币圈界报道：

黑客团伙借助先进AI模型锁定高价值加密资产目标

网络犯罪组织正逐步采用前沿人工智能系统，如Anthropic的Claude、Google的Gemini及Moonshot AI的Kimi，对潜在受害者进行财务能力评估，尤其聚焦持有加密货币的用户群体。这一趋势标志着网络攻击从被动窃密转向主动价值挖掘，相关动向已在Cisco Talos最新报告中被详细揭示。

新型恶意软件通过AI筛选最具变现潜力的受害目标

Cisco Talos团队发现一款名为VOLTA-AUTODOXER（简称VOLTA）的Windows平台恶意程序。该程序不仅具备传统信息窃取功能，更嵌入了基于AI的数据分析模块，用于对已获取信息进行优先级排序与价值判断。与仅关注账户密码的传统木马不同，VOLTA的核心目标是识别出可能携带高价值数字资产的个体。

其关键特性之一在于能够提取并解析加密货币钱包的恢复助记词，从而实现对用户资产的远程控制。此外，该恶意软件可直接访问本地存储的钱包金库，显著提升针对个人设备上未加密数字资产的攻击成功率。

除加密资产外，该工具还支持多类型数据采集。据安全研究员Ryan Fetterman披露，它能捕获浏览器保存的登录凭证、信用卡详情、身份验证令牌以及邮件账户信息，并实时监控Telegram、Discord、Steam和Roblox等社交与游戏平台的活跃会话。

跨平台数据聚合构建完整用户画像以提升攻击效率

VOLTA进一步具备从Outlook邮箱、Slack工作空间及其他本地文件中提取个人信息的能力。它还会扫描电子收件箱，搜寻来自Amazon、PayPal、Walmart、DoorDash和Uber Eats等平台的交易记录与订单确认单。这种深度数据整合使攻击者得以构建涵盖身份、住址、职业背景与消费偏好的综合用户档案。

在完成信息收集后，所有数据将被上传至可通过OpenRouter接口调用的AI模型。初始尝试使用Anthropic的Claude Opus 4.6处理；若遭拒绝，则按预设顺序依次切换至Moonshot AI的Kimi K2与Google的Gemini 2.5 Flash，并持续检测各模型响应状态。

这些模型被赋予的任务包括评估每位受害者的经济价值、识别最易渗透的资产类别，甚至为后续攻击生成收益排名。同时，系统还可指示AI评估目标的防护强度，辅助黑客制定下一步入侵策略。

借助与顶尖大模型的联动，攻击者实现了对海量盗取数据的自动化甄别，大幅减少人工干预环节，使网络犯罪具备更高规模性与精准度。随着AI驱动的资产识别能力不断增强，普通用户面临日益严峻的数字资产泄露风险。建立实时威胁感知机制已成为维护网络安全的关键前提。