Siber güvenlik dünyasında yeni bir dönüm noktası yaşanıyor: Cisco Talos araştırmacıları tarafından yakın zamanda ortaya çıkarılan 'Volta-Autodoxer' adlı kötü amaçlı yazılım, yapay zeka araçlarını kullanarak kurbanlar hakkında kapsamlı veri topluyor ve bu verileri otomatik olarak profilleme yeteneğiyle öne çıkıyor. Bu gelişme, bilgi hırsızı (infostealer) türü yazılımların kapasitesini önemli ölçüde artırarak, siber suçlulara hedeflerini daha etkin bir şekilde belirleme ve saldırılarını kişiselleştirme imkanı sunuyor. 31 Ekim 2026 Cumartesi günü Kernel Panic bültenine özel olarak paylaşılan bu araştırma, ticari büyük dil modellerinin (LLM) mevcut kötü amaçlı yazılım türlerinin yeteneklerini nasıl güçlendirdiğini gözler önüne seriyor.
Geleneksel bilgi hırsızlarının ötesine geçen Volta-Autodoxer, giriş bilgilerinden kredi kartı numaralarına, Discord oturumlarından UberEats makbuzlarına kadar geniş bir yelpazede veri toplayarak, bu bilgileri yapay zeka destekli analiz süreçlerinden geçiriyor. Bu sayede, ele geçirilen veriler arasında en yüksek değere sahip hedeflerin ve kritik bilgilerin hızla belirlenmesi mümkün hale geliyor. Cisco Talos araştırmacılarının bulguları, siber güvenlik uzmanlarını ve dijital kullanıcıları yeni nesil tehditlere karşı uyarıyor.
Volta-Autodoxer'ın Gelişmiş Veri Toplama Mekanizmaları
Volta-Autodoxer, adından da anlaşılacağı üzere, kurbanların dijital ayak izlerini derinlemesine tarayarak geniş bir veri ağı oluşturuyor. Cisco Talos güvenlik araştırmacısı Ryan Fetterman'ın açıklamalarına göre, bu kötü amaçlı yazılım, "oldukça olgun bir hırsız" olarak tanımlanıyor ve topladığı verilerle "oldukça geniş bir ağ" kuruyor. Yazılım, tarayıcılarda depolanan şifreler, Microsoft OAuth belirteçleri, çerezler, ödeme kartları ve kripto cüzdan tohum ifadeleri gibi temel bilgileri hedefliyor.
Ancak Volta'nın yetenekleri bununla sınırlı kalmıyor. Özellikle genç internet kullanıcılarını ve yoğun dijital yaşamları olan bireyleri hedef aldığı düşünülen yazılım, aktif Discord, Telegram, Steam ve Roblox oturumlarını da ele geçiriyor. İlk turda elde ettiği bulguları kullanarak ikinci ve daha derin bir tarama yapan Volta, kurbanın Gmail veya diğer merkezi hesapları üzerinden UberEats ve DoorDash gibi hizmetlerden alınan makbuzlar ve sipariş geçmişi gibi verileri inceleyerek konum ve alışkanlıklar hakkında daha eksiksiz bir profil oluşturuyor.
Giriş Bilgileri: Kullanıcı adları, şifreler, kimlik doğrulama belirteçleri. Finansal Veriler: Kredi kartı bilgileri, kripto cüzdan tohum ifadeleri. Oturum Bilgileri: Discord, Telegram, Steam, Roblox aktif oturumları. Kişisel Alışkanlıklar: Gmail, UberEats, DoorDash gibi hizmetlerden sipariş ve konum geçmişi. Tarayıcı Verileri: Çerezler, Microsoft OAuth belirteçleri.
Yapay Zeka Entegrasyonu ve Hedef Analizi Süreci
Volta-Autodoxer'ı geleneksel bilgi hırsızlarından ayıran en kritik özellik, topladığı verileri yapay zeka araçlarına besleyerek analiz ettirmesidir. Bu süreç, OpenRouter adlı bir hizmet aracılığıyla gerçekleştiriliyor ve bu hizmet, istemleri birden fazla yapay zeka sağlayıcısına gönderebiliyor. Yazılım, varsayılan olarak Anthropic'in Claude Opus 4.6 modeline istek gönderiyor.
