VOLTA is een geavanceerde Windows-infostealer die AI-integratie gebruikt om het proces van slachtoffer-analyse te automatiseren. In plaats van alleen gegevens te verzamelen, stelt de malware een uitgebreid bewijspakket samen (inclusief browsergegevens, crypto-wallets en sessie-tokens) en stuurt dit naar een Large Language Model (LLM) via OpenRouter. De AI fungeert als een forensisch analist die bepaalt welke activa het meest waardevol zijn ("WHAT THEY'RE WORTH") en hoe de beveiliging van het slachtoffer is ("THEIR OPSEC").
Kenmerkend is de veerkracht van de malware; er is een fallback-keten van modellen (Claude, Kimi, Gemini) om beveiligingsfilters (guardrails) te omzeilen. Daarnaast voert VOLTA "live verrijking" uit door gestolen tokens te gebruiken om actuele informatie op te halen uit Gmail, UberEats en Discord. De malware wordt gedistribueerd via een builder-model en verwijdert zichzelf na gebruik om detectie te bemoeilijken.
Beoordeling door AI: Model-gestuurde prioritering van slachtoffers in de VOLTA infostealer
VOLTA is een volwassen stealer-implant met een optionele AI-integratielaag. Na het stelen van inloggegevens, sessies en cryptocurrency-wallets, verzendt VOLTA een gestructureerd bewijspakket naar een Large Language Model (LLM) om de activa van het slachtoffer te rangschikken op basis van hun monetaire waarde.
Indien een model weigert de doelwitbeoordeling uit te voeren, schakelt VOLTA over naar een keten van drie alternatieve modellen. Dit duidt op een directe inspanning vanuit de ontwikkelaars en de verwachting dat model-beveiligingen (guardrails) getriggerd zullen worden.
Deze stealer verwijdert zichzelf na gebruik en maakt geen gebruik van infrastructuur in handen van de aanvaller. Het innovatieve aan de AI-integratie is dat deze niet een traditionele malware-functionaliteit ondersteunt, maar fungeert als een intelligence-analist namens de operator.
Een nieuwe aanpak in cybercriminaliteit
Er is een nieuw idee ontstaan in de wereld van cybercriminaliteit: gooi een breed net uit, steel alles, en laat AI de details sorteren. Een nieuwe malware genaamd "VOLTA-AUTODOXER", ontdekt via de CAIRN-onderzoeksinspanning, is een zelfverwijderende Windows-infostealer die zijn workflow na de diefstal aanvult met een door LLM-gestuurde fase voor het profileren van het slachtoffer.
Gegevensverzameling
Na het oogsten van de standaard stealer-buit, verzamelt VOLTA de volgende gegevens:
- Wachtwoorden uit browsers en cookies.
- Betaalkaarten.
- Seed-phrases van cryptocurrency-wallets.
- Sessies van Discord, Telegram, Steam en Roblox.
- Microsoft OAuth-tokens.
- SSH- en cloud-provider-sleutels.
- Wi-Fi-profielen en screenshots.
Op basis hiervan stelt VOLTA een gestructureerd bewijspakket samen over de persoon achter de computer. Dit pakket bevat:
- Geolocation en huisadres.
- Werkgever en domein van de werkgever.
- Afgeleid geboortejaar.
- De laatste vier cijfers van creditcards.
- Slack-workspaces.
- Metadata over het auteurschap van documenten.
- Indicatoren voor iPhone-back-ups.
- Een actuele waardebepaling van Roblox-accounts.
Vervolgens gebruikt de malware gestolen sessies om dit pakket verder te verrijken: het doorzoekt de Gmail van het slachtoffer naar aankoopbonnen om een huisadres te bevestigen, haalt bestelgeschiedenissen op bij UberEats en DoorDash, en verrijkt Discord-accounts via het gestolen token.
De AI-analyse workflow
Het bewijspakket wordt geserialiseerd en via een POST-verzoek naar OpenRouter gestuurd, voorzien van een systeemprompt die het model instrueert om te fungeren als "een forensisch intelligence-analist die een doelwitbeoordeling opstelt".
De vereiste output bevat twee specifieke secties:
- "WHAT THEY'RE WORTH": Waardevolle activa gerangschikt op monetarisering met een laag/medium/hoog niveau.
- "THEIR OPSEC": Een beoordeling van de beveiligingshouding en wachtwoordhygiëne van het slachtoffer.
