je zit op het clearnet. de adressen hier openen alleen binnen het tor netwerk - download de tor browser hier »
AlphaBay.Market
NL
laatste controle: 13 min geleden 260 onions gevolgd
home / nieuws / security
02 november 2026 security 5 min leestijd

VOLTA-stealer: AI rangschikt slachtoffers naar financiële waarde

Cisco Talos heeft onderzoek gepubliceerd naar een Windows-infostealer die iets ongebruikelijks doet met de gegevens die hij steelt: hij geeft het volledige pakket aan een large language model en vraagt hoeveel het slachtoffer waard is. De malware noemt zichzelf VOLTA-AUTODOXER, of VOLTA, en Talos-onderzoeker Ryan Fetterman documenteerde hem in een blogpost die op 31 oktober 2026 verscheen. Bredere berichtgeving volgde op 2 november van The Hacker News en Help Net Security.

Wat hij verzamelt

VOLTA haalt opgeslagen inloggegevens en cookies uit Chromium-browsers, betaalkaarten, bestanden van cryptowallets en seed phrases, Microsoft OAuth-tokens, SSH-sleutels en configuratie van cloudproviders, Outlook- en Slack-gegevens, en sessietokens voor Discord, Telegram, Steam, Battle.net en Roblox. Hij dumpt elk opgeslagen Wi-Fi-profiel in platte tekst, maakt screenshots en noteert of er een iPhone-back-up aanwezig is. Talos documenteert ook een ingebouwde walletkraker die bij succes een regel WALLET VAULTS CRACKED in het log schrijft. Wat het sample onderscheidt, is de verpakking. Naast de ruwe buit stelt VOLTA samen wat Talos een gestructureerd bewijspakket over de persoon achter de machine noemt: geolocatie en woonadres, werkgever en e-maildomein, een afgeleid geboortejaar, de laatste vier cijfers van opgeslagen kaarten, namen van Slack-workspaces, metadata over documentauteurschap en een live waardering van het Roblox-account van het slachtoffer, opgehaald bij Rolimons.

Een bouwer, geen campagne

VOLTA is geen losse binary. De instellingen staan in zes templateslots die bij het compileren worden gevuld, waaronder de Telegram-bestemming en de API-sleutels voor de modelaanroepen. Fetterman leest dit als een bouwermodel: de auteur verkoopt toegang en elke klant levert eigen waarden aan, wat per bestelling een apart gecompileerde binary oplevert. De slotwaarden zijn versleuteld, maar met een sleutel afgeleid van de SHA-256 van twee constanten in hetzelfde uitvoerbare bestand, wat Talos geen zinvolle bescherming noemt. De operationele consequentie is dat er geen infrastructuur van de aanvaller valt in beslag te nemen: elk endpoint dat het sample benadert, is van een derde partij. De stealer verwijdert na afloop ook zijn eigen hoofdprogramma en laat alleen een getimestampt oogstlog in APPDATA achter.

Drie archieven, één Telegram-inbox

De exfiltratie verloopt in drie rondes, elk met een eigen archief dat bij de Telegram van de operator belandt:
  • volta_log.zip, direct na de verzameling verstuurd, met inloggegevens, cookies, kaarten, walletgegevens, sessietokens, Wi-Fi-wachtwoorden en screenshots.
  • volta_dox.zip, na de modelaanroep verstuurd, met hetzelfde materiaal plus Identity_Report.txt en het antwoord van het model opgeslagen als AI_Analysis.txt.
  • volta_doxnet.zip, alleen verstuurd als de netwerkverrijking iets oplevert, met treffers uit Gmail-bonnen en bestelgeschiedenissen.
De AI-ronde gebeurt op de machine van het slachtoffer zelf, dus de operator betaalt niets voor de inferentie en het verzoek komt van het IP-adres van het slachtoffer.

