanalyser this at this levelniveau,
265
565776
2234
C'est vraiment difficile
à analyser à ce niveau,
09:40
but if we take those sameMême binarybinaire chunksmorceaux
266
568010
2104
mais si nous prenons
ces mêmes bouts binaires
09:42
that I would be tryingen essayant to find,
267
570114
1182
que j'essaierais de trouver,
09:43
and insteadau lieu translateTraduire that
268
571296
1764
et qu'on les traduise
09:45
to a visualvisuel representationreprésentation,
269
573060
1920
en une représentation visuelle,
09:46
translateTraduire those relationshipsdes relations,
270
574980
1797
qu'on traduise ces relations,
09:48
this is what we get.
271
576777
1556
voici ce qu'on obtient.
09:50
This is what EnglishAnglais texttexte looksregards like
272
578333
1914
Voici à quoi ressemble le texte en anglais
09:52
from a visualvisuel abstractionabstraction perspectivela perspective.
273
580247
2671
quand on le transpose en
abstraction visuelle.
09:54
All of a suddensoudain,
274
582918
1140
Tout à coup,
09:56
it showsmontre us all the sameMême informationinformation
275
584058
1435
ça nous montre
les mêmes informations
09:57
that was in the onesceux and zeroszéros,
276
585493
1172
que celles contenues dans les 1 et zéros,
09:58
but showmontrer us it in an entirelyentièrement differentdifférent way,
277
586665
2321
mais ça nous la montre
d'une façon entièrement différente,
10:00
a way that we can immediatelyimmédiatement comprehendcomprendre.
278
588986
1717
une façon qu'on peut
comprendre immédiatement.
10:02
We can instantlyimmédiatement see all of the patternsmodèles here.
279
590703
2965
On voit instantanément
tous les motifs ici.
10:05
It takes me secondssecondes to pickchoisir out patternsmodèles here,
280
593668
2592
Je mets quelques secondes
pour choisir des motifs ici,
10:08
but hoursheures, daysjournées, to pickchoisir them out
281
596260
2254
mais des heures, des jours,
pour les trouver
10:10
in onesceux and zeroszéros.
282
598514
1320
dans des 1 et des zéros,
10:11
It takes minutesminutes for anybodyn'importe qui to learnapprendre
283
599834
1736
En quelques minutes,
une personne peut apprendre
10:13
what these patternsmodèles representreprésenter here,
284
601570
1665
ce que ces motifs représentent ici,
10:15
but yearsannées of experienceexpérience in cyberCyber
285
603235
2247
mais des années d'expérience
dans la cybernétique
10:17
to learnapprendre what those sameMême patternsmodèles representreprésenter
286
605482
1654
pour apprendre ce que ces mêmes
motifs représentent
10:19
in onesceux and zeroszéros.
287
607136
1586
dans des 1 et des zéros.
10:20
So this piecepièce is causedcausé by
288
608722
1662
Ce morceau est dû
10:22
lowerinférieur caseCas lettersdes lettres followedsuivi by lowerinférieur caseCas lettersdes lettres
289
610384
2024
à des minuscules suivies
de minuscules
10:24
insideà l'intérieur of that contactcontact listliste.
290
612408
1767
à l'intérieur de la liste de contacts.
10:26
This is upperplus haut caseCas by upperplus haut caseCas,
291
614175
1341
Voici les majuscules suivies
de majuscules,
10:27
upperplus haut caseCas by lowerinférieur caseCas, lowerinférieur caseCas by upperplus haut caseCas.
292
615516
2685
majuscule minuscule,
minuscule majuscule,
10:30
This is causedcausé by spacesles espaces. This
is causedcausé by carriagele chariot returnsrésultats.
293
618201
2686
Ceci est causé par les espaces.
Cela par les retours a la ligne.
10:32
We can go throughpar everychaque little detaildétail
294
620887
1508
Nous pouvons passer en revue
chaque petit détail
10:34
of the binarybinaire informationinformation in secondssecondes,
295
622395
2966
des informations binaires
en quelques secondes,
10:37
as opposedopposé to weekssemaines, monthsmois, at this levelniveau.
296
625361
3534
plutôt que des semaines,
des mois à ce niveau.
10:40
This is what an imageimage looksregards like
297
628895
1512
Voici à quoi ressemble une image
10:42
from your cellcellule phonetéléphone.
298
630407
1876
dans votre portable.
10:44
But this is what it looksregards like
299
632283
1013
Mais voici de quoi elle a l'air
10:45
in a visualvisuel abstractionabstraction.
