Cisco Talos finner skadekode som bruker Claude, Kimi og Gemini til å analysere stjålne data
En ny infostealer kalt Volta-Autodoxer sender stjålne offerdata gjennom kommersielle språkmodeller via tjenesten OpenRouter og ber dem lage strukturerte, prioriterede offerdossiers – med innebygd failover til mer ettergivende modeller hvis guardrails nekter. Funnene fra Cisco Talos er delt eksklusivt med WIRED og ikke rapportert tidligere, og Talos har ennå ikke sporet om skadekoden faktisk er brukt i virkelige angrep.
Hva som er nytt
Forskere hos Cisco Talos har identifisert en ny infostealer-stamme som har fått navnet Volta-Autodoxer. Ifølge WIREDs rapportering, delt eksklusivt med selskapets Kernel Panic-nyhetsbrev, markerer funnet et skifte i hvordan AI inngår i cyberkriminalitet: Språkmodeller er ikke lenger bare et tema i kriminelle diskusjonsforumer, men operationalisert inne i selve skadekoden.
Volta tilhører en etablert skadetype – infostealere som stjeler påloggingsdata og betalingsinformasjon fra infiserte maskiner. Det nye er et tilleggslag: Etter at dataene er samlet inn, sendes de gjennom kommersielle LLM-er som automatisk profilerer offeret og peker ut de mest verdifulle målene. Det var CAIRN, et rammeverk Talos har bygget for å identifisere hackerverktøy med innebygde AI-funksjoner, som flagget malwaren, ifølge WIRED.
Slik fungerer det
Det første trinnet er konvensjonelt. Ifølge WIREDs gjengivelse av Talos-funnene sveiper Volta etter passord lagret i nettlesere, Microsoft OAuth-token, cookies, betalingskort og seedfraser fra kryptovaluta-lommebøker. Skadekoden samler også aktive økter i Discord, Telegram, Steam og Roblox.
Det andre trinnet er det nye. Alle dataene settes sammen i en serialisert dossier som sendes til språkmodeller.
«Den setter sammen alt dette, og produserer til slutt en serialisert dossier som den kan sende til et par LLM-modeller. Den ber modellen opptre som en etterretningsanalytiker og produsere et strukturert, kildebelagt assessment av offeret. Det er en slags prioriterings- og analysefunksjon», sier Ryan Fetterman, sikkerhetsforsker hos Cisco Talos, ifølge WIRED.
Promptet: «Du er en rettsmedisinsk etterretningsanalytiker»
Inne i skadekoden ligger et 240 ord langt prompt som dokumenterer hva angriperne vil ha ut av modellen. Det åpner med ordene «Du er en rettsmedisinsk etterretningsanalytiker som utarbeider et målassessment fra en strukturert bevisbunke» (på engelsk: «You are a forensic intelligence analyst drafting a target assessment from a structured evidence bundle»), ifølge WIREDs gjengivelse.
Promptet instruerer modellen om å produsere en «executive summary» om personen, detaljer om hva personen driver med, en vurdering av «what they're worth» – hva personen er verdt – og en oppsummering av «their opsec», altså offerets egen sikkerhetspraksis. Med andre ord: ikke bare stjålne rådata, men et ferdig prioritert, analysert bilde av offeret. Kilden sier ikke eksplisitt hva dossiene skal brukes til.
Modellkjeden og failover-designet
Ifølge WIREDs rapportering av Talos-funnene sender Volta forespørslene sine via OpenRouter, en mellomtjeneste som ruter kall til mange ulike LLM-leverandører. Standardmodellen er Claude Opus 4.6 fra Anthropic. Men utviklerne bak malwaren har tilsynelatende regnet med at guardrails kan blokkere forespørselen: Det er bygget inn fallback til Kimi K2, en kinesisk modell med åpne vekter fra Moonshot AI, og hvis også den feiler, til Googles Gemini 2.5 Flash.
Fetterman beskriver designvalget slik i gjengivelsen hos WIRED:
«De bygger inn forventningen om at de potensielt kan treffe modellnekting ved første forespørsel. Så de planlegger failover som kaskaderer nedover til mer ettergivende modeller etter hvert som de går nedover kjeden. Og det er også mulig å bruke implanten uten AI. AI-kallene er et tillegg utover det vanlige, men malwaren fungerer fortsatt uten.»
Det siste poenget er viktig for å forstå funnet: AI-komponenten er valgfri. Selve tyveriet av passord, token og kortdata skjer uansett. LLM-laget er en effektiviseringsmekanisme – en måte å la en modell gjøre det analytikerarbeidet som ellers ville krevd mennesker med tid og kompetanse.
Hva vi ikke vet
Flere vesentlige spørsmål står åpne, og de bør vektes når funnet leses.
For det første har Talos ikke sporet om Volta faktisk er brukt i naturen, påpeker Fetterman overfor WIRED. Det finnes ingen opplysninger om ofre, angrep eller aktive kampanjer – funnet bygger på analyse av malware-eksempler.
For det andre stammer alle tekniske detaljer – modellnavnene og versjonene, promptet, failover-kjeden – fra Talos' analyse slik WIRED rapporterer den. Talos' egen rapport foreligger ikke, og detaljene er altså ikke selvstendig verifisert av andre. Modeller oppdateres raskt, og det er uavklart om kjeden beskrevet i skadekoden fortsatt fungerer slik.
For det tredje er tidspunktet uklart: Forskningen er publisert via Kernel Panic 31. oktober 2026, men det foreligger ingen egen dato for når Talos gjorde selve funnet.
Hvorfor det er betydningsfullt
Det sentrale i funnet er ikke at AI muliggjør en ny angrepsmetode – det gjør den ikke her. Volta er en klassisk infostealer med et analytisk tilleggslag. Det peker mot noe mer konkret: at språkmodeller tas i bruk som analyse- og prioriteringsmotor inne i etablerte skadetyper, der flaskehalsen tradisjonelt har vært menneskelig arbeid med å sortere og kvalitetsvurdere stjålne data.
Samtidig viser designet at angriperne forventer motstand: failover-kjeden er bygget inn fra starten, i erkjennelse av at de store modellene sannsynligvis nekter. Det er også derfor CAIRN ble bygget – Talos har utviklet rammeverket for å fange opp verktøy med denne typen AI-funksjonalitet, og Volta er et eksempel på at det fanger slike funn. Hvor utbredt slike verktøy blir, og om Volta noensinne ble brukt mot reelle ofre, er fortsatt et åpent spørsmål.
Kilde: WIRED