Het model fungeert hiermee als de triage-analist van de operator; het zet een ruw logbestand met inloggegevens om in een geprioriteerd dossier, ondersteund door citaten.
AI-configuratie en veerkracht
De instructie aan de AI is: "Ga diep, niet breed... Wees direct, specifiek en accuraat."
VOLTA maakt gebruik van een multi-model-architectuur om veerkrachtig om te gaan met weigeringen van het model. Elke respons wordt gecontroleerd op zinnen als "I can’t" of "I’m not able", waarna de malware overschakelt naar een keten van maximaal drie modellen.
- Endpoint:
https[:]//openrouter[.]ai/api/v1/chat/completions
- Standaardmodel:
anthropic/claude-opus-4.6
- Fallback-keten:
moonshotai/kimi-k2 → google/gemini-2.5-flash
- Temperature: 0.2 (voor deterministische, consistente output)
- Request-formaat: Handmatig samengestelde JSON; geen SDK; User-Agent
Mozilla/5.0
De lage temperatuurwaarde (0.2) suggereert dat de aanvaller prioriteit geeft aan nauwkeurigheid en consistentie. De fallback-keten naar kleinere en permissievere modellen wijst erop dat de operator anticipeert op weigeringen door de AI.
De systeemprompt vraagt het model bovendien om verbanden te leggen tussen verspreide data, zoals het koppelen van namen, adressen of universiteiten aan patronen in de wachtwoorden van het slachtoffer. Het model wordt dus niet gevraagd om data te vinden, maar om inferences (afleidingen) te maken die de waarde van de verzamelde data verhogen.
Mogelijkheden van de stealer
De capaciteiten van VOLTA gaan veel verder dan basis-credential theft en zijn direct afgestemd op digitale sporen uit het moderne leven.
- Browser & Applicaties: Extractie van inloggegevens, cookies en betaalkaarten uit Chromium-browsers, Firefox, Thunderbird, Outlook-profielen, Slack-workspaces, Steam, Battle.net, Discord-tokens, Telegram-sessies en Roblox-accounts.
- Configuraties: SSH- en cloud-provider configuratiebestanden (
gcloud, OpenVPN, Hide.me).
- Cryptocurrency: De stealer kopieert niet alleen wallets, maar voert inline een ingebouwde cracker uit op de vault.
- Netwerk: Alle opgeslagen Wi-Fi-wachtwoorden worden via een directe call naar
WlanGetProfileList in plaintext gedumpt.
Live verrijking (Enrichment)
Wat VOLTA onderscheidt van commodity stealers is de live verrijkingsfase. Met behulp van gestolen tokens voert de malware actieve queries uit:
- Gmail: Zoeken naar bonnetjes van Amazon, DoorDash, Uber Eats, Grubhub, Walmart en PayPal om een woonadres te bevestigen.
- Bestelservices: Directe calls naar Uber Eats en DoorDash voor bestelgeschiedenissen.
- Discord: Verrijking van het accountprofiel.
- Roblox: Waardebepaling van de inventaris via een live lookup op
Rolimons[.]com.
Data-exfiltratie en implementatie
Na de verzameling en verrijking worden de gegevens lokaal gestructureerd in een bestand genaamd IdentityReport.txt. Dit bestand wordt als JSON verzonden naar OpenRouter. Het resultaat wordt ontvangen als AIAnalysis.txt. Beide bestanden worden samen geëxfiltreerd in volta_dox.zip.
De exfiltratie kan in drie fasen plaatsvinden:
- Na de run van de stealer (
volta_log.zip).
- Na de AI-call (
volta_dox.zip).
- Indien de netwerkverrijking resultaten oplevert (
volta_doxnet.zip).
De volledige AI-inferentiecyclus vindt plaats via de netwerkverbinding van het slachtoffer, op de machine van het slachtoffer zelf, voordat het resultaat wordt geëxfiltreerd.
Het Builder-model
In plaats van API-sleutels en instellingen hardcoded in de code te zetten, gebruikt VOLTA een template met zes vervangbare slots die tijdens het build-proces worden ingevuld. Dit suggereert een "builder-model": de auteur verkoopt toegang, de klant levert zijn eigen waarden aan, en de bouwer compileert een custom binary per order. Hoewel de credentials in deze slots versleuteld zijn, is dit een zwakke beveiliging (SHA-256 van twee constanten in hetzelfde binary) die bedoeld is om plaintext-opslag te vermijden, maar eenvoudig te omzeilen is door reverse engineering.
