该论文针对Web环境中JavaScript反调试技术（Anti-Debugging Techniques）被恶意网站广泛使用以阻碍动态分析的问题，提出了一种自动化检测与分类方法。作者首先对Alexa Top 100万网站进行了大规模爬取，收集了网页中内联脚本和外部脚本，并设计了一套基于静态特征与动态执行相结合的检测框架。该框架通过识别调试器API调用（如debugger语句、console调试方法、定时器干扰等）、控制流混淆模式以及异常执行流程来判定脚本是否包含反调试逻辑。针对检测到的样本，作者进一步开发了细粒度分类器，将反调试技术划分为基于调试器检测、基于时间差异、基于代码执行环境等不同类别。实验结果表明，在收集的约2000万段脚本中，有相当比例的网站至少包含一种反调试技术，且这些技术多集中在恶意软件分发、广告欺诈和钓鱼页面中。论文还评估了现有浏览器防检测机制的不足，并讨论了潜在的对抗策略。该研究为蓝队人员理解恶意脚本的规避行为提供了系统性视角，也为设计更健壮的动态分析沙箱和自动化爬虫提供了参考依据。由于本文仅为摘要，具体数据细节和实验参数需查阅全文。