- VOLTA는 선택적 AI 통합 계층을 갖춘 성숙한 스틸러 임플란트(stealer implant)입니다. 자격 증명(credentials), 세션, 암호화폐 지갑 등을 훔친 후, VOLTA는 구조화된 증거 번들(structured evidence bundle)을 LLM에 전송하여 피해자의 자산을 수익화 가치(monetization value)별로 순위 매기기를 수행합니다.
- 만약 모델이 대상 평가를 거부할 경우, VOLTA는 세 가지 모델 체인(three-model chain)으로 대체하며, 이는 직접적인 엔지니어링 노력과 모델의 안전장치(guardrails)에 도달하려는 기대를 시사합니다.
- 이 스틸러는 자체 삭제 기능을 가지고 있으며 공격자가 소유한 인프라가 없습니다. AI 통합의 참신함은 전통적인 악성코드 기능을 지원하는 것이 아니라, 운영자(operator)를 대신하여 지능 분석가(intelligence analyst) 역할을 수행한다는 점입니다.
사이버 범죄 세계에는 새로운 아이디어가 등장했습니다. 즉, 그물을 넓게 던져 모든 것을 훔치고 AI에게 세부 사항 분류를 맡기는 것입니다. __CAIRN research effort__를 통해 공개된 'VOLTA-AUTODOXER'라는 이름의 새로운 악성코드는 LLM 기반의 피해자 프로파일링 단계를 추가하여 탈취 후 워크플로우(post-theft workflow)를 강화하는 자체 삭제형 Windows 인포스틸러입니다.
브라우저 비밀번호, 쿠키, 결제 카드, 암호화폐 지갑 시드 구문(seed phrases), Discord, Telegram, Steam, Roblox 세션, Microsoft OAuth 토큰, SSH 및 클라우드 제공업체 키, Wi-Fi 프로필, 스크린샷을 포함한 표준적인 스틸러 수확물(stealer haul)을 수집한 후, VOLTA는 기계 뒤에 있는 사람에 대한 구조화된 증거 번들을 구축합니다. 이 번들에는 지리적 위치 및 자택 주소, 고용주 및 회사 도메인, 추정 출생 연도, 카드 마지막 4자리 숫자, Slack 워크스페이스, 문서 작성자 메타데이터(document authorship metadata), iPhone 백업 지표, 그리고 실시간 Roblox 계정 가치 평가가 포함됩니다. 이후 탈취한 세션 접근 권한을 사용하여 이 번들을 더욱 풍부하게 만듭니다: 피해자의 Gmail에서 구매 영수증을 검색하여 자택 주소를 확인하고, UberEats 및 DoorDash 주문 내역을 가져오며, 탈취된 토큰을 통해 Discord 계정을 강화합니다.
이 패키지는 직렬화(serialized)되어 시스템 프롬프트와 함께 OpenRouter로 POST 방식으로 전송됩니다. 이 시스템 프롬프트는 모델에게 "표적 평가서를 작성하는 포렌식 인텔리전스 분석가" 역할을 하도록 지시합니다. 필수 출력에는 'WHAT THEY'RE WORTH'(그들이 가진 가치)라는 제목의 섹션이 포함되며, 여기서는 수익화 가능성에 따라 낮은/중간/높은 등급으로 귀중품을 순위 매깁니다. 또한 피해자의 보안 태세와 비밀번호 위생 상태를 평가하는 "THEIR OPSEC"(운영 보안) 섹션도 포함됩니다. 이 모델은 운영자(operator)의 분류 분석가 역할을 하며, 원시적인 자격 증명 로그(raw credential log)를 피해자와 그들의 수익화 가능한 자산에 대한 우선순위 지정 및 인용 출처 기반의 보고서(dossier)로 변환합니다.
AI 구성: “광범위하기보다 깊이 파고들라... 직설적이고, 구체적이며, 정확하게.”
VOLTA는 모델의 거부(refusal)에 부딪힐 경우 탄력적으로 폴백(fallback)할 수 있는 다중 모델 아키텍처를 사용합니다. 각 응답에서 "I can’t" 또는 "I’m not able"과 같은 구절을 확인한 후, 최대 세 개의 모델 체인으로 전달됩니다.
Endpoint | https[:]//openrouter[.]ai/api/v1/chat/completions |
Default model | anthropic/claude-opus-4.6 |
Fallback chain | moonshotai/kimi-k2 → google/gemini-2.5-flash |
Temperature | 0.2 — 결정론적(deterministic), 일관된 출력 |
Request format | 수작업으로 조립된 JSON; SDK 없음; User-Agent Mozilla/5.0 |
모델의 온도(temperature)는 LLM이 생성하는 텍스트의 무작위성과 예측 가능성을 제어합니다. 낮게 하드코딩된 온도 값(0.2)은 공격자가 정확성과 일관성을 강조하고 있음을 시사합니다. 이 악성코드는 실패 발생 시에도 연쇄적인 모델 체인(chain of cascading models)을 사용합니다. 이러한 다중 모델 아키텍처는 운영자가 거부 응답에 직면할 것을 예상하며, 폴백은 몇 가지 작고 더 관대한 모델로 전환됨을 보여줍니다.