300
633296
1891
en abstraction visuelle.
10:47
This is what your musicla musique looksregards like,
301
635187
1985
Voici à quoi ressemble votre musique,
10:49
but here'svoici its visualvisuel abstractionabstraction.
302
637172
2203
et ici en abstraction visuelle.
10:51
MostPlupart importantlyimportant for me,
303
639375
1760
Le plus important pour moi,
10:53
this is what the codecode on your cellcellule phonetéléphone looksregards like.
304
641135
3275
voici à quoi ressemble le code
dans votre téléphone portable.
10:56
This is what I'm after in the endfin,
305
644410
2157
C'est ça que je recherche au final,
10:58
but this is its visualvisuel abstractionabstraction.
306
646567
2140
mais voici son abstraction visuelle.
11:00
If I can find this, I can't make the phonetéléphone explodeexploser.
307
648707
2509
Si je trouve ça, je peux faire
exploser le téléphone.
11:03
I could spenddépenser weekssemaines tryingen essayant to find this
308
651216
2619
Je peux passer des semaines
à essayer de le trouver
11:05
in onesceux and zeroszéros,
309
653835
1177
dans des 1 et des zéros,
11:07
but it takes me secondssecondes to pickchoisir out
310
655012
1784
mais ça me prend quelques
secondes pour relever
11:08
a visualvisuel abstractionabstraction like this.
311
656796
3304
une abstraction visuelle comme celle-ci.
11:12
One of those mostles plus remarkableremarquable partsles pièces about all of this
312
660100
2492
Une des choses les plus remarquables
dans tout ça,
11:14
is it givesdonne us an entirelyentièrement newNouveau way to understandcomprendre
313
662592
2832
c'est qu'on a un nouveau
moyen de comprendre
11:17
newNouveau informationinformation, stuffdes trucs that we haven'tn'a pas seenvu before.
314
665424
3239
des nouvelles informations, des choses
qu'on n'a jamais vu avant.
11:20
So I know what EnglishAnglais looksregards like at a binarybinaire levelniveau,
315
668663
2504
Je sais à quoi ressemble un texte
en anglais au niveau binaire,
11:23
and I know what its visualvisuel abstractionabstraction looksregards like,
316
671167
2110
et je sais de quoi a l'air
son abstraction visuelle,
11:25
but I've never seenvu RussianRusse binarybinaire in my entiretout life.
317
673277
3315
mais je n'ai jamais vu du binaire
russe de toute ma vie.
11:28
It would take me weekssemaines just to figurefigure out
318
676592
1800
Je passerais des semaines à déchiffrer
11:30
what I was looking at from rawbrut onesceux and zeroszéros,
319
678392
2997
les uns et zéros que je regarde,
11:33
but because our brainscerveaux can instantlyimmédiatement pickchoisir up
320
681389
1751
mais étant donné que nos cerveaux
peuvent instantanément sélectionner
11:35
and recognizereconnaître these subtlesubtil patternsmodèles insideà l'intérieur
321
683140
2817
et reconnaître ces motifs subtils
11:37
of these visualvisuel abstractionsabstractions,
322
685957
1488
à l'intérieur de
ces abstractions visuelles,
11:39
we can unconsciouslyinconsciemment applyappliquer those
323
687445
1832
on peut inconsciemment
les appliquer
11:41
in newNouveau situationssituations.
324
689277
1573
dans des situations nouvelles.
11:42
So this is what RussianRusse looksregards like
325
690850
1482
Alors voici à quoi ressemble du Russe
11:44
in a visualvisuel abstractionabstraction.
326
692332
1580
en abstraction visuelle.
11:45
Because I know what one languagela langue looksregards like,
327
693912
1804
Parce que je sais à quoi
ressemble une langue,
11:47
I can recognizereconnaître other languageslangues
328
695716
1576
je peux reconnaître d'autres langues
11:49
even when I'm not familiarfamilier with them.
329
697292
1870
même lorsqu'elles me sont étrangères.
11:51
This is what a photographphotographier looksregards like,
330
699162
1786
Voici à quoi ressemble une photographie,
11:52
but this is what clipagrafe artart looksregards like.
331
700948
1887
mais voici à quoi ressemble un clip art.
11:54
This is what the codecode on your phonetéléphone looksregards like,
332
702835
2555
Voici le code sur votre portable,
11:57
but this is what the codecode on
your computerordinateur looksregards like.
