Вредоносное ПО стало использовать LLM для ранжирования жертв по степени их ценности

Исследователи рассказали о вредоносном инструменте VOLTA для кражи данных, который оснащён дополнительным модулем интеграции с искусственным интеллектом. Собрав учетные данные, сессионные токены и информацию о криптовалютных кошельках, VOLTA формирует структурированный пакет данных и передаёт его большой языковой модели для оценки потенциальной финансовой выгоды от активов жертвы.

Если модель отказывается проводить такую ​​оценку, VOLTA переключается на цепочку из трёх других — это указывает на целенаправленную инженерную проработку, учитывающую наличие у моделей встроенных механизмов защиты (guardrails).

Стилер обладает функцией самоудаления и не использует инфраструктуру, принадлежащую злоумышленникам. Особенность интеграции с ИИ заключается в том, что она не просто дополняет традиционные функции вредоносного ПО, а выступает в роли аналитика, работающего в интересах оператора атаки.

Вредоносная программа, получившая название «VOLTA‑AUTODOXER» (выявленная в ходе исследования CAIRN), представляет собой самоудаляющийся стилер для Windows, который дополняет процесс обработки украденных данных этапом профилирования жертвы с помощью LLM.

Собрав стандартный набор данных — пароли из браузеров, файлы cookie, платёжные карты, сид‑фразы от криптовалютных кошельков, сессионные данные Discord, Telegram, Steam и Roblox, токены Microsoft OAuth, ключи SSH и облачных сервисов, профили Wi‑Fi, а также скриншоты, — VOLTA формирует структурированный пакет информации о владельце устройства. В него входят: геолокация и домашний адрес, место работы (включая домен компании), предполагаемый год рождения, последние четыре цифры номера карты, рабочие пространства в Slack, метаданные авторства документов, признаки наличия резервных копий iPhone, а также текущая оценочная стоимость аккаунта в Roblox. Затем, используя украденные сессионные токены, программа дополнительно обогащает этот пакет: например, ищет в Gmail жертвы чеки о покупках для подтверждения домашнего адреса, извлекает историю заказов из сервисов UberEats и DoorDash, а также собирает дополнительные сведения через аккаунты в Discord.

Сформированный пакет данных сериализуется и отправляется через POST‑запрос к платформе OpenRouter. При этом используется системный промпт, который предписывает модели действовать как «аналитик, занимающийся сбором и оценкой данных о цели». Требуемый результат включает раздел под названием «Ценность» (WHAT THEY'RE WORTH), в котором активы классифицируются по уровню потенциальной монетизации (низкий/средний/высокий), а также раздел «Безопасность» (THEIR OPSEC), содержащий оценку защищённости жертвы и качества используемых ею паролей. Модель выступает в роли аналитика, выполняющего первичную сортировку данных: она преобразует «сырой» лог с учётными данными в структурированное досье на жертву, где информация расставлена ​​по приоритетности и подкреплена ссылками на источники.

Параметр «температура» (temperature) в модели определяет степень случайности и предсказуемости текста, генерируемого LLM. Низкое фиксированное значение (0,2) указывает на то, что злоумышленник делает ставку на точность и последовательность. Кроме того, вредоносное ПО использует каскадную цепочку моделей на случай сбоев. Такая архитектура говорит о том, что оператор ожидает отказов со стороны моделей и предусмотрел переключение на другие, менее «строгие» модели.

Системный промпт прямо указывает на цель использования: подготовить краткий аналитический отчёт о том, насколько жертва подходит в качестве цели, подкрепив выводы проверяемыми ссылками на исходные данные. Промпт также содержит задачу, с которой особенно хорошо справляются подобные системы: выявление взаимосвязей между разрозненными фрагментами данных. Например, поиск закономерностей, связывающих личные данные жертвы (имена, адреса, учебные заведения) с используемыми ею паролями. В данном случае от модели не требуется искать сами данные, скорее, речь идёт о том, чтобы извлечь из собранных данных максимум пользы, сделав выводы, которые значительно повышают ценность полученной информации.

Функционал VOLTA напрямую соотносится с теми цифровыми следами, которые оставляет современный пользователь; возможности программы выходят далеко за рамки простой кражи учётных данных. За один проход стилер способен извлечь из браузеров на базе Chromium сохранённые пароли, файлы cookie и данные платёжных карт. Он также атакует Firefox и Thunderbird, профили Outlook, рабочие пространства Slack, сессии Steam и Battle.net, токены Discord, сессии Telegram, аккаунты Roblox, а также конфигурационные файлы SSH и облачных сервисов (gcloud, OpenVPN, Hide.me). VOLTA не просто копирует криптовалютные кошельки — программа использует встроенный инструмент для взлома хранилищ, а результат записывает в отчет в раздел «WALLET VAULTS CRACKED» («Взломанные хранилища кошельков»).

