惡意軟體利用 LLM 根據受害者價值進行排名

VOLTA 惡意軟體引入 AI 評估受害者價值

近期有安全研究揭露一款名為 VOLTA-AUTODOXER 的 Windows 資訊竊取惡意軟體，特別之處在於它整合了大型語言模型（LLM）當作後勤分析工具。LLM 不負責執行攻擊，而是扮演「情報分析師」，協助攻擊者替竊取到的資料排出價值高低，並評估目標。這支惡意軟體具備自我刪除功能，完全依賴第三方基礎設施運作，也沒有發現攻擊者自有的伺服器。

資料蒐集與補充流程

VOLTA 竊取資料後，會建立一份關於受害者本人的結構化證據套件。初步蒐集的範圍包括瀏覽器密碼、Cookie、支付卡資訊、加密貨幣錢包種子片語，以及 Discord、Telegram、Steam 和 Roblox 等平台的會話權杖。它也會擷取 Microsoft OAuth 權杖、SSH 與雲端供應商金鑰、Wi-Fi 設定檔和螢幕截圖。

為了補足資料，VOLTA 會用竊取的會話權限上網查詢。例如用受害者的 Gmail 權杖搜尋購買收據，驗證家庭住址；或直接呼叫竊取的 UberEats 和 DoorDash 會話，取得訂單歷史記錄。它也會用竊取的權杖補充 Discord 帳戶資料，並查詢 Rolimons 網站，評估 Roblox 帳戶的即時價值。這些資訊匯整後，包含地理位置、家庭住址、雇主資訊、推測的出生年份、信用卡末四碼、Slack 工作區及文件作者元資料，最後彙整成一個名為「Identity_Report.txt」的檔案。

LLM 系統提示詞與多模型架構

資料彙整完成後，惡意軟體會把數據序列化成 JSON 格式，以 POST 請求送到 OpenRouter 平台。系統提示詞要求模型扮演「起草目標評估的鑑識情報分析師」，輸出內容要有「WHAT THEY'RE WORTH」與「THEIR OPSEC」兩個章節。前者依變現價值把資產分成低、中、高三級並排名；後者評估受害者的安全立場與密碼衛生狀況。模型的任務，是把原始憑證日誌整理成附有引用依據、按優先順序排列的目標檔案。

為了應付模型拒絕執行的情況，VOLTA 採用多模型架構。預設模型是 anthropic/claude-opus-4.6，如果回應中出現「I can’t」或「I’m not able」等拒絕語句，惡意軟體就會切換到備用鏈，依序嘗試 moonshotai/kimi-k2 與 google/gemini-2.5-flash。攻擊者把溫度參數設為 0.2，讓輸出較穩定一致。整個推理過程透過受害者自己的網路連線，在本地機器上完成，之後再把包含 Identity_Report.txt 與 AI_Analysis.txt 的壓縮檔 volta_dox.zip 外傳。

部署模式與防禦建議

VOLTA 採用模板化部署，有六個可替換的欄位，在建置時填入，這顯示它可能是建置器模式：作者販售存取權，客戶提供自己的設定，例如 Telegram 頻道與 API 金鑰。這些金鑰雖然有加密，但強度有限，只用了兩個常數的 SHA-256 雜湊值，透過逆向工程就能輕易還原。如果 VOLTA 確實屬於商品化惡意軟體，任何技術程度的客戶都能取得這種由 AI 驅動的目標評估能力。

防禦方面，VOLTA 依賴繞過 Chrome 的 App-Bound Encryption 技術，因此可實施應用程式控制策略，限制非開發者程序以 --headless 模式啟動 Chrome，藉此阻斷解密路徑。若已遭入侵，即使主執行檔已自我刪除，使用者仍應盡量保留 %APPDATA%\volta_debug.txt 檔案，因為它記錄了蒐集內容與 LLM 呼叫結果。此外，需要撤銷可能受影響的權杖並變更密碼；如果加密貨幣錢包種子片語以明文存在磁碟上，應視為錢包已完全遭到入侵，並把資金轉移到以離線裝置產生新種子片語的錢包。