Stealer VOLTA: la IA clasifica a las víctimas por su valor económico
Cisco Talos ha publicado una investigación sobre un infostealer para Windows que hace algo poco habitual con los datos que roba: entrega el paquete completo a un modelo de lenguaje y pregunta cuánto vale la víctima. El malware se llama VOLTA-AUTODOXER, o VOLTA, y el investigador de Talos Ryan Fetterman lo documentó en una entrada de blog publicada el 31 de octubre de 2026. La cobertura más amplia llegó el 2 de noviembre de The Hacker News y Help Net Security.
Qué recopila
VOLTA extrae credenciales guardadas y cookies de navegadores Chromium, tarjetas de pago, archivos de monederos de criptomonedas y frases semilla, tokens OAuth de Microsoft, claves SSH y configuración de proveedores cloud, datos de Outlook y Slack, y tokens de sesión de Discord, Telegram, Steam, Battle.net y Roblox. Vuelca en texto plano todos los perfiles de Wi-Fi guardados, toma capturas de pantalla y anota si hay una copia de seguridad de iPhone. Talos documenta además un cracker de monederos integrado que registra una línea WALLET VAULTS CRACKED cuando tiene éxito. Lo que distingue a la muestra es el empaquetado. Junto al botín en bruto, VOLTA arma lo que Talos llama un paquete de pruebas estructurado sobre la persona detrás de la máquina: geolocalización y domicilio, empleador y dominio de correo, un año de nacimiento inferido, los últimos cuatro dígitos de las tarjetas guardadas, nombres de espacios de trabajo de Slack, metadatos de autoría de documentos y una valoración en vivo de la cuenta de Roblox de la víctima extraída de Rolimons.Un generador, no una campaña
VOLTA no es un único binario. Su configuración vive en seis ranuras de plantilla que se rellenan en tiempo de compilación, entre ellas el destino de Telegram y las claves de API para las llamadas al modelo. Fetterman lo interpreta como un modelo de generador: el autor vende el acceso y cada cliente aporta sus propios valores, de modo que se compila un binario distinto por pedido. Los valores de las ranuras están cifrados, pero con una clave derivada del SHA-256 de dos constantes almacenadas en el mismo ejecutable, lo que Talos califica de protección sin sentido real. La consecuencia operativa es que no hay infraestructura del atacante que incautar: todos los endpoints que contacta la muestra pertenecen a terceros. El stealer también borra su ejecutable principal tras ejecutarse y deja solo un registro de recolección con marca de tiempo en APPDATA.Tres archivos, una bandeja de Telegram
La exfiltración ocurre en tres pasadas, y cada una produce su propio archivo que llega al Telegram del operador:- volta_log.zip, enviado justo después de la recolección, con credenciales, cookies, tarjetas, datos de monederos, tokens de sesión, contraseñas de Wi-Fi y capturas de pantalla.
- volta_dox.zip, enviado tras la llamada al modelo, con el mismo material más Identity_Report.txt y la respuesta del modelo guardada como AI_Analysis.txt.
- volta_doxnet.zip, enviado solo si la fase de enriquecimiento de red devuelve algo, con coincidencias de recibos de Gmail e historiales de pedidos.
El prompt
Las peticiones van al endpoint de chat completions de OpenRouter con un cuerpo JSON montado a mano, sin SDK, temperatura 0,2 y un user agent de navegador. El modelo por defecto es anthropic/claude-opus-4.6. Si la respuesta parece una negativa, el job reintenta con moonshotai/kimi-k2 y luego con google/gemini-2.5-flash, vigilando cadenas como I can’t y I’m not able. La cadena está limitada a tres modelos. El prompt de sistema ocupa unas 240 palabras y sitúa al modelo como analista de inteligencia forense que redacta una evaluación de objetivo. Le instruye a tratar el paquete como única fuente de hechos permitida y a ignorar su propio conocimiento de entrenamiento sobre el sujeto. Las secciones de salida obligatorias incluyen una titulada WHAT THEY’RE WORTH, que clasifica los bienes según lo fácil que sea convertirlos en dinero y etiqueta cada uno como low, medium o high, y otra titulada THEIR OPSEC, que evalúa la postura de seguridad y la higiene de contraseñas. También pide al modelo vincular identificadores personales, como un nombre, una dirección o una universidad, con las contraseñas que eligió la víctima.Identifica el paso que exige más atención humana sostenida y reemplázalo por una llamada a un modelo.El trabajo desplazado no es la recolección, que todo stealer automatiza, sino el triaje: la lectura y el cruce de datos que un comprador haría a mano.