Secondo la ricerca di Cisco Talos pubblicata il 31 ottobre 2026, VOLTA (indicato anche come VOLTA-AUTODOXER) è descritto come un infostealer che integra Large Language Model (LLM) per analizzare i dati esfiltrati, ricostruire il profilo della vittima e valutarne il potenziale di monetizzazione.
L’elemento distintivo non è la raccolta dei dati, ma la fase successiva all’esfiltrazione: credenziali, sessioni, informazioni personali e tracce delle attività online vengono aggregate in un dossier strutturato e sottoposte a un LLM, che valuta il potenziale economico della vittima e le debolezze nelle sue abitudini di sicurezza operativa (OPSEC).
L’AI non risulta usata per generare il malware o per automatizzare la fase iniziale dell’attacco, ma per il triage dei target dopo la compromissione dei dispositivi.
Victim triage basato su LLM
Gli infostealer tradizionali raccolgono dati dagli endpoint compromessi, li organizzano in archivi e li trasmettono agli operatori, che possono utilizzarli direttamente oppure rivenderli sui mercati criminali. Non tutti i dati hanno però lo stesso valore: un archivio può contenere centinaia di password inutilizzabili, sessioni scadute o informazioni personali di scarso interesse, insieme a credenziali aziendali, token di autenticazione ancora validi, accessi a infrastrutture cloud o wallet di criptovalute. La selezione manuale richiede tempo e competenze: VOLTA automatizza questa attività.
Il malware invia il profilo della vittima a un servizio LLM tramite le API di OpenRouter, con un prompt che istruisce il modello ad agire come analista. L’output previsto comprende due sezioni: “WHAT THEY’RE WORTH”, con la classificazione degli asset per potenziale di monetizzazione, e “THEIR OPSEC”, con l’analisi delle abitudini di sicurezza dell’utente.
Non si tratta di una semplice sintesi dei file sottratti: l’obiettivo è produrre una valutazione utilizzabile per stabilire quali account, identità o informazioni giustifichino ulteriori attività malevole. Un giudizio generato da un LLM, tuttavia, non garantisce che il valore economico attribuito alla vittima sia corretto: il modello può formulare inferenze imprecise o sovrastimare la rilevanza di alcuni elementi. Il vantaggio per l’attaccante consiste soprattutto nella possibilità di effettuare la selezione automaticamente, senza analizzare ogni archivio singolarmente.
Dati raccolti da VOLTA
La componente di raccolta presenta funzionalità già note nell’ecosistema degli infostealer, ma copre un insieme particolarmente ampio di applicazioni e informazioni. Prende di mira:
- password, cookie di sessione e carte di pagamento nei browser Chromium; dati di Firefox, Thunderbird e profili Outlook;
- sessioni e credenziali di Discord, Telegram, Slack, Steam, Battle.net e Roblox;
- token OAuth Microsoft, chiavi SSH, configurazioni cloud e VPN (gcloud, OpenVPN);
- password Wi-Fi, screenshot e dati dei wallet di criptovalute, con una funzionalità presente nel campione analizzato per il recupero delle credenziali di accesso ai wallet protetti, anziché la sola copia dei file.
Enrichment tramite sessioni compromesse
VOLTA può riutilizzare sessioni compromesse per interrogare servizi online e ottenere informazioni aggiuntive. Tra gli esempi documentati figurano la ricerca di ricevute negli account Gmail, la consultazione dello storico ordini su piattaforme di consegna e l’arricchimento dei profili Discord.
Queste attività consentono di collegare dati che, considerati separatamente, potrebbero sembrare poco rilevanti: una ricevuta può contribuire a identificare un indirizzo fisico, un account aziendale può rivelare il datore di lavoro e i metadati dei documenti possono fornire ulteriori elementi sull’identità della persona. Il risultato è un profilo che può comprendere posizione geografica, indirizzo di residenza, organizzazione di appartenenza, informazioni finanziarie parziali e riferimenti agli account utilizzati.
È questa correlazione tra identità digitale e informazioni personali a differenziare VOLTA da un semplice strumento di credential harvesting.
Integrazione LLM e meccanismo di fallback
VOLTA utilizza le API di OpenRouter, piattaforma che consente di accedere a diversi modelli linguistici tramite un’interfaccia comune.
