VOLTA‑AUTODOXER : le malware qui utilise une IA pour classer vos données volées

Le 31 octobre 2026, le service de recherche de menaces de Cisco Talos a publié une analyse détaillée d’un nouveau cheval de Troie Windows, nommé VOLTA‑AUTODOXER. Ce logiciel espion ne se contente plus de dérober des identifiants ; il envoie ensuite les informations à un grand modèle de langage (LLMLLMUn grand modèle de langage apprend des régularités dans des textes pour produire ou transformer du langage. Il ne constitue pas une base de faits garantie.) qui les transforme en un dossier d’évaluation financière du compte victime. L’intégration de l’IAIntelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. ne fait pas gagner de vitesse, mais déplace l’effort d’analyse du cybercriminel vers la machine infectée.

Une collecte de données très large

VOLTA s’installe comme un implant classique, puis effectue en une seule passe la récupération de dizaines de sources : mots de passe et cookies des navigateurs Chromium, Firefox et Thunderbird, profils Outlook, espaces de travail Slack, sessions Steam, Battle.net, Discord, Telegram, comptes Roblox, jetonsTokenUnité de contenu traitée par un modèle de langage, pouvant représenter un mot, une partie de mot ou un caractère. OAuth Microsoft, fichiers de configuration SSH, comptes cloud (gcloud, OpenVPN, Hide.me), profils Wi‑Fi et captures d’écran. Le vol inclut également les cartes de paiement enregistrées. Contrairement à un simple copier‑coller de portefeuilles de cryptomonnaies, le module intègre un « cracker » qui tente de déverrouiller les coffres‑forts des portefeuilles et consigne le résultat.

Enrichissement en temps réel grâce aux sessions volées

Une fois les sessions récupérées, le malware les réutilise pour interroger les services légitimes du compte victime. Avec un jeton Gmail valide, il parcourt la boîte de réception à la recherche de reçus provenant d’Amazon, DoorDash, Uber Eats, Walmart ou PayPal afin de confirmer une adresse postale. Il extrait les historiques de commandes Uber Eats et DoorDash, enrichit le profil Discord grâce au token volé, et consulte Rolimons.com pour estimer la valeur de l’inventaire Roblox. Toutes ces données sont rassemblées localement dans un fichier texte « Identity_Report.txt » et dans un JSON contenant géolocalisation, employeur, année de naissance estimée, quatre derniers chiffres de la carte, espaces Slack, métadonnées de documents et indicateurs de sauvegarde iPhone.

Le passage « OpenRouter Ranking »

Le paquet JSON est envoyé à l’endpoint chat‑completions d’OpenRouter, avec pour système‑promptPromptL’instruction et le contexte fournis à un modèle pour orienter sa réponse. « act as a forensic intelligence analyst drafting a target assessment ». Le LLM (par défaut Anthropic Claude‑Opus‑4.6, puis Kimi‑K2 et Gemini‑Flash en cascade) doit fournir deux sections : « WHAT THEY’RE WORTH », un classement des biens monétisables (bas, moyen, haut) et « THEIR OPSEC », une évaluation de la posture de sécurité du compte (qualité des mots de passe, usage de 2FA, etc.). Le modèle ne recherche pas de nouvelles données ; il relie simplement les points déjà collectés pour en augmenter la valeur exploitable.

Le réglage de températureTempératureParamètre contrôlant le degré d'aléatoire lors de la sélection des tokens générés par un modèle. à 0,2 montre que l’opérateur recherche une réponse cohérente et prévisible. Si le modèle refuse, le malware bascule vers le modèle suivant, jusqu’à trois essais. En l’absence de clé API, la phase IA est tout simplement désactivée.

Construction personnalisée et chaîne d’approvisionnement

VOLTA n’est pas distribué sous forme d’un binaire unique. Le code source comporte six emplacements variables remplis lors de la compilation : canaux Telegram, clés API, prompts, etc. Cette architecture indique un modèle de vendeur‑à‑lanceur : chaque client fournit ses propres valeurs, le fabricant compile un exécutable sur‑mesure et le vend. Les paramètres sont chiffrés avec une clé dérivée d’un SHA‑256 de deux constantes présentes dans le binaire, ce qui n’apporte aucune vraie protection contre l’ingénierie inverse.

Contre‑mesures pratiques

La partie la plus critique du vol repose sur le contournement du chiffrement lié aux applications Chrome (App‑Bound Encryption). Un contrôle d’application qui empêche les processus non autorisés de lancer Chrome en mode headless bloque ce vecteur. En complément, il faut alerter dès qu’un processus inconnu invoque Chrome avec le flag --headless et privilégier le stockage matériel des identifiants.

Après infection, il convient de conserver le fichier volta_debug.txt, qui répertorie chaque donnée collectée et indique si l’appel LLM a réussi. Tous les jetons compromis doivent être révoqués et les mots de passe changés. Tout portefeuille dont la phrase de récupération était stockée en clair doit être considéré comme totalement compromis ; les fonds doivent être transférés vers un nouveau portefeuille généré hors ligne.

Vers une automatisation croissante des cyber‑crimes

Talos souligne que l’ajout de l’IA ne rend pas le vol plus rapide, mais réduit l’effort d’analyse du cybercriminel. Le même principe était déjà visible dans le projet CLOSEDQUORUM, où une IA orchestrait le consensus d’un implant sans intervention humaine. À mesure que les modèles deviennent plus résilients aux refus, les auteurs de malwares pourraient standardiser ce type de chaîne : collecte, enrichissement, classification par IAClassification automatiqueTechnique attribuant automatiquement des catégories à des données selon leurs caractéristiques., puis exfiltration.

Le cas de VOLTA‑AUTODOXER montre que les menaces évoluent rapidement et que la simple présence d’un LLM dans le flux d’attaque suffit à augmenter la valeur des données volées. Les équipes de sécurité doivent surveiller les comportements inhabituels de leurs applications, notamment les lancements headless de navigateurs, et renforcer la protection des jetons d’accès afin de limiter les dommages d’une compromission.

Le paysage des malwares intégrant l’IA vient de franchir une étape majeure ; rester informé et appliquer des contrôles d’accès stricts reste la meilleure défense.