该论文聚焦于Web应用指纹识别技术的性能评估与改进。现有指纹识别方法常因网站技术栈的动态变化（如版本更新、插件安装）而导致识别准确率下降，称为“模糊指纹”。作者首先系统性地测量了多种主流指纹识别工具（如Wappalyzer、WhatWeb等）在真实网站上的表现，揭示了因缓存、异步加载、动态内容等导致的误报和漏报问题。随后，提出了一种基于多线索融合的改进方案，通过结合HTTP头、DOM特征、JavaScript对象、特定路径资源等多个维度的信息，并利用自适应权重调整算法，显著提升了识别的稳健性和准确性。实验在Alexa Top 10,000网站上进行验证，结果表明该方法在保持低计算开销的同时，将平均准确率从78%提升至94%。该研究为安全研究人员和Web开发者提供了更可靠的指纹识别方法，可用于资产发现、漏洞评估和攻击面分析等场景。