Truva atı kurbanlarını yapay zeka puanlıyor

Güvenlik araştırmacıları, Windows’ta çalışan yeni bir bilgi hırsızının çaldığı verileri bir dil modeline yorumlatarak kurbanları değerine göre sıraladığını ortaya çıkardı. Cisco Talos araştırmacısı Ryan Fetterman’ın 31 Ekim 2026’da yayımladığı analiz, VOLTA-AUTODOXER adı verilen ve kendini silen bir zararlı yazılımı anlatıyor. Talos, VOLTA’yı olgun bir hırsızlık yazılımı olarak tanımlıyor; isteğe bağlı bir yapay zeka katmanı da taşıyor.

Analize göre yazılımın arkasındaki sunucular saldırganlara ait değil; gözlenen tüm uç noktalar üçüncü tarafların kontrolünde. Yani saldırgan kendi altyapısını kurmadan, hazır servisler üzerinden çalışıyor. Yazılım, Talos’un yapay zeka destekli zararlıları izleyen CAIRN programıyla yakalandı.

Model, çalınan veriyi istihbarat dosyasına çeviriyor

Talos’a göre yapay zeka katmanının yeniliği hız ya da ölçek değil. Model, sıradan bir kimlik bilgisi kaydını, kurbanın paraya çevrilebilir varlıklarını sıralayan ve kaynak gösteren bir dosyaya dönüştürüyor. Model burada standart bir kötü amaçlı işlevi desteklemek yerine, operatör adına çalışan bir istihbarat analisti gibi davranıyor.

Tek geçişte toplanan veriler

Yazılım bir kez çalıştığında Chromium tabanlı tarayıcılardan parolaları, çerezleri ve kayıtlı kart bilgilerini topluyor. Firefox ve Thunderbird verileri, Outlook profilleri, Slack, Discord ve Telegram oturumları, Steam ve Battle.net hesapları, SSH dosyaları, bulut yapılandırmaları ve Wi-Fi profilleri de aynı geçişte alınıyor.

Cüzdan dosyalarını kopyalamakla yetinmiyor; aynı geçişte cüzdan kasasını kırmayı deniyor ve sonucu raporuna “WALLET VAULTS CRACKED” satırı olarak yazıyor. Kayıtlı Wi-Fi parolaları da tek çağrıyla düz metin olarak dökülüyor.

Çalınan oturumlarla canlı zenginleştirme

Toplanan veri daha sonra çalınan oturumlar üzerinden zenginleştiriliyor. Kurbanın Gmail token’ıyla gelen kutusunda Amazon, DoorDash, Uber Eats, Grubhub, Walmart ve PayPal makbuzları aranarak ev adresi doğrulanıyor. Sipariş geçmişi doğrudan çekiliyor, Discord profili zenginleştiriliyor, Roblox envanteri Rolimons üzerinden değerleniyor.

Tüm bu malzeme yerelde yapılandırılmış bir dosyaya dönüşüyor: ev adresi, işveren, tahmini doğum yılı, kartın son dört hanesi, Slack çalışma alanları ve doküman yazar bilgisi. Sonuç Identity_Report.txt ve JSON olarak kaydediliyor.

OpenRouter üzerinden üç modelli zincir

Hazırlanan paket OpenRouter’ın sohbet tamamlama ucuna gönderiliyor. Sistem istemi modelden “hedef değerlendirmesi hazırlayan adli istihbarat analisti” rolünü üstlenmesini istiyor. Çıktıda “WHAT THEY’RE WORTH” bölümü varlıkları düşük, orta ve yüksek diye sıralıyor; “THEIR OPSEC” bölümü kurbanın güvenlik duruşunu ve parola alışkanlıklarını değerlendiriyor. İstem ayrıca modeli, isim, adres ya da üniversite gibi dağınık verileri parola örüntüleriyle ilişkilendirmeye itiyor.

Varsayılan model anthropic/claude-opus-4.6. Ret yanıtı gelirse sırasıyla moonshotai/kimi-k2 ve google/gemini-2.5-flash deneniyor. Sıcaklık 0.2’de tutuluyor, SDK kullanılmıyor, istekler elle kurulmuş JSON olarak gönderiliyor. Talos düşük sıcaklığı doğruluk arayışı, zinciri ise reddeden modellerden daha küçük ve daha esnek modellere geçiş olarak yorumluyor. Yazılım “I can’t” gibi ret kalıplarını kontrol edip zincirde ilerliyor; API anahtarı yoksa yapay zeka aşaması olmadan da çalışıyor. Çıkarım kurbanın kendi makinesinde ve kendi bağlantısı üzerinden tamamlanıyor, dışarıya yalnızca sonuç çıkıyor.

Şablonla derlenen ticari bir ürün

VOLTA sabit değerlerle değil, altı değiştirilebilir alanı olan bir şablonla derleniyor: Telegram kanalı, API anahtarları ve ayarlar alıcı tarafında dolduruluyor. Talos bunu, yazarın erişim sattığı ve her sipariş için ayrı ikili dosya derlendiği bir iş modeli olarak okuyor. Bu doğruysa yapay zeka dosyası, teknik bilgisi sınırlı alıcıların bile sıralanmış hedef değerlendirmesi almasını sağlayan ticari bir özellik. Şablondaki kimlik bilgileri, aynı dosyadaki iki sabitin SHA-256 özetinden türetilen bir anahtarla şifreleniyor; Talos bunun anlamlı koruma sağlamadığını söylüyor.

Kullanıcı tarafında ne yapmalı

Token hırsızlığının büyük bölümü Chrome’un App-Bound Encryption korumasını atlatmaya dayanıyor. Talos, hangi süreçlerin Chrome’u headless bayrağıyla başlatabileceğini kısıtlayan bir uygulama kontrolü politikasının bu yolu tamamen kapatacağını belirtiyor. En azından Chrome beklenmeyen bir süreçten headless başladığında alarm üretilmesini ve donanım destekli kimlik bilgisi saklamayı öneriyor.

Saldırı sonrasında volta_debug.txt dosyasının korunması, ele geçmiş olabilecek token’ların iptal edilmesi ve parolaların değiştirilmesi gerekiyor. Diskte düz metin duran cüzdan tohum ifadesi tamamen ele geçmiş sayılmalı; fonlar, tohumu internetten bağımsız bir cihazda üretilen yeni bir cüzdana taşınmalı.

Talos’a göre yapay zeka katmanının kazandırdığı şey hız ya da ölçek değil, emeğin yer değiştirmesi. Araştırma, yapay zeka zararlı yazılımlarda yaygınlaştıkça ret yanıtlarına dayanıklılığın standart bir tasarım gereksinimi olabileceğini söylüyor.

Kaynak: Unite.AI