一句话看懂：安全厂商思科 Talos 披露，Windows 窃密木马 VOLTA-AUTODOXER 在盗取凭据后，把受害者资料打包发给大模型，要求按变现价值给资产排名。这是 AI 被直接嵌入网络犯罪作业流程的一个具体样本。
事件核心：发生了什么
根据 Talos 于 2026 年 10 月 31 日发布的威胁分析，VOLTA 是一个较成熟的窃密植入程序，自删除、不依赖攻击者自有服务器。它一次性收集浏览器密码与 Cookie、支付卡、加密钱包助记词、Discord/Telegram/Steam/Roblox 会话、微软 OAuth 令牌、SSH 与云厂商密钥、Wi-Fi 配置和截图，还会在本地运行破解程序处理钱包。
随后，它把地理位置、家庭住址、雇主与域名、推测出生年份、银行卡后四位、Slack 工作区、文档作者元数据、iPhone 备份线索以及 Roblox 账号估值等整理成结构化“证据包”，并借被盗会话进一步补充：在 Gmail 里搜购物收据核对住址，拉取 UberEats、DoorDash 订单，用 Discord token 丰富账户信息。该包经 OpenRouter 的 chat completions 接口提交，默认模型为 anthropic/claude-opus-4.6，失败后依次切换到 moonshotai/kimi-k2 和 google/gemini-2.5-flash，温度固定为 0.2，请求为手工拼装 JSON，不依赖 SDK。
系统提示要求模型扮演“取证情报分析师”，输出“WHAT THEY’RE WORTH”（资产按变现价值分低/中/高三档）和“THEIR OPSEC”（受害者的安全习惯与密码卫生评估）。代码会检查回复中是否出现“I can’t”“I’m not able”等拒答措辞，再触发下一模型。原文还提到，木马希望模型把姓名、住址、学校与密码模式关联起来，做数据之外的推断。
为什么重要
过去大模型在攻击链中多是辅助写钓鱼邮件或生成代码，这里的位置不同：它在窃密完成后承担“分诊分析师”的角色，把一份原始凭据日志转成有引用、可排序的目标档案。对攻击者而言，这意味着可以“广撒网、全拿走”，再让模型筛选高价值目标，降低人工甄别成本。三模型级联的设计也说明，攻击者预判会撞上模型安全护栏，并为此提前准备了更小、更宽松的替代模型。
对用户/开发者/创作者的影响
对普通用户，风险点在于信息被拼接：单一泄露的 Cookie 或收据邮件价值有限，但被模型串联后，住址、雇主、消费习惯和账户资产会形成完整画像。密码中嵌入姓名、生日或校名的习惯，会成为模型推断的入口。对开发者和使用大模型 API 的团队，这提醒了接入层风控的必要性：OpenRouter 这类聚合网关上的异常调用模式、固定温度、统一系统提示，都可以成为识别信号。企业侧则应关注 OAuth 令牌、SSH 与云密钥的存放和轮换，这类凭据一旦外流，后果远不止账号被盗。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是模型提供方是否会针对此类“目标评估”类系统提示强化拒答与检测；二是级联调用是否会在更多恶意软件中成为标配；三是 Talos 后续是否披露更完整的感染链与传播方式。目前公开信息显示，该分析聚焦恶意软件行为与配置，尚未说明实际感染规模。
