Nach dem Diebstahl von Browser-Passwörtern, Sitzungscookies und Wallet-Seeds geht ein strukturiertes Datenpaket an ein Sprachmodell. Es soll einschätzen, welche Beute sich am schnellsten zu Geld machen lässt. Das wirkt wie ein weiteres Feature eines Infostealers, verschiebt aber die Arbeitsteilung: Die Sammlung ist bekannt. Neu ist die automatisierte Bewertung des Materials.
Die Malware heißt VOLTA-AUTODOXER und wurde in der CAIRN-Forschung beschrieben. Sie ist ein selbstlöschender Windows-Infostealer. Nach der Extraktion setzt sie eine KI-gestützte Profilbildung auf die Rohdaten. Das ähnelt einer Sortieranlage, die nicht nur Erz annimmt, sondern eine Probe zieht und den Metallgehalt schätzt. Die KI-gestützte Opferpriorisierung ist hier ein eigener Arbeitsschritt, kein Nebeneffekt.
Was VOLTA aus einer Maschine holt
Ein Infostealer sammelt verwertbare Zugangsdaten auf einem befallenen Rechner. VOLTA bleibt nicht bei Passwörtern stehen: Sie zieht Cookies, gespeicherte Zahlungskarten und Zugangsdaten aus Chromium-Browsern, dazu Firefox- und Thunderbird-Profile, Outlook-Profile, Slack-Workspaces, Steam- und Battle.net-Sitzungen, Discord-Tokens, Telegram-Sitzungen, Roblox-Konten sowie SSH- und Cloud-Konfigurationen für gcloud, OpenVPN und Hide.me. Die Liste folgt der heutigen digitalen Lebenswirklichkeit. Wer die eigene Maschine betrachtet, findet sie unangenehm vertraut.
Sitzungscookies sind besonders relevant, weil sie eine bestehende Anmeldung weitertragen und die Zwei-Faktor-Authentifizierung umgehen können. Dazu kommen Krypto-Wallets: VOLTA kopiert sie und lässt einen eingebauten Cracker direkt gegen den Vault laufen. Gespeicherte WLAN-Passwörter liest sie über WlanGetProfileList aus und legt sie im Klartext ab. Nach der Sammlung liegt mehr vor als ein Haufen Zugangsdaten: ein Rohprofil der Person hinter dem Rechner.
Die Anreicherung über gestohlene Sitzungen
Nach der Sammlung beginnt die zweite Stufe. Sie bricht mit dem klassischen Stealer-Muster. Mit gestohlenen Gmail-Tokens durchsucht VOLTA das Postfach nach Belegen von Amazon, DoorDash, Uber Eats, Grubhub, Walmart und PayPal, um eine bestätigte Wohnadresse zu erhalten. Die gestohlenen Sitzungen werden nicht nur weiterverkauft, sondern als lebende Zugänge in die Analyse zurückgespielt. Uber-Eats- und DoorDash-Sitzungen fragt VOLTA direkt für die Bestellhistorie ab; der Discord-Token reichert das Kontoprofil an. Eine Roblox-Inventarliste bewertet sie über einen Live-Aufruf bei Rolimons.
Aus diesen Einzelstücken baut VOLTA ein Datenpaket: Geodaten und Wohnadresse, Arbeitgeber und Arbeitgeberdomain, geschätztes Geburtsjahr, die letzten vier Ziffern der Zahlungskarte, Slack-Workspaces, Metadaten zur Dokumentautorschaft, Indikatoren für iPhone-Backups und ein live geschätzter Roblox-Kontowert. Das ist keine einzelne Fundstelle, sondern ein sortiertes Bild der Zielperson. Klassische Stealer liefern oft nur Material; VOLTA verdichtet es. Die Anreicherung macht aus Rohdaten ein Dossier.
Das Sprachmodell als Analysestufe: Prompt und Ausgabe
Nach der Sammlung schreibt VOLTA die Ergebnisse lokal in Identity_Report.txt. Das Material wird als JSON-Paket serialisiert und mit einem System-Prompt an openrouter.ai/api/v1/chat/completions geschickt. Der Prompt verlangt, dass das Modell als forensischer Analyst ein Zielprofil mit Belegen und Zitaten erstellt. Die Ausgabe enthält einen Abschnitt WHAT THEY’RE WORTH, der Wertsachen nach Monetarisierung in niedrig, mittel und hoch sortiert, dazu THEIR OPSEC zur Sicherheitslage und Passworthygiene des Opfers. Forensischer Analyst ist wörtlich gemeint: Das LLM übernimmt die Triage, die sonst ein Mensch machen müsste.
Die Temperatur liegt bei 0,2. Das macht Antworten deterministischer und weniger verspielt; der Betreiber will konsistente, wiederholbare Einschätzungen, keine kreativen Ausschweifungen. Der Prompt fordert das Modell auf, Verbindungen zwischen spärlichen und disparaten Daten zu ziehen, etwa zwischen Namen, Adressen oder Universitäten und Mustern in Passwörtern. Er verlangt außerdem Go deep, not wide sowie direkte, konkrete und genaue Antworten. Das Modell findet die Daten nicht selbst; es streckt sie und leitet Wahrscheinlichkeiten ab. So entsteht aus einer Rohliste ein priorisiertes Gutachten.
