भविष्य को आकार देने वाली तकनीक पर गहन लेख।

Windows टेलीमेट्री के मिथक: OS आपका डेटा क्या लीक करता है

Windows टेलीमेट्री अब यह भी ट्रैक करती है कि आप कौन से coding agents और dev tools चलाते हैं। ETW, opt-out और मशीन से बाहर जाने वाले डेटा पर पाँच दावों की जाँच।

एक आवर्धक लेंस चमकते सर्किट बोर्ड की जाँच कर रहा है, और उसके चारों ओर रोशनी की धाराएँ बाहर बह रही हैं।
OS telemetry मायने रखती है या नहीं, इस पर बहस करने से पहले आपको खुद उसे देख पाना चाहिए।

पिछले हफ़्ते एक रिसर्चर ने MissionControlAggregator.dll को disassemble किया और उसमें executable नामों की hardcoded सूचियाँ मिलीं: codex.exe, claude.exe, cursor.exe, साथ में python.exe, gcc.exe और code.exe। Windows 11 की telemetry pipeline अब यह बिटमैप रखती है कि आपने कौन से coding agents और developer tools इस्तेमाल किए हैं, उन्हें C:\ProgramData\Microsoft\Diagnosis के अंतर्गत disk पर सहेजती है, और जब optional diagnostic data चालू हो — जो US इंस्टॉल पर डिफ़ॉल्ट रूप से चालू होता है — तो उसे upload के लिए queue में डाल देती है। इस पर ऑनलाइन दो तरह की प्रतिक्रियाएँ आईं: “यह ठीक है, बस ETW है” और “इसका एकमात्र हल Linux है।” दोनों ग़लत हैं, पर अलग-अलग तरीक़ों से सीखाने वाली ग़लतियाँ हैं। मैं सालों से incident response और endpoint forensics कर रहा हूँ, इसलिए चलिए वे पाँच धारणाएँ परखते हैं जो मैं बार-बार सुनता हूँ, और देखते हैं कि एक live machine पर वास्तव में क्या verify किया जा सकता है।

मिथक 1: “Telemetry अनामित है, तो चिंता की कोई बात नहीं”

हर telemetry चर्चा में यही पहली प्रतिक्रिया आती है, और यह इसलिए टिकी रहती है क्योंकि लोग दो अलग दावों को आपस में मिला देते हैं: “payload में कोई document content नहीं होता” और “payload हानिरहित है।” पहला दावा यहाँ काफ़ी हद तक सही है। रिसर्चर को रिपोर्ट में कोई prompt text, source code या आपके प्रोजेक्ट्स के file paths नहीं मिले — सिर्फ़ bitsets। developer-tool categories के लिए बारह slots, CLI coding agents के लिए चार, और desktop agents के लिए पाँच। कोई set bit का मतलब है: रिपोर्टिंग विंडो के दौरान इस श्रेणी का टूल देखा गया।

लेकिन बिटमैप कुछ नहीं जैसा भी नहीं है। आप जो टूल चलाते हैं, उनका संयोजन आपके पेशे, आपकी कंपनी के stack और कभी-कभी आप क्या बना रहे हैं, इसका fingerprint होता है। जिस मशीन पर cursor.exe, claude.exe और gcc.exe चलते हों, वह एक अलग कहानी कहती है, बनिस्बत उस मशीन के जिस पर devenv.exe और dotnet.exe चलते हों। इसे लाखों मशीनों पर जोड़ दीजिए, तो हर AI coding assistant के लिए market-share का real-time स्रोत बन जाता है — और यह ठीक वही बाज़ार है जिसमें Microsoft प्रतिस्पर्धा करता है। यह आपकी मशीन से, आपकी बिजली पर, “diagnostics” के नाम पर जुटाई गई competitive-intelligence संपत्ति है।

एक सूक्ष्म बात लोग अक्सर नज़रअंदाज़ कर देते हैं: आप कौन से टूल इस्तेमाल करते हैं, वह आपके बारे में एक developer के रूप में operational metadata है, जैसे आप कौन सी apps खोलते हैं वह आपके बारे में user के रूप में metadata है। इसका एक मिलता-जुलता मामला हमने fitness apps के surveillance tools होने पर लिखे लेख में कवर किया था — सबक़ सामान्य है। व्यवहार का metadata पहचान के बारे में डेटा है, और “हम सिर्फ़ bitsets भेजते हैं” को उतने ही शक से देखना चाहिए जितना “हम सिर्फ़ location इकट्ठा करते हैं” को। फ़ैसला: ग़लत साबित। फ़ाइल सामग्री का न होना व्यवहार की सूची को हानिरहित नहीं बनाता।

