Novo infostealer VOLTA usa Claude, Gemini e Kimi para ranquear vítimas por valor financeiro
Pesquisadores identificaram o VOLTA (também chamado VOLTA-AUTODOXER), um infostealer para Windows que recorre a modelos de linguagem como Claude, Gemini e Kimi para classificar automaticamente as vítimas pelo potencial de monetização dos dados roubados. Além de credenciais e cookies de navegadores baseados em Chromium, o malware coleta dados de perfis do Outlook e de workspaces do Slack, ampliando o valor comercial de cada lote de dados exfiltrados.
O VOLTA é mais um exemplo de infostealer clássico — focado em roubar senhas, cookies de sessão e dados corporativos de ferramentas como Outlook e Slack — que incorpora um LLM como peça central da operação, e não apenas como acessório de marketing do grupo criminoso. A novidade relatada não está na coleta de dados em si, que segue o padrão de famílias de stealer já conhecidas, mas na etapa seguinte: usar um modelo de linguagem para processar o volume de dados roubados e estimar, de forma automatizada, quais vítimas têm maior potencial financeiro.
Essa automação resolve um problema prático para operações de stealer em escala: triar manualmente milhares de despejos de credenciais e decidir quais vale a pena explorar (conta bancária, acesso corporativo, carteira cripto) consome tempo e exige algum conhecimento de domínio. Delegar essa priorização a um LLM reduz a necessidade de um operador humano experiente nessa etapa específica da cadeia de ataque.
O uso simultâneo de múltiplos provedores — Claude, Gemini e Kimi — também é revelador por si só: operadores de malware tendem a testar vários modelos e usar o que responde sem bloquear a tarefa, de forma semelhante ao que já foi reportado em outros casos de uso malicioso de IA, em que modelos com salvaguardas mais rígidas são evitados ou contornados em favor de alternativas mais permissivas quando necessário.
O relato original consultado para esta análise estava disponível apenas de forma parcial no momento da publicação, de modo que detalhes mais específicos — como o vetor de infecção inicial, o algoritmo de pontuação usado pelo LLM ou a escala observada de vítimas — não puderam ser confirmados e não foram incluídos nesta análise para evitar especulação.