Cisco Talos detalla la fase de clasificación de víctimas mediante LLM del ladrón de información VOLTA

El investigador de Cisco Talos Ryan Fetterman publicó el 31 de octubre de 2026 un análisis de VOLTA-AUTODOXER, un ladrón de información para Windows que se aut elimina y que, tras una amplia fase de robo de credenciales, emplea un modelo de lenguaje de gran tamaño para clasificar los activos monetizables de cada víctima.

Talos describe VOLTA como un implante ladrón de información avanzado con una capa opcional de integración de IA y señala que todos los puntos de acceso observados están bajo el control de terceros, sin infraestructura propiedad de los atacantes. Según la evaluación de Talos, la novedad de la fase de IA es que el modelo actúa como analista de inteligencia en nombre del operador, en lugar de respaldar una capacidad tradicional del malware: convierte un registro de credenciales sin procesar en un expediente priorizado de los activos monetizables de la víctima, respaldado por citas.

El malware salió a la luz gracias a la iniciativa de investigación CAIRN de Talos. El 22 de septiembre de 2026, Talos publicó y lanzó como código abierto CAIRN, la Cognitive Artifact Intelligence Research Network, un conjunto de herramientas para buscar, clasificar y rastrear malware integrado con IA mediante artefactos de metadatos, como instrucciones integradas, puntos de acceso de proveedores y claves de API, sin descargar ni ejecutar los archivos binarios subyacentes. En el momento del lanzamiento, Talos dijo que compartiría sus hallazgos iniciales con el tiempo, empezando por CLOSEDQUORUM, un implante que describió como un orquestador de consenso multimodelo totalmente autónomo y sin operador humano.

Recopilación y enriquecimiento de sesiones

En una sola pasada, VOLTA extrae credenciales del navegador, cookies y tarjetas de pago guardadas de navegadores basados en Chromium, así como datos de Firefox y Thunderbird, perfiles de Outlook, espacios de trabajo de Slack, sesiones de Steam y Battle.net, tokens de Discord, sesiones de Telegram, cuentas de Roblox, tokens OAuth de Microsoft, archivos de configuración de SSH y de proveedores de servicios en la nube para gcloud, OpenVPN y Hide.me, perfiles de Wi-Fi y capturas de pantalla. En lugar de limitarse a copiar carteras de criptomonedas, durante esa misma pasada el ladrón de información ejecuta un programa descifrador integrado contra el almacén de la cartera y registra el resultado en una línea WALLET VAULTS CRACKED de su propio informe. Una llamada directa a WlanGetProfileList vuelca en texto sin cifrar todas las contraseñas de Wi-Fi guardadas en el equipo.

A continuación, una fase de enriquecimiento en tiempo real reutiliza las sesiones robadas. Con los tokens de Gmail autenticados de la propia víctima, VOLTA busca en la bandeja de entrada recibos de Amazon, DoorDash, Uber Eats, Grubhub, Walmart y PayPal para corroborar su domicilio. Recupera directamente el historial de pedidos de Uber Eats y DoorDash, enriquece el perfil de Discord de la víctima mediante el token robado y valora su inventario de Roblox mediante una consulta en tiempo real en Rolimons.com. El material recopilado se reúne localmente en un paquete de pruebas estructurado que contiene la geolocalización y el domicilio, el empleador y el dominio de este, el año de nacimiento inferido, los últimos cuatro dígitos de la tarjeta, los espacios de trabajo de Slack, los metadatos de autoría de documentos y los indicios de copias de seguridad de iPhone; luego se guarda como Identity_Report.txt y se serializa en formato JSON.

La evaluación devuelta por el modelo se guarda como AI_Analysis.txt, y la exfiltración puede producirse en tres archivos comprimidos sucesivos: volta_log.zip después de que se ejecute el ladrón de información, volta_dox.zip después de la llamada a la IA y volta_doxnet.zip si el enriquecimiento de red arroja algún resultado.