मिथक 2: “आप देख नहीं सकते कि Windows असल में क्या भेजता है”

यह दावा पूरी तरह अनुभवजन्य रूप से ग़लत है, और मूल जाँच खुद इसे साबित करती है। इस फ़ीचर की हर बात एक सामान्य मशीन पर admin अधिकारों के साथ देखी जा सकती थी। यह कोई छिपा हुआ kernel implant नहीं है; यह एक ऐसी pipeline है जो चुप्पी से दस्तावेज़ित है और पूरी तरह सार्वजनिक तंत्रों पर बनी है: ETW TraceLogging events, DiagTrack service, और एक local event store जिसे आप query कर सकते हैं।

यह audit trail आप खुद दोहरा सकते हैं। पहले यह पुष्टि कीजिए कि pipeline चल रही है:

Get-Service DiagTrack | Format-Table Name,Status,StartType -AutoSize
Get-Process AggregatorHost | Format-Table ProcessName,Id -AutoSize
tasklist /m MissionControlAggregator.dll

अगर AggregatorHost.exe दिखे और उसमें DLL लोड हो, तो aggregator आपकी मशीन पर सक्रिय है। अब देखिए कि कौन किसकी subscription ले रहा है। Diagtrack-Listener ETW session input providers (KernelProcess app-state summaries, WSL exec events) और aggregator के अपने report provider दोनों की subscription लेता है:

Get-EtwTraceProvider -SessionName Diagtrack-Listener `
-Guid '{00de11a2-ec06-58e5-1a2b-21bb21dbee4b}'

और upload queue ख़ुद एक SQLite database है — DiagTrack की EventStore.db, जिसमें compressed JSON batches वाली AsimovEvents table है। उन्हें decompress कीजिए तो भेजे जाने के लिए staged exact events पढ़ सकते हैं, जिनमें आपके agent bits वाली Segments.SubCohorts रिपोर्ट और isRequired: false privacy tag शामिल हैं। पूरी जाँच का सबसे शिक्षाप्रद प्रयोग यह था: cmd.exe को codex.exe नाम की फ़ाइल में copy करके चलाइए, और देखिए कि Codex bit सेट हो जाता है। detection सिर्फ़ नाम-मिलान है, और कुछ नहीं। यह एक तरफ़ आश्वस्त करता है (binary में कोई गहरी instrumentation नहीं), और दूसरी तरफ़ एक “diagnostic” फ़ीचर के लिए थोड़ा शर्मनाक भी है।

नेटवर्क की तरफ़ के लिए तरीक़े सादे पर पर्याप्त हैं: मशीन को अपने नियंत्रण वाले proxy की ओर मोड़िए, या switch port को mirror करके Wireshark से capture कीजिए। DiagTrack का traffic Microsoft endpoints पर TLS में जाता है, इसलिए intercept किए बिना payload नहीं पढ़ सकते — पर ज़रूरत भी नहीं, क्योंकि EventStore encryption से पहले का plaintext दे देता है। Traffic capture बताता है “कब और कितना” बाहर गया; event store बताता है “क्या”। फ़ैसला: ग़लत साबित। आप इसका end-to-end audit कर सकते हैं, और सच कहें तो हर security-conscious team को यह ख़बर बनने से पहले ही कर लेना चाहिए था।

मिथक 3: “‘optional diagnostic data’ बंद कर दिया, तो अब मैं साफ़ हूँ”

अब वह असहज बात जो उन लोगों को चुभेगी जो सोचते हैं कि उन्होंने यह मामला पहले ही सुलझा लिया है। Settings → Privacy & security → Diagnostics & feedback में toggle बदलने से यह खास report सचमुच रुक जाती है — रिसर्चर ने verify किया कि agent-usage event को optional के रूप में वर्गीकृत किया गया है, और AllowTelemetry को 3 से नीचे सेट करने पर वह upload queue से हट जाता है। जिसका श्रेय उसे मिलना चाहिए: वर्गीकरण सटीक है और इस path के लिए off switch काम करता है।

पर mechanism को दोबारा पढ़िए। aggregator अब भी चलता है। matchers अब भी match करते हैं। state अब भी AggregatorStorage\MissionControlAggregator$ में persist होती है और ETW report अब भी emit होती है — रुकता सिर्फ़ listener का upload step है, collection नहीं। आपने exfiltration रोका है, observation नहीं। यह फ़र्क दो कारणों से मायने रखता है।

