本文针对现代Web应用的黑盒漏洞扫描面临的挑战展开研究。现代Web应用具有复杂性、动态性及对第三方组件的依赖，使得漏洞检测愈发困难。作者指出黑盒扫描的两个关键难点：一是实现深度渗透需要模拟用户交互和异步行为（如点击、表单提交、AJAX请求）；二是检测存储型XSS等复杂注入攻击需要发现页面间的数据依赖关系。基于这些挑战，论文提出了三个核心支柱：导航建模（正确描述应用状态和转换）、遍历（高效探索状态空间）以及跟踪跨状态依赖（捕获数据在页面间的流动）。以往工作通常只关注其中一个方面，而本文提出的Black Widow方法则综合了这三者，实现了一种数据驱动的黑盒爬虫与扫描框架。Black Widow通过动态分析页面中的表格、链接、表单等元素，自动构建导航模型，并利用依赖跟踪机制识别从用户输入到输出之间的数据流，从而有效发现存储型XSS漏洞。实验表明，在多个真实Web应用上，Black Widow的代码覆盖率相比其他爬虫提升了63%至280%；在漏洞发现方面，零误报且比现有方法发现了更多的XSS漏洞。此外，在旧版应用上，Black Widow也发现了被其他方法遗漏的漏洞，并在生产环境的软件（如HotCRP、osCommerce、PrestaShop和WordPress）中发现了新漏洞。本文适合Web安全研究人员、渗透测试工具开发者以及关注自动化漏洞检测的读者阅读。