333
705390
2707
mais voici le code sur votre ordinateur.
12:00
Our brainscerveaux can pickchoisir up on these patternsmodèles
334
708097
1864
Nos cerveaux peuvent capter ces motifs
12:01
in waysfaçons that we never could have
335
709961
1951
comme on n'a jamais
pu le faire auparavant
12:03
from looking at rawbrut onesceux and zeroszéros.
336
711912
2496
en regardant des uns et des zéros.
12:06
But we'venous avons really only scratchedrayé the surfacesurface
337
714408
1856
Mais nous n'en sommes qu'au début
12:08
of what we can do with this approachapproche.
338
716264
2137
de ce que nous pouvons accomplir
avec cette approche.
12:10
We'veNous avons only beguncommencé to unlockdéverrouiller the capabilitiescapacités
339
718401
1678
Nous commençons
à exploiter les capacités
12:12
of our mindsesprits to processprocessus visualvisuel informationinformation.
340
720079
3315
de nos cerveaux
à traiter les informations visuelles.
12:15
If we take those sameMême conceptsconcepts and translateTraduire them
341
723394
1990
Si nous prenons ces mêmes concepts
et les traduisons
12:17
into threeTrois dimensionsdimensions insteadau lieu,
342
725384
1651
en trois dimensions,
12:19
we find entirelyentièrement newNouveau waysfaçons of
makingfabrication sensesens of informationinformation.
343
727035
3195
nous trouvons de nouvelles façons
de donner du sens aux informations.
12:22
In secondssecondes, we can pickchoisir out everychaque patternmodèle here.
344
730230
2485
En quelques secondes, on identifie
tous les motifs ici,
12:24
we can see the crosstraverser associatedassocié with codecode.
345
732715
1820
on voit la croix associée au code.
12:26
We can see cubescubes associatedassocié with texttexte.
346
734535
1932
On voit les cubes associés au texte.
12:28
We can even pickchoisir up the tiniestle plus petit visualvisuel artifactsartefacts.
347
736467
2476
On peut même discerner
les plus petits artefacts visuels.
12:30
Things that would take us weekssemaines,
348
738943
2130
Des choses qui nous prennent
des semaines,
12:33
monthsmois to find in onesceux and zeroeszéros,
349
741073
2194
des mois à trouver
avec des uns et des zéros
12:35
are immediatelyimmédiatement apparentapparent
350
743267
1803
sont immédiatement apparentes
12:37
in some sortTrier of visualvisuel abstractionabstraction,
351
745070
2270
en abstraction visuelle,
12:39
and as we continuecontinuer to go throughpar this
352
747340
1132
et plus nous examinons ça,
12:40
and throwjeter more and more informationinformation at it,
353
748472
2016
et qu'on le soumet à plus d'informations,
12:42
what we find is that we're capablecapable of processingEn traitement
354
750488
2281
on s'aperçoit qu'on est capable de traiter
12:44
billionsdes milliards of onesceux and zeroszéros
355
752769
2416
des milliard de uns et de zéros
12:47
in a mattermatière of secondssecondes
356
755185
1168
en quelques secondes
12:48
just by usingen utilisant our brain'scerveaux built-infonction intégrée abilitycapacité
357
756353
3234
rien qu'en utilisant les fonctions
intégrées de notre cerveau
12:51
to analyzeanalyser patternsmodèles.
358
759587
1954
pour analyser des motifs.
12:53
So this is really niceagréable and helpfulutile,
359
761541
2303
Tout ça est beau et utile,
12:55
but all this tellsraconte me is what I'm looking at.
360
763844
2359
mais tout ce que ça me dit, c'est
ce que je regarde.
12:58
So at this pointpoint, basedbasé on visualvisuel patternsmodèles,
361
766203
1484
À ce stade, d'après les motifs visuels,
12:59
I can find the codecode on the phonetéléphone.
362
767687
2409
je peux retrouver
le code dans le téléphone.
13:02
But that's not enoughassez to blowcoup up a batterybatterie.
363
770096
2665
Mais ce n'est pas suffisant
pour faire exploser la batterie.
13:04
The nextprochain thing I need to find is the codecode
364
772761
1568
Ensuite, il faut que je trouve le code
13:06
that controlscontrôles the batterybatterie, but we're back
365
774329
1761
qui contrôle la batterie.
Mais ça nous ramène
13:08
to the needleaiguille in a stackempiler of needlesaiguilles problemproblème.
366
776090
1731
au problème de l'aigsuille dans
une botte d'aiguille.