시스템 프롬프트는 운영자의 사용 사례를 직접적으로 드러냅니다. 즉, 인용 출처의 감사 가능한 추적(auditable trail of citations)에 기반하여 피해자가 표적으로서 적합한지에 대한 간결한 분석 평가서를 작성하는 것입니다.
프롬프트는 또한 에이전트가 탁월한 연결 능력인, 희소하고 이질적인 데이터 간의 연결 고리를 만드는 것을 요구합니다. 예를 들어, 피해자의 이름, 주소 또는 대학교 같은 정보와 비밀번호 패턴 사이의 연관성을 유도하는 것입니다. 이 경우 모델에게 데이터를 찾으라고 요청하는 것이 아니라, 스크래핑된 데이터의 가치를 확장하는 유용한 추론을 하도록 '데이터를 늘리라'고 요구하는 것입니다.
스틸러 기능 (Stealer capabilities)
VOLTA의 기능은 현대 디지털 생활에서 생성되는 기록과 직접적으로 연관되어 있으며, 기본적인 자격 증명 도난(credential theft)을 훨씬 넘어섭니다. 이 스틸러는 단 한 번의 실행으로 Chromium 기반 브라우저 전반에 걸쳐 브라우저 자격 증명, 쿠키, 저장된 결제 카드를 추출할 수 있습니다. Firefox 및 Thunderbird, Outlook 프로필, Slack 워크스페이스, Steam 및 Battle.net 세션, Discord 토큰, Telegram 세션, Roblox 계정, 그리고 SSH 및 클라우드 제공업체 구성 파일(gcloud, OpenVPN, Hide.me)을 공격합니다. VOLTA는 단순히 암호화폐 지갑을 복사하는 것이 아니라, 볼트(vault)에 대해 인라인으로 내장 크래커를 실행하고 그 결과를 자체 보고서의 'WALLET VAULTS CRACKED' 라인에 기록합니다.
기기에 저장된 모든 Wi-Fi 비밀번호는 WlanGetProfileList에 대한 직접 호출을 통해 가져와 평문(plaintext)으로 덤프됩니다.
VOLTA를 일반적인 상업용 스틸러(commodity stealers)와 차별화하는 것은 초기 수집 이후에 발생하는 과정입니다. 이는 도난당한 세션을 활용하여 피해자의 데이터에 깊이 파고드는 실시간 강화 패스(live enrichment pass)가 존재한다는 것입니다. 예를 들어, 피해자 자신의 인증된 Gmail 토큰을 사용하여 Amazon, DoorDash, Uber Eats, Grubhub, Walmart, PayPal의 영수증을 받은 편지함에서 쿼리하고, 이 영수증들을 검토하여 확인된 자택 주소를 확립합니다. 도난당한 Uber Eats 및 DoorDash 세션은 주문 내역을 위해 직접 호출됩니다. Discord 토큰은 피해자의 계정 프로필을 강화하는 데 재사용됩니다. Roblox 인벤토리 가치는 실시간 "Rolimons[.]com" 조회를 통해 평가됩니다.
수집 및 정제(enrichment) 단계가 완료되면, 데이터는 "Identity_Report.txt"라는 파일에 로컬로 취합되고 구조화됩니다. 이 파일은 시스템 프롬프트와 함께 JSON 형식의 번들로 직렬화(serialized)되어 OpenRouter로 POST됩니다. 반환된 페이로드(payload)는 "AI_Analysis.txt"로 수신됩니다. 두 파일은 "volta_dox.zip"으로 함께 유출(exfil)됩니다.
추론(inference) 왕복 과정은 결과가 유출되기 전에 전적으로 피해자 자신의 기기에서 자체 네트워크 연결을 통해 발생합니다.
배포 모델 (Deployment model)
Telegram 채널, API 키 및 설정을 코드에 직접 하드코딩(hardcoding)하는 대신(개인용 도구를 작성하는 사람이 할 가능성이 높은 방식), VOLTA는 빌드 시점에 채워지는 6개의 교체 가능한 슬롯을 가진 템플릿을 사용합니다.
이는 이것이 빌더 모델임을 시사합니다: 저자가 접근 권한을 판매하고, 고객이 자신의 값을 제공하며, 빌더가 각 주문에 대해 맞춤형 바이너리를 컴파일하는 방식입니다. 이 슬롯들의 자격 증명(credentials)은 암호화되어 있지만, 의미 있는 방식으로 암호화된 것은 아닙니다. 핵심은 동일한 바이너리에 존재하는 두 상수(constant)의 SHA-256 해시값이지만, 이는 고객들이 API 키가 평문(plaintext)으로 노출되는 것을 기대하기 때문에 존재한다고 추정되며, 실제 보호 기능을 제공하는 것이 아닙니다. 파일을 리버스 엔지니어링(reverse engineering)할 수 있는 사람이라면 누구나 이를 복구할 수 있습니다.