Tegenmaatregelen
Een groot deel van de token-stealing functionaliteit van VOLTA vertrouwt op technieken om App-Bound Encryption (ABE) in Chrome te omzeilen.
- Preventie: Een application control policy die beperkt welke processen Chrome met de vlag
--headless mogen starten, zou het ABE-decryptiepad volledig blokkeren. Het monitoren van het starten van Chrome met --headless door processen die niet van bekende ontwikkelaars zijn, is aanbevolen.
- Opslag: Gebruik hardware-backed stores voor het opslaan van inloggegevens.
- Incident Response: Indien een systeem is gecompromitteerd, kan het executable zichzelf al hebben verwijderd. Gebruikers moeten proberen het bestand
APPDATA%\volta_debug.txt te behouden. Dit is een tijdstempel-logboek van wat er verzameld is en of de LLM-call is geslaagd.
- Herstel: Trek gecompromitteerde tokens in en wijzig wachtwoorden. Voor cryptocurrency-wallets: als de seed-phrase in plaintext op de schijf stond, moet de wallet als volledig gecompromitteerd worden beschouwd en moeten fondsen worden gemigreerd naar een nieuwe wallet met een seed die op een air-gapped device is gegenereerd.
Conclusies
VOLTA is een volwassen stealer met een AI-laag die specifiek is toegevoegd om de operator te ontlasten van analytisch werk. De focus van AI-verbetering ligt hier niet op snelheid of schaal, maar op "effort displacement" (vervanging van menselijke inspanning). Het doel is om de stap die de meeste menselijke aandacht vereist te vervangen door een model-aanroep.
Een tweede trend is de anticipatie op model-weigeringen. De fallback-keten van Claude naar Kimi naar Gemini laat zien dat veerkracht tegen weigeringen een standaard ontwerpvereiste wordt bij AI-geïntegreerde malware. De open vraag is of deze automatisering de drempel voor cybercriminaliteit verlaagt, de schaalbaarheid verhoogt, of beide. Er is immers een wezenlijk verschil tussen een breed net uitwerpen en een breed net dat zichzelf sorteert.
Sample-details
| Kenmerk | Waarde |
|---|
| SHA256 | 57ef4242666d78c50df145b34023df564f0fad38812d6a580e66433d427e2279 |
| Bestandsnaam | 9BY0tjwOc3ut.exe / yLP9m5J3i2Aw.exe |
| Type | PE32+ x86-64 |
| PE Timestamp | 2026-08-17 20:35 |
| Eerst gezien (UTC) | 2026-10-11 12:46 |
Beoordeling door AI: Model-gestuurde prioritering van slachtoffers in de VOLTA infostealer
VOLTA is een volwassen stealer-implant met een optionele AI-integratielaag. Na het stelen van inloggegevens, sessies en cryptocurrency-wallets, verzendt VOLTA een gestructureerd bewijspakket naar een Large Language Model (LLM) om de activa van het slachtoffer te rangschikken op basis van hun monetaire waarde.
Indien een model weigert de doelwitbeoordeling uit te voeren, schakelt VOLTA over naar een keten van drie alternatieve modellen. Dit duidt op een directe inspanning vanuit de ontwikkelaars en de verwachting dat model-beveiligingen (guardrails) getriggerd zullen worden.
Deze stealer verwijdert zichzelf na gebruik en maakt geen gebruik van infrastructuur in handen van de aanvaller. Het innovatieve aan de AI-integratie is dat deze niet een traditionele malware-functionaliteit ondersteunt, maar fungeert als een intelligence-analist namens de operator.
Een nieuwe aanpak in cybercriminaliteit
Er is een nieuw idee ontstaan in de wereld van cybercriminaliteit: gooi een breed net uit, steel alles, en laat AI de details sorteren. Een nieuwe malware genaamd "VOLTA-AUTODOXER", ontdekt via de CAIRN-onderzoeksinspanning, is een zelfverwijderende Windows-infostealer die zijn workflow na de diefstal aanvult met een door LLM-gestuurde fase voor het profileren van het slachtoffer.
Gegevensverzameling
Na het oogsten van de standaard stealer-buit, verzamelt VOLTA de volgende gegevens:
- Wachtwoorden uit browsers en cookies.