पहला, required-level telemetry तब भी बहती रहती है। Windows level 1 पर चुप नहीं हो जाता; वह events का एक छोटा सेट भेजता है, जिस पर डिफ़ॉल्ट रूप से आपकी दृश्यता बहुत कम होती है। दूसरा — और यही वह हिस्सा है जिसकी मुझे परवाह है, क्योंकि मैं config drift से जल चुका हूँ — Settings का toggle एक कमज़ोर control है। CLICodingAgentUsage जैसे feature flags (जो ये checks नियंत्रित करता है) updates से बदल दिए जाते हैं। Privacy settings feature upgrades पर रीसेट हो जाती हैं; किसी से पूछ लीजिए जिसने version bump के बाद fleet audit किया हो। managed machines पर इसे Group Policy या MDM से लागू कीजिए (Computer Configuration → Administrative Templates → Windows Components → Data Collection), क्योंकि policy हर बार फिर से लागू होती है, toggles नहीं। फिर UI पर भरोसा करने के बजाय EventStore को दोबारा inspect करके verify कीजिए।

Privacy toggle आपको बताता है कि vendor क्या भेजना बंद करने का इरादा रखता है। सिर्फ़ आपकी अपनी capture बताती है कि असल में क्या बंद हुआ।

फ़ैसला: मोटे तौर पर ग़लत साबित। toggle ज़रूरी है, पर पर्याप्त नहीं। इसे एक परत मानिए, और verification की आदत बनाए रखिए — वही रवैया जो आप अपने endpoints पर किसी भी third-party agent के लिए रखते हैं।

मिथक 4: “बस endpoints को firewall कर दो, काम ख़त्म”

blocklist वाला तरीक़ा लंबे समय से ज़्यादातर नाकाम रहा है। Microsoft के telemetry endpoints उन services के साथ CDN infrastructure और IP ranges साझा करते हैं जिनकी आपको सच में ज़रूरत है — Windows Update, certificate revocation checks, Store, activation। vortex.data.microsoft.com और उसके साथियों को perimeter पर hard-block करना तब तक काम करता है जब तक कोई endpoint बदल न जाए, CDN में फेरबदल न हो, या कोई update pipe का नाम न बदल दे, और तब वह चुपचाप फिर खुल जाता है। मैंने संगठनों को सालों तक telemetry blocklists संभालते देखा है; सूचियाँ कुछ ही महीनों में सड़ जाती हैं और किसी को पता नहीं चलता, क्योंकि विफलता की शक्ल चुप्पी होती है।

इससे भी बुरा यह कि मोटा blocking उन diagnostics को भी तोड़ देता है जो आप असल में चाहते हो सकते हैं। Crash reporting और update health signals उसी channel पर चलते हैं। एंटरप्राइज़ में आप अक्सर पूरी pipeline को बंद करने के बजाय required-level diagnostics को अपने compliance view तक पहुँचते रहना चाहेंगे। सटीकता इस क्रम में बढ़ती है, जो प्राथमिकता के अनुसार है:

  1. traffic ब्लॉक करने के बजाय policy से telemetry level सेट कीजिए (Enterprise/Education पर AllowTelemetry 0, Pro पर 1)।
  2. जहाँ लागू हो, Windows diagnostic data processor / enterprise upload redirection का उपयोग कीजिए, ताकि events पहले आपके tenant में पहुँचें।
  3. अगर network edge पर filter करना ज़रूरी है, तो blocklist के बजाय allowlist रखिए, और स्थिर deny list का पीछा करने के बजाय नए Microsoft-owned destinations पर alert कीजिए।
  4. अनुमान न लगाइए, audit कीजिए: मशीनों के नमूने पर समय-समय पर EventStore.db को decompress कीजिए और queue में जो है उसकी तुलना आपकी policy में जो होना चाहिए उससे कीजिए।

यही आखिरी बात असल सबक़ है। वही अनुशासन developer tooling पर भी लागू होता है — यही तर्क हमने Your API Client Is a Credential Vault में रखा था: अपनी मशीन पर मौजूद चीज़ का audit कीजिए, उसके marketing पेज पर भरोसा मत कीजिए। फ़ैसला: प्राथमिक रणनीति के रूप में ग़लत साबित। Network blocking एक भोथरा backstop है, control नहीं।

एक ऑपरेटर चमकते पाइपों के सटीक वाल्व समायोजित कर रहा है, और पास में एक टूटा हुआ ताला पड़ा है।
सटीक policy उस भोथरी blocklist से बेहतर है जो endpoints बदलते ही सड़ जाती है।