Nel campione analizzato, il modello configurato come prima scelta è anthropic/claude-opus-4.6. Se la risposta contiene espressioni interpretate come rifiuto, il malware può ripetere la richiesta utilizzando moonshotai/kimi-k2 e successivamente google/gemini-2.5-flash. Il meccanismo è relativamente semplice: il programma controlla il testo restituito dal modello alla ricerca di formule di rifiuto e, quando le rileva, passa al modello successivo.
Questa implementazione mostra che l’autore del malware ha previsto la possibilità che le richieste vengano respinte dai sistemi di sicurezza dei provider. Non dimostra, tuttavia, che i modelli abbiano prodotto valutazioni utilizzabili durante attacchi reali, né che il meccanismo di fallback sia sempre efficace.
Il malware invia un insieme strutturato di informazioni sulla vittima e richiede un’analisi orientata alla monetizzazione. La risposta viene salvata in un file denominato AI_Analysis.txt, destinato a essere incluso tra i risultati raccolti. L’integrazione AI è inoltre opzionale: in assenza di una chiave API configurata, VOLTA può continuare a funzionare come un normale infostealer. La componente LLM non sostituisce le tecniche tradizionali di furto delle informazioni, ma aggiunge una capacità analitica al processo.
Indizi di Infostealer-as-a-Service
Il campione presenta diversi parametri configurabili durante la compilazione, tra cui chiavi API e informazioni relative al canale Telegram utilizzato per l’esfiltrazione. Questa architettura suggerisce la possibile esistenza di un builder capace di generare versioni personalizzate del malware per operatori differenti. Se tale modello commerciale venisse confermato, la capacità di produrre dossier automatizzati potrebbe diventare accessibile anche ad attaccanti con competenze tecniche limitate.
È tuttavia necessario distinguere le caratteristiche del codice dalle conclusioni sul suo utilizzo. La presenza di parametri configurabili non costituisce, da sola, prova dell’esistenza di un servizio Infostealer-as-a-Service commercializzato attivamente. Non risultano inoltre confermati, nelle informazioni pubbliche esaminate, il numero delle vittime, la diffusione geografica delle infezioni o il vettore iniziale utilizzato per distribuire VOLTA.
Il caso rappresenta quindi un esempio concreto di integrazione tra malware e AI, non la prova di una campagna criminale già operativa su larga scala.
Rischio per le identità aziendali
Per le organizzazioni, il rischio più rilevante non è necessariamente il furto della password in sé, ma la compromissione dell’identità digitale nel suo complesso.
Un dispositivo personale utilizzato anche per attività professionali può contenere sessioni SaaS, credenziali cloud, token OAuth e informazioni relative all’organizzazione. Se questi elementi vengono sottratti, un attaccante potrebbe tentare di riutilizzare sessioni ancora valide o sfruttare le credenziali per ottenere accesso a risorse aziendali. In determinate condizioni, il furto di un token di sessione può consentire di accedere a un servizio senza ripetere l’intero processo di autenticazione multifattore (MFA): l’effettiva possibilità dipende dalle protezioni implementate dal servizio, dalla validità del token e dai controlli di sessione.
VOLTA aggiunge a questo scenario la correlazione automatizzata tra informazioni personali e accessi professionali: sapere che una persona lavora per una determinata azienda, utilizza specifiche piattaforme collaborative e possiede credenziali associate a servizi cloud può renderla un obiettivo più interessante per attività successive. Il malware potrebbe quindi contribuire a facilitare la selezione di potenziali bersagli per account takeover, Business Email Compromise (BEC), campagne di spear phishing o tentativi di initial access alle reti aziendali. Questi sono scenari di rischio coerenti con le capacità documentate, non conseguenze già attribuite a una campagna VOLTA osservata.
Detection e incident response
Telemetria di rete
Poiché la richiesta di analisi viene generata dal dispositivo compromesso, il traffico verso OpenRouter può costituire un segnale anomalo, soprattutto quando proviene da endpoint che non dovrebbero utilizzare direttamente API di intelligenza artificiale. La destinazione, da sola, non è però sufficiente per identificare un’infezione: è necessario correlare le connessioni con il processo che le genera, il contesto dell’endpoint e le attività immediatamente precedenti.