Ancak, modelin güvenlik önlemlerinin bu tür kötü amaçlı faaliyetleri engelleme olasılığına karşı hazırlıklı olan Volta'nın geliştiricileri, Çinli açık ağırlıklı Moonshot AI Kimi K2'ye ve bu da başarısız olursa Google'ın Gemini 2.5 Flash modeline geri dönüş mekanizmaları eklemiş durumda. Saldırganlar arasında maliyet etkin ve eski nesil modelleri kullanma ile geri dönüş mekanizmaları oluşturma yaygın teknikler arasında yer alıyor. Volta'nın yaratıcıları, toplanan verileri analiz edecek LLM'ye yönelik 240 kelimelik, madde işaretleri ve numaralı listeler içeren özel bir talimat (prompt) hazırlamış.
Bu talimat, sohbet robotundan "adli istihbarat analisti gibi davranarak yapılandırılmış bir kanıt paketinden hedef değerlendirmesi yapmasını" istiyor. Sohbet robotunun, kişi hakkında bir "yönetici özeti", ne yaptıkları, "ne kadar değerli oldukları" ve "operasyonel güvenlik (opsec) özetini" üretmesi talep ediliyor. Ayrıca, sohbet robotunun "alanlar arasında bağlantı kurması", örneğin bir kişinin Wi-Fi şifresinin soyadıyla eşleşip eşleşmediğini kontrol etmesi isteniyor. Talimat, "derine in, genişleme" prensibini vurguluyor. Fetterman, istemin "açıkça kötü niyetli bir şey ima etmeyecek şekilde dikkatlice hazırlandığını" belirtiyor ancak ilk istekte model reddi olasılığına karşı yedekleme planları olduğunu da ekliyor.
Siber Güvenlik Ekosistemine Yeni Tehditler ve Etkileri
Volta-Autodoxer'ın ortaya çıkışı, siber güvenlik ekosisteminde yeni ve ciddi bir tehdit dalgasının habercisi olarak değerlendiriliyor. Son yıllarda yaşanan Snowflake bağlantılı veri ihlalleri (AT&T ve Ticketmaster dahil) ve Disney'den bir terabaytlık veri çalınması gibi büyük olayların birçoğu, bilgi hırsızları tarafından toplanan giriş bilgileri aracılığıyla gerçekleşmişti. Yüz milyonlarca kimlik bilgisinin çalınmasında kullanılan bu tür yazılımların şimdi yapay zeka ile güçlendirilmesi, saldırıların hem ölçeğini hem de etkinliğini artırıyor.
Bu yeni nesil kötü amaçlı yazılım, sadece veri çalmakla kalmıyor, aynı zamanda çalınan veriyi anlamlandırarak saldırganların en değerli hedeflere odaklanmasını sağlıyor. Bu durum, özellikle bireylerin ve kurumların maruz kalabileceği hedefli kimlik avı (phishing) ve sosyal mühendislik saldırılarının çok daha ikna edici ve başarılı olma potansiyelini yükseltiyor. Güvenlik araştırmacıları, yapay zekanın siber suç forumlarında "yapay zeka çöpü" olarak nitelendirilen düşük kaliteli içerikler üretmekten, artık kodlama görevleri ve çalınan büyük veri yığınlarını analiz etmek gibi daha sofistike işlevler için kullanıldığını giderek daha fazla keşfediyor.
Gelecek Perspektifi ve Savunma Stratejileri
Volta-Autodoxer gibi yapay zeka destekli bilgi hırsızlarının yükselişi, siber güvenlik savunma stratejilerinin acilen güncellenmesi gerektiğini gösteriyor. Cisco Talos'un yapay zeka yeteneklerini içeren hack araçlarını tanımlamak için geliştirdiği yeni CAIRN çerçevesi gibi araçlar, bu yeni tehditlerle mücadelede kritik bir rol oynayacak. Ancak, bu tür yazılımların henüz yaygın olarak kullanılıp kullanılmadığı tam olarak takip edilemese de, potansiyel tehlikesi göz ardı edilemez.
Bireysel kullanıcılar için, sahte yazılımlardan kaçınmak, güçlü ve benzersiz şifreler kullanmak, çok faktörlü kimlik doğrulamayı (MFA) etkinleştirmek ve yazılımlarını düzenli olarak güncellemek her zamankinden daha önemli hale geliyor. Kurumlar ise, yapay zeka destekli tehditleri tespit edebilecek gelişmiş güvenlik çözümlerine yatırım yapmalı, çalışanlarına düzenli siber güvenlik eğitimleri vermeli ve tehdit istihbaratını sürekli olarak takip etmelidir. Siber güvenlik alanındaki bu "silahlanma yarışı", yapay zekanın her iki tarafta da kullanılmasıyla yeni bir boyut kazanıyor ve gelecekteki dijital güvenliğimiz için sürekli adaptasyon ve yenilikçilik gerektiriyor.