13:09
That codecode looksregards prettyjoli much like all the other codecode
367
777821
2389
Le code ressemble passablement
à tout autre code
13:12
on that systemsystème.
368
780210
2238
dans ce système.
13:14
So I mightpourrait not be ablecapable to find the
codecode that controlscontrôles the batterybatterie,
369
782448
2401
Alors il se peut que je ne trouve pas
le code qui contrôle la batterie,
13:16
but there's a lot of things
that are very similarsimilaire to that.
370
784849
2011
mais il y a plein de choses
qui y sont similaires.
13:18
You have codecode that controlscontrôles your screenécran,
371
786860
1854
Vous avez le code
qui contrôle votre écran,
13:20
that controlscontrôles your buttonsboutons,
that controlscontrôles your microphonesmicrophones,
372
788714
2216
qui contrôle vos boutons,
qui contrôle vos micros,
13:22
so even if I can't find the codecode for the batterybatterie,
373
790930
1928
alors même si je ne peux pas trouver
le code de la batterie,
13:24
I betpari I can find one of those things.
374
792858
2245
je parie que je peux trouver
un de ces trucs.
13:27
So the nextprochain stepétape in my binarybinaire analysisune analyse processprocessus
375
795103
2705
Donc l'étape suivante dans
l'analyse du processus binaire
13:29
is to look at piecesdes morceaux of informationinformation
376
797808
1231
est de regarder les bouts d'informations
13:31
that are similarsimilaire to eachchaque other.
377
799039
2018
qui sont similaires entre eux.
13:33
It's really, really harddifficile to do at a binarybinaire levelniveau,
378
801057
3983
C'est vraiment, vraiment difficile
à faire au niveau binaire,
13:37
but if we translateTraduire those similaritiessimilitudes
to a visualvisuel abstractionabstraction insteadau lieu,
379
805040
3643
par contre, si on traduit ces similarités
en abstractions visuelles,
13:40
I don't even have to siftTamiser throughpar the rawbrut dataLes données.
380
808683
2438
je n'ai même pas besoin de trier
les données brutes.
13:43
All I have to do is wait for the imageimage to lightlumière up
381
811121
2155
Tout ce que j'ai à faire est d'attendre
que l'image apparaisse
13:45
to see when I'm at similarsimilaire piecesdes morceaux.
382
813276
2236
pour voir où j'ai des bouts similaires.
13:47
I followsuivre these strandsbrins of similaritysimilitude
like a trailPiste of breadpain crumbsmiettes
383
815512
3028
Je poursuis ces traces de similarités
comme une traînée de miettes de pain
13:50
to find exactlyexactement what I'm looking for.
384
818540
3106
pour trouver exactement
ce que je cherche.
13:53
So at this pointpoint in the processprocessus,
385
821646
1734
À cette étape du processus,
13:55
I've locatedsitué the codecode
386
823380
1318
Jj'ai localisé le code
13:56
responsibleresponsable for controllingcontrôler your batterybatterie,
387
824698
1685
qui est responsable du contrôle
de la batterie,
13:58
but that's still not enoughassez to blowcoup up a phonetéléphone.
388
826383
2576
mais ce n'est toujours pas suffisant
pour faire exploser le téléphone.
14:00
The last piecepièce of the puzzlepuzzle
389
828959
1564
La dernière pièce du puzzle
14:02
is understandingcompréhension how that codecode
390
830523
2679
est de comprendre comment ce code
14:05
controlscontrôles your batterybatterie.
391
833202
1202
contrôle la batterie.
14:06
For this, I need to identifyidentifier
392
834404
2388
Pour ça, j'ai besoin d'identifier
14:08
very subtlesubtil, very detaileddétaillées relationshipsdes relations
393
836792
1716
des relations très subtiles et détaillées
14:10
withindans that binarybinaire informationinformation,
394
838508
2089
à l'intérieur des informations binaires,
14:12
anotherun autre very harddifficile thing to do
395
840597
1755
une autre chose difficile à faire
14:14
when looking at onesceux and zeroszéros.
396
842352
2312
si on regarde des 1 et des zéros.
14:16
But if we translateTraduire that informationinformation
397
844664
1396
Mais si on traduit ces informations
14:18
into a physicalphysique representationreprésentation,
398
846060
2180
en une représentation physique,
14:20
we can sitasseoir back and let our
visualvisuel cortexcortex do all the harddifficile work.
399
848240
3016
on s'installe confortablement et
on laisse notre cortex visuel faire le reste.