Все сохранённые на устройстве пароли от сетей Wi‑Fi извлекаются посредством прямого вызова функции WlanGetProfileList и сохраняются в виде открытого текста. Однако по‑настоящему VOLTA выделяется на фоне типичных вредоносных программ тем, что происходит после первичного сбора данных. В программу встроен механизм «обогащения» информации в режиме реального времени: используя украденные сессии, она получает глубокий доступ к данным жертвы. Например, задействуя аутентифицированный аккаунт Gmail, принадлежащий жертве, программа сканирует входящие сообщения электронной почты в поисках квитанций от таких сервисов, как Amazon, DoorDash, Uber Eats, Grubhub, Walmart и PayPal, а затем анализирует их для подтверждения домашнего адреса пользователя. Для получения истории заказов используются украденные сессии Uber Eats и DoorDash. Токен Discord применяется для сбора дополнительной информации о профиле жертвы, а стоимость инвентаря в Roblox определяется с помощью запроса к сайту Rolimons[.]com в режиме реального времени. После завершения этапов сбора и обогащения данных информация структурируется в локальном файле «Identity_Report.txt». Этот файл преобразуется в формат JSON и вместе с системным промптом отправляется (POST‑запросом) в сервис OpenRouter. Полученный в ответ результат сохраняется в файле «AI_Analysis.txt». Оба файла объединяются в архив «volta_dox.zip» и передаются злоумышленникам. Весь процесс взаимодействия с ИИ происходит на устройстве жертвы через её собственное сетевое соединение — ещё до того, как данные будут отправлены на внешний сервер.

Вместо того чтобы жёстко прописывать в коде адрес Telegram‑канала, API‑ключи и другие настройки, VOLTA использует шаблон с шестью заменяемыми полями, которые заполняются на этапе сборки программы.

Это указывает на модель «конструктора» (builder): автор продаёт доступ, клиент предоставляет необходимые данные, а «конструктор» создает уникальный исполняемый файл для каждого заказа. Учётные данные в этих полях зашифрованы, но защита носит чисто формальный характер. Ключ шифрования представляет собой хеш SHA-256 от двух констант, также содержащихся в самом файле. Вероятно, это сделано лишь для того, чтобы удовлетворить ожидания клиентов, не желающих видеть свои API‑ключи в открытом виде; реальной защиты это не обеспечивает — любой, кто проведёт реверс‑инжиниринг файла, сможет их восстановить.

Если VOLTA действительно является коммерческим вредоносным продуктом, то функция составления досье с помощью ИИ — это не просто инструмент, созданный автором для собственных нужд. Это полноценная опция, позволяющая любому пользователю — независимо от уровня его технической подготовки — нацелить программу на жертв и начать получать в свой Telegram‑аккаунт структурированные отчёты с оценкой целей.

Все выявленные конечные точки (endpoints), с которыми взаимодействует данное вредоносное ПО, контролируются сторонними сервисами. Собственной инфраструктуры у злоумышленников нет.

Значительная часть функционала VOLTA по краже токенов основана на методах обхода механизма App‑Bound Encryption (ABE) в браузере Chrome. Внедрение политики контроля приложений, ограничивающей список процессов, которым разрешено запускать Chrome в режиме --headless (без графического интерфейса), позволит полностью заблокировать возможность расшифровки данных, защищённых с помощью ABE. Как минимум, следует настроить оповещения о случаях запуска Chrome в режиме --headless процессами, не принадлежащими доверенным разработчикам. Также рекомендуется следовать передовым методам хранения учётных данных в защищённых аппаратных хранилищах.

В случае компрометации системы основной исполняемый файл может быть удалён, однако пользователям следует попытаться сохранить файл %APPDATA%\volta_debug.txt. Этот лог содержит временные метки и подробные сведения о том, какие именно данные были собраны, а также информацию об успешности вызовов к LLM.

Если на диске в открытом виде хранилась сид‑фраза от криптовалютного кошелька, такой кошелёк следует считать полностью скомпрометированным: средства необходимо перевести на новый кошелек, сид‑фраза для которого была сгенерирована на устройстве, изолированном от сети (air‑gapped).