Telemetria endpoint
L’analisi descrive un meccanismo di raccolta che utilizza l’avvio di Chrome con il parametro –headless per aggirare le protezioni App-Bound Encryption in determinate condizioni. L’esecuzione headless non è di per sé malevola, essendo utilizzata anche da strumenti legittimi di automazione, ma diventa interessante quando viene avviata da processi sconosciuti o da directory normalmente non associate a software autorizzato.
Artefatti forensi e IOC
Artefatti descritti: %APPDATA%\volta_debug.txt (conserva informazioni sulle operazioni anche dopo l’autoeliminazione dell’eseguibile), Identity_Report.txt, AI_Analysis.txt, volta_log.zip, volta_dox.zip e volta_doxnet.zip. Hash SHA-256 del campione documentato:
57ef4242666d78c50df145b34023df564f0fad38812d6a580e66433d427e2279
Questi indicatori possono supportare verifiche puntuali, ma una strategia di rilevamento basata esclusivamente su hash o nomi di file rischia di non individuare eventuali varianti. Per questo motivo è preferibile combinare telemetria EDR, process creation, accessi anomali ai dati dei browser, connessioni verso API esterne e attività sospette sui servizi di identità.
Response e remediation
In caso di compromissione confermata, la risposta deve considerare potenzialmente esposti non soltanto gli account, ma anche le sessioni attive, le chiavi API, le credenziali cloud e gli altri segreti presenti sul dispositivo. Il semplice cambio della password potrebbe non essere sufficiente. Dove supportato, occorre revocare le sessioni compromesse, invalidare i token, ruotare le chiavi e verificare eventuali accessi successivi al furto.
In conclusione
VOLTA non introduce una tecnica completamente nuova per sottrarre informazioni: la maggior parte delle sue funzionalità di raccolta appartiene a una categoria di malware già ampiamente conosciuta. La novità è il ruolo attribuito all’intelligenza artificiale: il modello linguistico diventa un componente del processo criminale incaricato di interpretare le informazioni, stabilire priorità e ridurre il lavoro dell’operatore (impiego di un LLM).
In prospettiva, questo approccio potrebbe favorire una maggiore automazione della selezione delle vittime, rendendo più efficiente lo sfruttamento di grandi quantità di dati sottratti. Non significa necessariamente che gli attacchi diventeranno più sofisticati in ogni fase, ma che una parte dell’analisi che precedentemente richiedeva intervento umano può essere incorporata direttamente nel malware.
Per le aziende, proteggere le credenziali rimane indispensabile, ma non basta: è necessario rafforzare la sicurezza delle sessioni, la gestione delle identità, il controllo degli endpoint e la capacità di individuare comportamenti anomali prima che le informazioni sottratte vengano utilizzate per nuovi attacchi.
Il caso VOLTA illustra come l’AI possa trasformare un archivio di dati rubati in una lista ragionata di potenziali obiettivi. È questa capacità di collegare il furto delle informazioni alla loro possibile monetizzazione a renderlo un caso rilevante per l’evoluzione del cybercrime.
Analisi di Vasily Kononov – Threat Intelligence Lead, CYBEROO
Riferimenti
- Cisco Talos – Ryan Fetterman, Appraisal by AI: Model-driven victim prioritization in the VOLTA infostealer, 31 ottobre 2026.
Appraisal by AI: Model-driven victim prioritization in the VOLTA infostealer - Cisco Talos, The VOLTA infostealer: Outsourcing cybercrime grunt work to AI, 4 novembre 2026.
The VOLTA infostealer: Outsourcing cybercrime grunt work to AI – Talos Takes - Cloud Security Alliance, Appraisal by AI: VOLTA and LLM-Driven Infostealer Victim Triage, 2 novembre 2026.
Appraisal by AI: VOLTA and LLM-Driven Infostealer Victim Triage – Lab Space - WIRED, Spooky New Infostealer Malware Uses AI to ‘Autodox’ Victims, novembre 2026.
Spooky New Infostealer Malware Uses AI to ‘Autodox’ Victims