14:23
It can find all the detaileddétaillées patternsmodèles,
400
851256
1734
Il peut trouver tous les motifs détaillés,
14:24
all the importantimportant piecesdes morceaux, for us.
401
852990
2020
tous les morceaux
qui nous sont importants,
14:27
It can find out exactlyexactement how the piecesdes morceaux of that codecode
402
855010
2593
il peut trouver exactement
comment les pièces de ce code
14:29
work togetherensemble to controlcontrôle that batterybatterie.
403
857603
2934
travaillent ensemble
pour contrôler la batterie.
14:32
All of this can be doneterminé in a mattermatière of hoursheures,
404
860537
3004
Tout ceci peut se faire
en quelques heures,
14:35
whereastandis que the sameMême processprocessus
405
863541
1356
alors que le même processus
14:36
would have takenpris monthsmois in the pastpassé.
406
864897
2922
aurait pris des mois auparavant.
14:39
This is all well and good
407
867819
1189
Tout ça c'est bien utile
14:41
in a theoreticalthéorique blowcoup up a terrorist'sles terroristes phonetéléphone situationsituation.
408
869008
2942
dans le cas théorique où on fait
exploser le téléphone du terroriste.
14:43
I wanted to find out if this would really work
409
871950
2847
J'ai voulu savoir si tout
ça marcherait vraiment
14:46
in the work I do everychaque day.
410
874797
2629
dans mon travail quotidien.
14:49
So I was playingen jouant around with these sameMême conceptsconcepts
411
877426
3055
Alors je m'amusais avec
ces mêmes concepts
14:52
with some of the dataLes données I've lookedregardé at in the pastpassé,
412
880481
3024
utilisant des données que j'avais
déjà regardées dans le passé,
14:55
and yetencore again, I was tryingen essayant to find
413
883505
2492
et encore une fois, je cherchais
14:57
a very detaileddétaillées, specificspécifique piecepièce of codecode
414
885997
2208
un bout de code spécifique, détaillé
15:00
insideà l'intérieur of a massivemassif piecepièce of binarybinaire informationinformation.
415
888205
3595
dans une énorme masse
d'informations binaires.
15:03
So I lookedregardé at it at this levelniveau,
416
891800
1773
Alors j'ai regardé à ce niveau,
15:05
thinkingen pensant I was looking at the right thing,
417
893573
1950
en croyant regarder le bon truc,
15:07
only to see this doesn't have
418
895523
2321
pou m'apercevoir que ça n'a pas
15:09
the connectivityconnectivité I would have expectedattendu
419
897844
1740
la connectivité que
je m'attendais à voir
15:11
for the codecode I was looking for.
420
899584
1905
dans le code que je recherchais.
15:13
In factfait, I'm not really sure what this is,
421
901489
2603
En fait, je ne suis pas sûr
de ce que c'est,
15:16
but when I steppedétagé back a levelniveau
422
904092
1012
mais quand j'ai pris du recul
15:17
and lookedregardé at the similaritiessimilitudes withindans the codecode
423
905104
1715
et regardé les similarités dans le code
15:18
I saw, this doesn't have similaritiessimilitudes
424
906819
2294
j'ai vu que ça n'avait aucune similarité
15:21
like any codecode that existsexiste out there.
425
909113
1491
avec du code existant.
15:22
I can't even be looking at codecode.
426
910604
2225
Impossible que ce soit du code.
15:24
In factfait, from this perspectivela perspective,
427
912829
2386
En fait, sous cet angle,
15:27
I could tell, this isn't codecode.
428
915215
2048
je peux dire
que ce n'est pas du code.
15:29
This is an imageimage of some sortTrier.
429
917263
2048
C'est une sorte d'image.
15:31
And from here, I can see,
430
919311
1682
D'ici je peux voir,
15:32
it's not just an imageimage, this is a photographphotographier.
431
920993
2911
que ce n'est pas seulement une
image, c'est une photographie.
15:35
Now that I know it's a photographphotographier,
432
923904
1392
Maintenant que je sais que
c'est une photographie,
15:37
I've got dozensdouzaines of other
binarybinaire translationTraduction techniquestechniques
433
925296
2930
j'ai des douzaines d'autres techniques
de traduction binaire
15:40
to visualizevisualiser and understandcomprendre that informationinformation,
434
928226
2421
pour visualiser et comprendre
ces informations,
15:42
so in a mattermatière of secondssecondes,
we can take this informationinformation,
435
930647
2543
pour qu'en quelques secondes,
on prenne ces informations,
15:45
shovepousser it throughpar a dozendouzaine other
visualvisuel translationTraduction techniquestechniques
436
933190
2397
qu'on les soumette à une douzaine
d'autres techniques de traduction visuelle
15:47
in ordercommande to find out exactlyexactement what we were looking at.