만약 VOLTA가 실제로 상품화된 악성코드라면, AI 도서(dossier) 기능은 저자가 자신의 운영을 위해 발명한 것이 아닙니다. 이는 어떠한 수준의 정교함을 가진 고객이라도 이를 피해자에게 겨냥하여 텔레그램 받은 편지함에서 순위가 매겨진 대상 평가를 받기 시작할 수 있게 하는 기능을 가능하게 합니다.
이 악성코드에 대해 관찰된 모든 엔드포인트(endpoint)는 제3자가 통제합니다. 행위자 소유의 인프라는 없습니다.
대응책 (Countermeasures)
VOLTA의 토큰 탈취 기능 대부분은 Chrome에서 App-Bound Encryption (ABE)을 우회하는 기술에 의존합니다. --headless로 Chrome을 실행할 수 있는 프로세스를 제한하는 애플리케이션 제어 정책이 있습니다.
ABE 복호화 경로를 완전히 차단할 것입니다. 최소한 알려진 개발자에 속하지 않은 프로세스에서 --headless로 실행되는 Chrome을 감지할 때 경고할 수도 있습니다. 하드웨어 기반 스토어에 자격 증명을 저장하는 모범 사례도 적용됩니다.
침해 사고 발생 시, 메인 실행 파일이 스스로 삭제했을 수 있지만, 사용자는 “APPDATA%\volta_debug.txt” 파일을 보존하려고 노력해야 합니다. 이것은 타임스탬프가 찍힌 수집 로그이며, 정확히 무엇이 수집되었는지 그리고 LLM 호출이 성공했는지 여부를 기록하고 있습니다. 잠재적으로 손상된 토큰을 모두 취소하고 비밀번호를 변경해야 합니다. 암호화폐 지갑의 경우, 시드 구문(seed phrase)이 디스크에 평문으로 있었다면 해당 지갑을 완전히 손상된 것으로 간주하고 에어갭 장치에서 생성한 시드를 가진 새 지갑으로 자금을 이전해야 합니다.
결론
VOLTA는 운영자에게 분석 작업을 덜어주기 위한 목적으로 후기 단계의 AI 계층이 추가된 성숙한 스틸러(stealer)입니다. 여기서 AI 개선의 축은 속도나 규모가 아니라 노력 대체(effort displacement)이며, 이는 __CLOSEDQUORUM__에서 볼 수 있는 것과 같은 논리이지만 다른 단계에 적용되었습니다. 이러한 임플란트는 동일한 근본적인 논리를 반영합니다: 가장 지속적인 인간의 주의를 요구하는 단계를 식별하고 이를 모델 호출로 대체하는 것입니다. 방어자들에게 남은 질문은 이 패턴이 다른 곳에도 나타날 것인가가 아니라, 다음으로 어떤 단계에 영향을 미칠 것인가입니다.
주목해야 할 두 번째 추세는 모델 거부(model refusals)에 도달하는 것을 예상하고, 복원력(resiliency)을 구축하는 접근 방식입니다. 이 경우, Claude에서 Kimi를 거쳐 Gemini로 이어지는 폴백 체인(fallback chain)과 키가 없을 때 아예 LLM 단계를 거치지 않고 실행할 수 있는 기능이 포함됩니다. 악성코드 내 AI 통합이 성숙해짐에 따라, 거부 복원력(refusal resilience)은 표준 설계 요구 사항이 될 수 있습니다.
두 추세의 근저에 깔린 열린 질문은 범죄 소프트웨어(crimeware)에서의 노력 대체(effort displacement)가 의미 있는 방식으로 환경을 변화시키는지 여부입니다. 즉, 운영의 하한선을 낮추고, 규모의 상한선을 높이거나, 혹은 둘 다에 관한 것입니다. 사이버 범죄 작전은 항상 기회주의적이었으며, 정교함의 기준점(sophistication bar)은 항상 예상했던 것보다 낮았지만, 넓게 그물을 던지는 것과 스스로 분류하는 넓은 그물에는 차이가 있습니다.
샘플 상세 정보
SHA256 | 57ef4242666d78c50df145b34023df564f0fad38812d6a580e66433d427e2279 |
파일명 | 9BY0tjwOc3ut.exe / yLP9m5J3i2Aw.exe |
유형 | PE32+ x86-64 |
PE 타임스탬프 | 2026-08-17 20:35 |
최초 발견일 (UTC) | 2026-10-11 12:46