- Betaalkaarten.
- Seed-phrases van cryptocurrency-wallets.
- Sessies van Discord, Telegram, Steam en Roblox.
- Microsoft OAuth-tokens.
- SSH- en cloud-provider-sleutels.
- Wi-Fi-profielen en screenshots.
Op basis hiervan stelt VOLTA een gestructureerd bewijspakket samen over de persoon achter de computer. Dit pakket bevat:
- Geolocation en huisadres.
- Werkgever en domein van de werkgever.
- Afgeleid geboortejaar.
- De laatste vier cijfers van creditcards.
- Slack-workspaces.
- Metadata over het auteurschap van documenten.
- Indicatoren voor iPhone-back-ups.
- Een actuele waardebepaling van Roblox-accounts.
Vervolgens gebruikt de malware gestolen sessies om dit pakket verder te verrijken: het doorzoekt de Gmail van het slachtoffer naar aankoopbonnen om een huisadres te bevestigen, haalt bestelgeschiedenissen op bij UberEats en DoorDash, en verrijkt Discord-accounts via het gestolen token.
De AI-analyse workflow
Het bewijspakket wordt geserialiseerd en via een POST-verzoek naar OpenRouter gestuurd, voorzien van een systeemprompt die het model instrueert om te fungeren als "een forensisch intelligence-analist die een doelwitbeoordeling opstelt".
De vereiste output bevat twee specifieke secties:
- "WHAT THEY'RE WORTH": Waardevolle activa gerangschikt op monetarisering met een laag/medium/hoog niveau.
- "THEIR OPSEC": Een beoordeling van de beveiligingshouding en wachtwoordhygiëne van het slachtoffer.
Het model fungeert hiermee als de triage-analist van de operator; het zet een ruw logbestand met inloggegevens om in een geprioriteerd dossier, ondersteund door citaten.
AI-configuratie en veerkracht
De instructie aan de AI is: "Ga diep, niet breed... Wees direct, specifiek en accuraat."
VOLTA maakt gebruik van een multi-model-architectuur om veerkrachtig om te gaan met weigeringen van het model. Elke respons wordt gecontroleerd op zinnen als "I can’t" of "I’m not able", waarna de malware overschakelt naar een keten van maximaal drie modellen.
- Endpoint:
https[:]//openrouter[.]ai/api/v1/chat/completions
- Standaardmodel:
anthropic/claude-opus-4.6
- Fallback-keten:
moonshotai/kimi-k2 → google/gemini-2.5-flash
- Temperature: 0.2 (voor deterministische, consistente output)
- Request-formaat: Handmatig samengestelde JSON; geen SDK; User-Agent
Mozilla/5.0
De lage temperatuurwaarde (0.2) suggereert dat de aanvaller prioriteit geeft aan nauwkeurigheid en consistentie. De fallback-keten naar kleinere en permissievere modellen wijst erop dat de operator anticipeert op weigeringen door de AI.
De systeemprompt vraagt het model bovendien om verbanden te leggen tussen verspreide data, zoals het koppelen van namen, adressen of universiteiten aan patronen in de wachtwoorden van het slachtoffer. Het model wordt dus niet gevraagd om data te vinden, maar om inferences (afleidingen) te maken die de waarde van de verzamelde data verhogen.
Mogelijkheden van de stealer
De capaciteiten van VOLTA gaan veel verder dan basis-credential theft en zijn direct afgestemd op digitale sporen uit het moderne leven.
- Browser & Applicaties: Extractie van inloggegevens, cookies en betaalkaarten uit Chromium-browsers, Firefox, Thunderbird, Outlook-profielen, Slack-workspaces, Steam, Battle.net, Discord-tokens, Telegram-sessies en Roblox-accounts.
- Configuraties: SSH- en cloud-provider configuratiebestanden (
gcloud, OpenVPN, Hide.me).
- Cryptocurrency: De stealer kopieert niet alleen wallets, maar voert inline een ingebouwde cracker uit op de vault.
- Netwerk: Alle opgeslagen Wi-Fi-wachtwoorden worden via een directe call naar
WlanGetProfileList in plaintext gedumpt.
Live verrijking (Enrichment)
Wat VOLTA onderscheidt van commodity stealers is de live verrijkingsfase. Met behulp van gestolen tokens voert de malware actieve queries uit:
- Gmail: Zoeken naar bonnetjes van Amazon, DoorDash, Uber Eats, Grubhub, Walmart en PayPal om een woonadres te bevestigen.
