这篇论文研究的是网络安全测量研究中一个长期被忽视但影响深远的方法论问题：抽样策略如何影响测量结果的有效性与可推广性。背景是，大规模 Web 安全测量（例如统计某种漏洞、错误配置或协议实现问题的普遍程度）通常依赖 Tranco、Common Crawl 等公开域名数据集，但由于对每个域名执行深度检测（如 TLS 扫描、页面内容分析、指纹识别）成本高昂，研究者几乎不可能穷尽全量数据，只能进行抽样。然而，抽样实践在很大程度上是「约定俗成」而非「证据驱动」的：最常见做法是取排序列表中的 Top N 个域名。作者指出，这种惯例是否引入系统性偏差、是否扭曲观测到的漏洞/问题发生率、是否导致不同研究之间无法横向比较，此前缺乏系统性评估。 该工作据作者所述是首个对抽样方法如何影响测量结论的全面研究。方法上包含两部分：一是对既有 Web 安全测量文献的系统性综述，梳理社区实际使用的数据集与抽样方式；二是大规模实测，覆盖 50 万个 Tranco 主机与 2480 万个 Common Crawl 主机，对不同数据集与不同抽样策略进行对比评估，包括 Top N 确定性抽样、基于概率的抽样以及二者的混合策略。 主要结论有四点：(1) Top N 抽样虽有其合理性（例如更贴近真实用户流量、更受关注），但研究者必须清醒认识到它并不反映 Web 的整体分布，因此基于 Top N 得到的流行率/危害估计不能直接外推到全网；(2) 基于概率的抽样策略能够给出稳定且无偏的流行率估计，并且在多种「影响评估」目标上同样有效；(3) 混合抽样相对纯概率抽样没有任何优势，其确定性的前缀部分对准确度持续产生负面影响；(4) 基于上述证据，作者给出面向后续研究的可操作建议，提出采用「自适应概率抽样」策略，即使目标问题的真实流行率未知，该策略依然保持有效。论文面向的读者是从事大规模 Web 测量、安全实证研究、互联网基础设施普查的研究者与安全团队。