币圈界报道：

AI驱动的网络劫掠：赛博罪犯借大模型筛选高净值目标

当前网络犯罪正经历深度转型，攻击者开始采用Anthropic的Claude、Google的Gemini及Moonshot AI的Kimi等前沿人工智能系统，对潜在受害者的财务状况进行智能评估，尤其聚焦持有加密资产的个体。这一趋势在Cisco Talos最新发布的威胁分析中被重点揭示。

恶意软件升级：以AI为核心筛选高收益目标

Cisco Talos团队披露了一款名为VOLTA-AUTODOXER（简称VOLTA）的新型Windows后门程序。不同于传统窃密工具仅提取账户密码或登录凭证，该恶意软件具备基于人工智能的数据分析能力，能对窃取信息进行深度分类与优先级排序，以识别最具经济价值的攻击对象。

其核心功能之一是捕获加密货币钱包的关键数据，包括助记词与私钥存储路径，从而实现对数字资产的直接控制。此外，该程序可主动扫描本地存储的钱包文件，显著提高对未加密钱包用户的威胁等级。

除加密资产外，该恶意软件还能采集多种敏感信息，如浏览器保存的账号密码、信用卡记录、身份验证令牌以及邮件登录凭据。它还支持拦截Telegram、Discord、Steam和Roblox等平台的实时会话内容，扩大情报获取范围。

多源数据融合构建精准用户画像

VOLTA具备从Outlook邮箱、Slack协作空间及其他本地文件中提取个人与工作相关资料的能力。更进一步，它会搜索来自Amazon、PayPal、Walmart、DoorDash和Uber Eats等平台的电子账单与订单确认信息，构建涵盖身份背景、居住地址、职业状态与消费偏好的完整行为图谱。

完成数据聚合后，受感染设备将通过OpenRouter接口连接至外部AI服务。初始尝试调用Anthropic Claude Opus 4.6进行处理；若遭拒，则按预设顺序依次切换至Moonshot AI Kimi K2与Google Gemini 2.5 Flash，并动态检测各模型响应状态。

这些大模型承担着关键任务——对每位受害者进行财务价值评分，划分潜在收益层级，并评估其网络安全防御强度，以便攻击者制定后续入侵策略。借助这种自动化流程，攻击者可高效从海量被盗数据中筛选出最优目标，大幅提升作案效率与成功率。

随着人工智能深度嵌入攻击链路，针对高价值加密钱包的定向打击已进入规模化、智能化阶段。用户必须强化实时监控机制，及时感知异常活动，方能在不断演变的数字威胁环境中守住资产防线。