Fallback-Kette: Wenn das Modell die Auskunft verweigert
Standardmäßig nutzt VOLTA anthropic/claude-opus-4.6. Antworten prüft sie auf Formulierungen wie I can’t oder I’m not able. Wenn ein Modell ablehnt, springt die Kette auf moonshotai/kimi-k2 und danach auf google/gemini-2.5-flash. Die Kette deutet auf direkte Entwicklungsarbeit und die Erwartung, an Modell-Guardrails zu stoßen. Der Multi-Modell-Fallback ist ein eingebautes Designmerkmal, kein nachträglicher Hack.
Die Wahl kleinerer, permissiverer Modelle zeigt, dass der Betreiber Ablehnungen einkalkuliert. VOLTA läuft auch ohne LLM-Stufe, wenn kein Schlüssel vorhanden ist; die KI ist eine optionale Schicht, nicht die Grundlage der Malware. Reift die KI-Integration in Malware, dürfte diese Resistenz gegen Verweigerungen zum Standard werden. Ein Modell kann heute ablehnen. Die Frage ist, wie schnell ein Angreifer eine Ausweichroute baut. Hier ist sie bereits Teil des Produkts.
Builder-Modell: KI-Dossier als Produkt für Kunden
VOLTA schreibt Telegram-Kanal, API-Schlüssel und Einstellungen nicht fest in den Code. Stattdessen nutzt sie eine Vorlage mit sechs austauschbaren Slots, die erst beim Bauen gefüllt werden. Das spricht für ein Builder-Modell: Der Autor verkauft Zugang, der Kunde liefert seine Werte, und der Builder kompiliert eine individuelle Binärdatei. Die Zugangsdaten in den Slots sind verschlüsselt, aber nicht wirksam geschützt. Der Schlüssel ist der SHA-256-Hash zweier Konstanten aus derselben Binärdatei; wer die Datei reversiert, kann die Werte wiederherstellen. Die Verschlüsselung dürfte vor allem Kunden beruhigen, die keine API-Schlüssel im Klartext erwarten.
Alle beobachteten Endpunkte der Malware kontrollieren Dritte. Es gibt keine angreifereigene Infrastruktur, und der Stealer löscht sich selbst. Die Exfiltration läuft in drei Stufen: nach dem Lauf als volta_log.zip, nach dem KI-Aufruf als volta_dox.zip und nach der Netzwerkanreicherung als volta_doxnet.zip. Das KI-Dossier ist damit keine Einzelfallfunktion für einen hochspezialisierten Betreiber. Jeder Kunde kann sie mit beliebigem Kenntnisstand einkaufen. Die VOLTA-AUTODOXER-Analyse zeigt eine Commoditisierung, die vorher nur bei der Sammlung üblich war.
Gegenmaßnahmen und die Verschiebung
Viele Token-Diebstähle umgehen die App-Bound Encryption in Chrome. Eine Anwendungssteuerungsrichtlinie, die begrenzt, welche Prozesse Chrome mit –headless starten dürfen, blockiert den ABE-Entschlüsselungspfad. Mindestens sollte ein Alarm ausgelöst werden, wenn ein Prozess Chrome mit –headless startet, der nicht zu einem bekannten Entwicklerwerkzeug gehört. Hardwaregestützte Speicher für Zugangsdaten bleiben wirksam, garantieren aber keinen vollständigen Schutz.
Im Ernstfall hat sich die ausführende Datei vielleicht schon gelöscht. Sichern Sie dann APPDATA%\\volta_debug.txt. Die Datei enthält ein zeitgestempeltes Ernteprotokoll und zeigt, was gesammelt wurde und ob der LLM-Aufruf erfolgreich war. Potenziell kompromittierte Token müssen widerrufen und Passwörter geändert werden. Bei Krypto-Wallets gilt: Lag die Seed-Phrase im Klartext auf der Platte, ist das Wallet vollständig kompromittiert. Die Mittel gehören in ein neues Wallet mit einer Seed, die auf einem air-gapped Gerät erzeugt wurde.
Die Verschiebung liegt im Aufwand, nicht in Geschwindigkeit oder Skalierung. VOLTA ersetzt den Schritt, der die meiste menschliche Aufmerksamkeit bindet, durch einen Modellaufruf. Dieselbe Logik zeigt CLOSEDQUORUM in einer anderen Phase. Offen ist, welche Phase als Nächstes betroffen ist. Cybercrime war immer opportunistisch. Ein weites Netz, das sich selbst sortiert, ist etwas anderes als eines, das liegen bleibt. Für Verteidiger beginnt die Arbeit nach dem Diebstahl.
Quelle: blog.talosintelligence.com