- Bestelservices: Directe calls naar Uber Eats en DoorDash voor bestelgeschiedenissen.
- Discord: Verrijking van het accountprofiel.
- Roblox: Waardebepaling van de inventaris via een live lookup op
Rolimons[.]com.
Data-exfiltratie en implementatie
Na de verzameling en verrijking worden de gegevens lokaal gestructureerd in een bestand genaamd IdentityReport.txt. Dit bestand wordt als JSON verzonden naar OpenRouter. Het resultaat wordt ontvangen als AIAnalysis.txt. Beide bestanden worden samen geëxfiltreerd in volta_dox.zip.
De exfiltratie kan in drie fasen plaatsvinden:
- Na de run van de stealer (
volta_log.zip).
- Na de AI-call (
volta_dox.zip).
- Indien de netwerkverrijking resultaten oplevert (
volta_doxnet.zip).
De volledige AI-inferentiecyclus vindt plaats via de netwerkverbinding van het slachtoffer, op de machine van het slachtoffer zelf, voordat het resultaat wordt geëxfiltreerd.
Het Builder-model
In plaats van API-sleutels en instellingen hardcoded in de code te zetten, gebruikt VOLTA een template met zes vervangbare slots die tijdens het build-proces worden ingevuld. Dit suggereert een "builder-model": de auteur verkoopt toegang, de klant levert zijn eigen waarden aan, en de bouwer compileert een custom binary per order. Hoewel de credentials in deze slots versleuteld zijn, is dit een zwakke beveiliging (SHA-256 van twee constanten in hetzelfde binary) die bedoeld is om plaintext-opslag te vermijden, maar eenvoudig te omzeilen is door reverse engineering.
Tegenmaatregelen
Een groot deel van de token-stealing functionaliteit van VOLTA vertrouwt op technieken om App-Bound Encryption (ABE) in Chrome te omzeilen.
- Preventie: Een application control policy die beperkt welke processen Chrome met de vlag
--headless mogen starten, zou het ABE-decryptiepad volledig blokkeren. Het monitoren van het starten van Chrome met --headless door processen die niet van bekende ontwikkelaars zijn, is aanbevolen.
- Opslag: Gebruik hardware-backed stores voor het opslaan van inloggegevens.
- Incident Response: Indien een systeem is gecompromitteerd, kan het executable zichzelf al hebben verwijderd. Gebruikers moeten proberen het bestand
APPDATA%\volta_debug.txt te behouden. Dit is een tijdstempel-logboek van wat er verzameld is en of de LLM-call is geslaagd.
- Herstel: Trek gecompromitteerde tokens in en wijzig wachtwoorden. Voor cryptocurrency-wallets: als de seed-phrase in plaintext op de schijf stond, moet de wallet als volledig gecompromitteerd worden beschouwd en moeten fondsen worden gemigreerd naar een nieuwe wallet met een seed die op een air-gapped device is gegenereerd.
Conclusies
VOLTA is een volwassen stealer met een AI-laag die specifiek is toegevoegd om de operator te ontlasten van analytisch werk. De focus van AI-verbetering ligt hier niet op snelheid of schaal, maar op "effort displacement" (vervanging van menselijke inspanning). Het doel is om de stap die de meeste menselijke aandacht vereist te vervangen door een model-aanroep.
Een tweede trend is de anticipatie op model-weigeringen. De fallback-keten van Claude naar Kimi naar Gemini laat zien dat veerkracht tegen weigeringen een standaard ontwerpvereiste wordt bij AI-geïntegreerde malware. De open vraag is of deze automatisering de drempel voor cybercriminaliteit verlaagt, de schaalbaarheid verhoogt, of beide. Er is immers een wezenlijk verschil tussen een breed net uitwerpen en een breed net dat zichzelf sorteert.
Sample-details
| Kenmerk | Waarde |
|---|
| SHA256 | 57ef4242666d78c50df145b34023df564f0fad38812d6a580e66433d427e2279 |
| Bestandsnaam | 9BY0tjwOc3ut.exe / yLP9m5J3i2Aw.exe |
| Type | PE32+ x86-64 |
| PE Timestamp | 2026-08-17 20:35 |
| Eerst gezien (UTC) | 2026-10-11 12:46 |
Groetjes,