币圈界报道：

赛博犯罪新形态：AI模型助力精准识别高净值目标

网络犯罪组织正将前沿人工智能技术纳入攻击链条，通过Anthropic的Claude、Google的Gemini及Moonshot AI的Kimi等先进模型，对潜在受害者的财务状况进行深度分析，尤其聚焦持有加密货币的个体。这一趋势在Cisco Talos最新发布的威胁报告中被重点揭示，反映出攻击策略从广撒网向精细化筛选的重大转变。

基于AI的智能筛选机制强化攻击效率

Cisco Talos披露了一款名为VOLTA-AUTODOXER（简称VOLTA）的新型Windows后门程序。该恶意软件不仅具备传统信息窃取功能，更引入了自主分析能力，能对窃取的数据实施优先级排序与价值判断。与以往仅关注账户密码的工具不同，VOLTA的核心目标是识别出最具经济回报潜力的受害者。

其关键特性之一在于可提取并解析加密货币钱包中的恢复助记词，从而实现对数字资产的远程控制。此外，该恶意软件支持直接访问本地存储的钱包金库，显著提升了针对个人设备上资产的安全威胁。

除加密资产外，该程序还能捕获浏览器保存的登录凭证、信用卡数据、身份验证令牌，以及各类即时通讯平台如Telegram、Discord、Steam和Roblox的活跃会话内容，构建多维度行为画像。

跨平台数据聚合与动态AI决策链

VOLTA进一步扩展其数据采集范围，包括从Outlook邮箱、Slack协作空间等渠道提取个人与工作相关的敏感资料。它还会主动扫描电子收据与订单确认信息，覆盖Amazon、PayPal、Walmart、DoorDash及Uber Eats等多个主流服务平台。

完成数据汇聚后，攻击者通过OpenRouter接口调用外部AI模型进行处理。初始尝试使用Anthropic的Claude Opus 4.6，若遭拒绝则按预设顺序切换至Moonshot AI的Kimi K2与Google Gemini 2.5 Flash，并持续检测各模型响应状态。

这些模型承担着双重任务：一是评估每位受害者的整体财务价值，二是对潜在收益进行量化排名；同时，还可辅助判断目标系统的安全防御强度，以优化后续攻击路径选择。

借助顶尖大模型的算力支持，攻击者得以高效完成海量数据的智能筛选，大幅减少人工干预成本，实现规模化、高精度的目标打击，彻底改变传统网络犯罪依赖低效试错的模式。

随着具备自我评估能力的恶意软件日益普及，拥有数字资产的用户面临前所未有的风险。建立实时监控机制，强化终端防护能力，已成为应对新型智能威胁的关键举措。