De prompt

Verzoeken gaan naar het chat completions-endpoint van OpenRouter met een handmatig samengestelde JSON-body, zonder SDK, temperatuur 0.2 en een browser user agent. Het standaardmodel is anthropic/claude-opus-4.6. Lijkt het antwoord een weigering, dan probeert de job het opnieuw met moonshotai/kimi-k2 en daarna met google/gemini-2.5-flash, waarbij hij let op strings als I can’t en I’m not able. De keten is beperkt tot drie modellen. De systeemprompt telt ongeveer 240 woorden en zet het model neer als forensisch inlichtingenanalist die een doelbeoordeling opstelt. Het model moet het pakket als enige toegestane bron van feiten behandelen en zijn eigen trainingskennis over het subject negeren. Verplichte uitvoersecties zijn onder meer WHAT THEY’RE WORTH, dat waardevolle zaken rangschikt naar hoe makkelijk ze in geld zijn om te zetten en elk als low, medium of high labelt, en THEIR OPSEC, dat de beveiligingshouding en wachtwoordhygiëne beoordeelt. Het model wordt ook gevraagd persoonlijke identifiers, zoals een naam, adres of universiteit, te koppelen aan de wachtwoorden die het slachtoffer koos.
Identificeer de stap die de meeste aanhoudende menselijke aandacht vraagt en vervang die door een modelaanroep.
Wat wordt weggedrukt is niet het verzamelen, dat elke stealer automatiseert, maar de triage: het lezen en kruisverwijzen dat een koper anders met de hand zou doen.

Gmail-bonnen en het adresprobleem

De derde fase maakt van een dump met inloggegevens een gelokaliseerde persoon. Met gestolen Gmail-sessietokens zoekt VOLTA in de mailbox naar aankoopbonnen van Amazon, DoorDash, Uber Eats, Grubhub, Walmart en PayPal, in de veronderstelling dat bezorgbevestigingen een woonadres onderbouwen. Hij haalt ook rechtstreeks de bestelgeschiedenis van Uber Eats en DoorDash op en verrijkt Discord-accounts via het gestolen token.

Wat dit doet met de logmarkt

Stealer logs worden al jaren als bulkbestanden verkocht, waarbij kopers zelf sorteren. Een sample dat een gerangschikt, met bronnen onderbouwd dossier levert, verschuift de verkoopeenheid van duizend inloggegevens naar één beoordeelde persoon en verlaagt de vaardigheidsdrempel voor kopers die geen log kunnen lezen. Die verschuiving past bij de bredere herordening van de stealer-loghandel sinds de ontmanteling van Lumma, die we behandelden in onze blik op hoe de logmarkten zich na de golf van takedowns hergroepeerden.

Grenzen van de bevinding

Talos analyseerde één samplefamilie en zegt niet hoeveel builds er circuleren of de bouwer openlijk wordt verkocht. De modeluitvoer is bovendien alleen zo goed als het pakket. Een afgeleid geboortejaar of een geraden werkgever blijft een gok, en de instructie om het pakket te citeren maakt van een inferentie geen feit. Wie een AI_Analysis.txt als vaststaande waarheid behandelt, vertrouwt op een model dat is gevraagd te rangschikken, niet te verifiëren. Los daarvan publiceerde Talos diezelfde week onderzoek naar NIK C2, een AI-gestuurd command-and-control-framework dat de eigen OPENAI_API_KEY van een slachtoffer kan hergebruiken, een patroon dat bekendstaat als LLMjacking. De twee codebases staan los van elkaar maar wijzen dezelfde kant op: toegang tot modellen is inmiddels iets waar aanvallers naar zoeken op de machines waar ze landen. De praktische les voor Windows-gebruikers is onveranderd en weinig glamoureus. In de browser opgeslagen inloggegevens, bewaarde Wi-Fi-profielen en langlevende OAuth-tokens zijn hier de grondstof, en een sessietoken van een mailbox is meer waard dan het wachtwoord ernaast. Sessies intrekken na een vermoedelijke compromittering weegt zwaarder dan een wachtwoord wijzigen.

meer notities

al het nieuws ›