程序代碼復(fù)制檢測(cè)中特征串提取技術(shù)研究.pdf

1、復(fù)制檢測(cè)技術(shù)在信息時(shí)代得到非常廣泛的應(yīng)用，尤其在計(jì)算機(jī)程序設(shè)計(jì)方面。復(fù)制檢測(cè)又為兩類(lèi)：一類(lèi)是形式化語(yǔ)言文本(如：計(jì)算機(jī)程序代碼等)復(fù)制檢測(cè)，另一類(lèi)是自然語(yǔ)言文本復(fù)制檢測(cè)。程序代碼復(fù)制檢測(cè)就是判斷一個(gè)程序的代碼是否抄襲、剽竊或復(fù)制于另外一個(gè)或多個(gè)程序，其核心是代碼相似度計(jì)算。 在計(jì)算程序間相似度時(shí)，首先需要提取程序段的特征值，即能夠代表該程序內(nèi)容和結(jié)構(gòu)的基本語(yǔ)言單位。然后對(duì)提取出的待比較程序的特征值進(jìn)行比較，根據(jù)比較結(jié)果判斷程序問(wèn)

2、的相似程度，即計(jì)算相似度。在這個(gè)過(guò)程中，特征值的提取至關(guān)重要，特征值的好壞直接影響比較結(jié)果的準(zhǔn)確性。本文主要是對(duì)特征值提取技術(shù)的研究。 本文首先介紹了有關(guān)程序代碼相似度檢測(cè)技術(shù)，包括程序代碼相似度的定義與檢測(cè)技術(shù)分類(lèi)，國(guó)內(nèi)外研究發(fā)展的現(xiàn)狀以及現(xiàn)有的程序代碼相似度判別系統(tǒng)的相關(guān)介紹。然后對(duì)程序代碼相似度檢測(cè)過(guò)程中特征值提取技術(shù)進(jìn)行了介紹。 在現(xiàn)有的程序代碼相似度判別系統(tǒng)中，多是采用的基于字符串比較的方法，首先把待比較程序經(jīng)

3、過(guò)分詞轉(zhuǎn)換得到特征字符串，然后再對(duì)字符串進(jìn)行相似度比較。這樣的字符串包含程序結(jié)構(gòu)信息少，會(huì)影響比較結(jié)果的準(zhǔn)確性。本文主要研究如何把程序轉(zhuǎn)換為包含更多結(jié)構(gòu)信息的結(jié)構(gòu)串，為下一步比較提供更好的依據(jù)。 本研究設(shè)計(jì)的生成結(jié)構(gòu)串的方法主要分三步完成：第一步，制定語(yǔ)言的詞法規(guī)則和語(yǔ)法規(guī)則，為后續(xù)對(duì)程序源代碼的分析轉(zhuǎn)換提供依據(jù)；第二步，生成詞法分析器和語(yǔ)法分析器；第三步，使用詞法分析器和語(yǔ)法分析器對(duì)程序源代碼進(jìn)行分析，生成相應(yīng)的樹(shù)形結(jié)構(gòu)串。