La fase de clasificación de OpenRouter

El paquete serializado se envía mediante una solicitud POST al punto de acceso de finalización de chat de OpenRouter, junto con una instrucción de sistema que pide al modelo actuar como «analista de inteligencia forense que redacta una evaluación de objetivos». La respuesta debe incluir una sección titulada CUÁNTO VALEN, que clasifique los bienes de valor de la víctima según su potencial de monetización en niveles bajo, medio y alto, y otra titulada SU SEGURIDAD OPERATIVA, que evalúe sus medidas de seguridad y sus hábitos en materia de contraseñas. La instrucción también insta al modelo a relacionar datos dispersos, por ejemplo, vinculando el nombre, el domicilio o la universidad de la víctima con patrones en sus contraseñas. Talos señala que no se pide al modelo tanto que encuentre datos como que extraiga inferencias que amplíen el valor de lo que ya se recopiló.

La configuración codificada utiliza anthropic/claude-opus-4.6 como modelo predeterminado, con una cadena alternativa que pasa primero a moonshotai/kimi-k2 y luego a google/gemini-2.5-flash, una temperatura de 0,2 y solicitudes JSON ensambladas manualmente, sin SDK y con un agente de usuario Mozilla/5.0. Talos afirma que la baja temperatura sugiere que el operador prioriza la precisión y la coherencia, y describe la cadena escalonada como un cambio a modelos más pequeños y permisivos cuando se producen rechazos.

VOLTA comprueba cada respuesta del modelo para detectar frases de rechazo, como «I can’t», antes de pasar al siguiente modelo de una cadena de hasta tres modelos; además, puede funcionar sin la fase de LLM si no hay una clave de API. Todo el proceso de inferencia de ida y vuelta se ejecuta en el equipo de la víctima a través de su propia conexión de red; el resultado solo se exfiltra después.

Despliegue mediante un generador y contramedidas

En lugar de codificar de forma fija su canal de Telegram, las claves de API y la configuración, VOLTA se compila a partir de una plantilla con seis espacios intercambiables que se rellenan durante la compilación. Según Talos, esto apunta a un modelo de creación en el que el autor vende el acceso, los compradores proporcionan sus propios valores y se compila un binario personalizado para cada pedido. Si ese modelo se confirma, señala el análisis, el dossier de IA es una función comercial que permite a clientes de cualquier nivel de sofisticación recibir evaluaciones clasificadas de objetivos en una bandeja de entrada de Telegram, en lugar de ser una capacidad que el autor desarrolló para uso personal. Las credenciales de los espacios se cifran con una clave derivada mediante SHA-256 a partir de dos constantes incluidas en el mismo binario. Según Talos, esto no ofrece una protección significativa, porque cualquiera que realice ingeniería inversa del archivo puede recuperarlas.

Gran parte del robo de tokens de VOLTA depende de eludir App-Bound Encryption en Chrome. Talos afirma que una política de control de aplicaciones que restrinja qué procesos pueden iniciar Chrome con la opción headless bloquearía por completo esa vía de descifrado y, como mínimo, recomienda generar alertas cuando un proceso inesperado inicie Chrome en modo headless, además de almacenar las credenciales con protección basada en hardware. Tras una vulneración, Talos aconseja conservar el archivo volta_debug.txt, un registro de extracción con marcas de tiempo que indica exactamente qué se recopiló y si la llamada al LLM se realizó correctamente; después, revocar los tokens potencialmente comprometidos y cambiar las contraseñas. Toda cartera cuya frase semilla haya permanecido en texto sin cifrar en el disco debe considerarse totalmente comprometida, y los fondos deben transferirse a una nueva cartera cuya frase semilla se genere en un dispositivo aislado de la red.

Según Talos, la mejora que aporta la capa de IA consiste en desplazar el esfuerzo, no en aumentar la velocidad ni la escala. Es la misma lógica subyacente que Talos identificó en CLOSEDQUORUM, aplicada a una fase distinta de la operación. El análisis concluye que, a medida que madure la integración de la IA en el malware, la resistencia a las negativas podría convertirse en un requisito de diseño estándar.

Talos describe la muestra analizada como un binario PE32+ x86-64 con el hash SHA-256 57ef4242666d78c50df145b34023df564f0fad38812d6a580e66433d427e2279, observado con los nombres de archivo 9BY0tjwOc3ut.exe y yLP9m5J3i2Aw.exe, con una marca de tiempo PE del 17 de agosto de 2026 y detectado por primera vez a las 12:46 UTC del 11 de octubre de 2026.