该论文聚焦于欺诈性电子商务网站（FCWs）的检测问题，这类网站包括虚假购物网站、虚假慈善机构和加密货币诈骗网站等，但现有安全生态系统（如反钓鱼系统）对FCWs关注不足，且缺乏大规模缓解系统和公开数据集。作者首先提出了一种通过众包自动收集FCWs的高效方法，识别出八种非钓鱼FCWs类型并提取关键特征。实验发现，Google Safe Browsing等反钓鱼系统对FCWs的检测率仅为0.46%。基于分析，作者构建了分类器BEYOND PHISH，利用手工定义的特征进行检测。通过用户研究对未见数据进行验证，系统检测率达到98.34%，误报率仅为1.34%。进一步与Palo Alto Networks及一家大型金融服务提供商合作，在人工标记的真实数据上评估，模型实现了2.46%的误报率和94.88%的检测率，展示了实际防御潜力。论文的主要贡献包括：首次系统性地定义和检测非钓鱼FCWs，提出自动收集方法，开发高效分类器，并通过业界合作验证其实际有效性。