437
935587
3731
afin de trouver ce qu'on regarde exactement.
15:51
I saw — (LaughterRires) —
438
939318
1682
J'ai vu
(Rires)
15:53
it was that darnZut kittenchaton again.
439
941000
3456
c’était ce fichu chaton encore une fois.
15:56
All this is enabledactivée
440
944456
1050
Tout ça, c'est possible
15:57
because we were ablecapable to find a way
441
945506
1495
car on a trouvé une façon
15:59
to translateTraduire a very harddifficile problemproblème
442
947001
2029
de traduire un problème très compliqué
16:01
to something our brainscerveaux do very naturallynaturellement.
443
949030
2512
en une tâche que notre cerveau
traite naturellement.
16:03
So what does this mean?
444
951542
2238
Qu'est ce que ça veut dire ?
16:05
Well, for kittenschatons, it meansveux dire
445
953780
1545
Eh bien pour les chatons, ça veut dire
16:07
no more hidingse cacher in onesceux and zeroszéros.
446
955325
2417
fini de se cacher
dans des 1 et des zéros.
16:09
For me, it meansveux dire no more wastedgaspillé weekendsfins de semaine.
447
957742
3303
Pour moi, fini les weekends perdus.
16:13
For cyberCyber, it meansveux dire we have a radicalradical newNouveau way
448
961045
2612
Pour la cybernétique, ça veut dire
qu'on a une nouvelle façon assez radicale
16:15
to tackletacle the mostles plus impossibleimpossible problemsproblèmes.
449
963657
2965
de s'attaquer aux problèmes
les plus complexes.
16:18
It meansveux dire we have a newNouveau weaponarme
450
966622
1812
Ça veut dire qu'on possède
une nouvelle arme
16:20
in the evolvingévoluant theaterthéâtre of cyberCyber warfareguerre,
451
968434
2416
dans l’évolution de la cyber-guerre.
16:22
but for all of us,
452
970850
1420
Mais pour nous tous,
16:24
it meansveux dire that cyberCyber engineersingénieurs
453
972270
1475
ça veut dire que les cyber-ingénieurs
16:25
now have the abilitycapacité to becomedevenir first respondersrépondeurs
454
973745
2146
ont la capacité de devenir
les premiers intervenants
16:27
in emergencyurgence situationssituations.
455
975891
2583
dans les situations d'urgence.
16:30
When secondssecondes countcompter,
456
978474
1047
Quand les secondes comptent,
16:31
we'venous avons unlockeddéverrouillé the meansveux dire to stop the badmal guys.
457
979521
3409
nous avons déverrouillé les moyens
d’arrêter les méchants.
16:34
Thank you.
458
982930
2000
Merci.
16:36
(ApplauseApplaudissements)
459
984930
2962
(Applaudissements)
Translated by Patrick Delifer
Reviewed by Elisabeth Buffard

▲Back to top

ABOUT THE SPEAKER
Chris Domas - Cybersecurity researcher
Chris Domas is an embedded systems engineer and cybersecurity researcher.

Why you should listen

Chris Domas is a cyber-security researcher at the Battelle Memorial Institute. He specializes in embedded systems reverse-engineering (RE) and vulnerability analysis, figuring out how to manipulate electronic devices. Applying this towards national security, his group develops cyber technology that protects people on the newest front of global war.

Domas graduated from Ohio State University, where he set out to take every class offered by the school. He bounced between majors in electrical engineering, physics, mathematics, mechanical engineering, biology, chemistry, statistics, biomedical engineering, computer graphics, psychology, and linguistics, but finally ran out of money and was forced to graduate. Settling on a degree in computer science, with an irrelevant handful of minors, he joined Battelle as a cyber security researcher. Today, he strives to incorporate ideas from these disparate fields to tackle the world’s most challenging cyber problems in innovative and unexpected ways. As a result of his work, he received Battelle’s coveted 2013 Emerging Scientist and 2013 Technical Achievement awards. He continues to present research around the country, most recently at the cyber security conferences Black Hat, REcon and DerbyCon.

 

More profile about the speaker
Chris Domas | Speaker | TED.com