VOLTA, el malware que usa LLM para clasificar víctimas por valor

Investigadores han detallado VOLTA-AUTODOXER, un programa para Windows que roba información y fue identificado durante la investigación CAIRN. Añade un paso poco habitual: entrega el botín a un gran modelo de lenguaje (LLM) para que valore cuánto dinero podría obtenerse de la víctima.

Tras recopilar lo habitual (contraseñas del navegador, cookies, tarjetas de pago, frases semilla de monederos de criptomonedas, sesiones de Discord, Telegram, Steam y Roblox, tokens OAuth de Microsoft, claves SSH y de servicios en la nube, y perfiles Wi-Fi), VOLTA elabora un perfil estructurado del propietario del equipo. Puede incluir ubicación y domicilio, lugar de trabajo y dominio de la empresa, año de nacimiento estimado, los últimos cuatro dígitos de una tarjeta, espacios de trabajo de Slack e indicios de copias de seguridad de iPhone.

Un analista de IA en el equipo de la víctima

Después enriquece ese perfil con las sesiones robadas. Busca en Gmail recibos de Amazon, DoorDash, Uber Eats, Grubhub, Walmart o PayPal para confirmar la dirección, extrae el historial de pedidos de Uber Eats y DoorDash y consulta Rolimons en tiempo real para valorar un inventario de Roblox.

El resultado se guarda en Identity_Report.txt, se convierte a JSON y se envía mediante una solicitud POST a OpenRouter. El prompt de sistema indica al modelo que actúe como analista que evalúa un objetivo. La respuesta incluye una sección WHAT THEY'RE WORTH, que clasifica los activos por potencial de monetización (bajo, medio o alto), y otra, THEIR OPSEC, que valora la seguridad de la víctima y la calidad de sus contraseñas. La temperatura está fijada en 0,2, lo que apunta a que el operador busca resultados consistentes.

Si un modelo se niega, VOLTA pasa a una cadena de otros tres. Los investigadores ven en ello una ingeniería deliberada para sortear las salvaguardas integradas. La respuesta se guarda como AI_Analysis.txt, y ambos archivos se comprimen en volta_dox.zip y se envían a los atacantes. La consulta a la IA se realiza con la propia conexión de la víctima, antes de que los datos lleguen a ningún servidor externo.

Modelo de constructor y autodestrucción

El programa se elimina tras ejecutarse y no usa infraestructura de los atacantes. En lugar de fijar en el código el canal de Telegram o las claves de API, emplea una plantilla con seis campos que se rellenan al compilar, lo que sugiere un modelo de «constructor»: el cliente aporta sus datos y recibe un ejecutable único. Esas credenciales están cifradas, pero la clave es un hash SHA-256 de dos constantes incluidas en el propio archivo, así que la protección es sobre todo formal.

El caso muestra cómo los LLM pasan de generar texto a clasificar botines: no se les pide encontrar datos, sino conectar fragmentos dispersos, como nombres, direcciones o centros de estudio, con las contraseñas de la víctima y priorizar objetivos.