मिथक 5: “Linux पर स्विच करना ही एकमात्र गंभीर जवाब है”

इस ख़बर पर सबसे ज़्यादा upvote वाली प्रतिक्रियाएँ migration की सलाह थीं, और देखिए — मैं उससे सहमत भी हूँ। अगर आपका काम terminal, browser और Docker daemon है, तो कोई mainstream distro आपके लिए ठीक रहेगा और बदलाव में दिन लगेंगे, महीने नहीं। पर telemetry के जवाब के रूप में “बस स्विच कर लो” दो गलतियाँ करता है।

पहली, यह समझता है कि स्विच करने से क्या हासिल होता है। जैसा कई commenters ने सही बताया, बड़ी तीन vendors की GPU driver utilities तब तक executable नाम और paths इकट्ठा करती हैं जब तक आप opt out न करें, और वे Linux पर भी चलती हैं। Debian का popularity-contest, अगर आपने install के समय opt in किया हो, तो package usage रिपोर्ट करता है। आपका IDE, आपके coding agents और आपका browser OS से स्वतंत्र अपनी telemetry pipelines चलाते हैं। OS leak की एक परत है, leak पूरा नहीं। डिफ़ॉल्ट सेटिंग वाला Linux box जिस पर commercial toolchain चल रहा हो, वह भी काफ़ी कुछ घर भेजता है।

दूसरी, यह उस कौशल को छोड़ देता है जो असल में आपकी रक्षा करता है, और वह platform-independent है: यह जानना कि क्या listening है, क्या बाहर जा रहा है, और क्या queued है, इसकी गिनती और पुष्टि कैसे करें। ETW subscriptions, event stores और service trees Windows-आधारित हैं, पर तरीक़ा वही रहता है — सुराग़ के लिए static analysis, पुष्टि के लिए dynamic traces, और exfiltration का सबूत देने के लिए queue inspection — चाहे आप DiagTrack का audit कर रहे हों, किसी vendor के “anonymous usage stats” daemon का, या किसी AI coding agent के permission model का। हम पहले भी कह चुके हैं कि AI coding agent privacy को भी उसी myth-busting कठोरता की ज़रूरत है, और जब आप किसी process पर पूरा भरोसा नहीं कर सकते तो containment, monitoring से बेहतर है। OS भी बस एक और agent है जिसे आपने नौकरी पर नहीं रखा।

फ़ैसला: आंशिक रूप से ग़लत साबित। migration एक वैध विकल्प है और यह इस खास pipeline को ख़त्म कर देता है, पर अंतर्निहित समस्या के लिए न यह ज़रूरी है न पर्याप्त। अगर आप Windows पर ही रहते हैं — काम के लिए, गेमिंग के लिए, या उस corporate image के लिए जिसे आप नियंत्रित नहीं करते — तो ऊपर वाला audit workflow आपको एक दोपहर में ज़्यादातर व्यावहारिक लाभ दे देगा।

असली समाधान: setting नहीं, audit की आदत

आक्रोश के चक्र को हटा दें, तो यह ख़बर एक उपहार है: किसी ने एक पूरी methodology प्रकाशित की है, DLL के strings से लेकर upload queue में पड़े JSON blob तक, और इसके लिए सिर्फ़ debugger, PowerShell और धैर्य लगा। सही प्रतिक्रिया न घबराहट है न अनदेखी — बल्कि इस workflow को संस्थागत बनाना है। हर तिमाही, एक reference machine पर: देखिए कौन सी services telemetry hosts spawn करती हैं, ETW session subscriptions की सूची बनाइए, event store को decompress कीजिए, और एक दिन का egress mirror कीजिए। पिछली तिमाही से तुलना कीजिए। जब CLICodingAgentUsage जैसा कोई नया flag दिखे, तो आपको यह हफ़्तों में पता चल जाएगा, सालों में नहीं।

असहज सच यह है कि आपकी toolchain की सूची — कौन से agents, कौन से compilers, कौन से editors — व्यावसायिक रूप से मूल्यवान डेटा है, और दुनिया के प्रमुख desktop OS की डिफ़ॉल्ट सेटिंग्स उसे उस कंपनी तक पहुँचाती हैं जो प्रतिस्पर्धी उत्पाद बेचती है। यह किसी news cycle से नहीं बदलेगा। जो बदल सकता है वह यह है कि आप वह इंजीनियर हैं जो यह बात किसी blog post से जानता है, या वह जिसने पहले से trace चला रखा था।