基于數(shù)字指紋的C程序克隆檢測(cè)技術(shù)的研究.pdf

1、隨著科技的發(fā)展和自動(dòng)化教育水平的不斷提高，涉及編寫代碼的地方越來(lái)越多。其中，作為培養(yǎng)軟件開(kāi)發(fā)人員搖籃的各個(gè)高校也紛紛開(kāi)設(shè)了一系列編寫代碼的課程。由于電子文檔易于復(fù)制的特性，如何減少或者防止文檔拷貝、文檔克隆現(xiàn)象的發(fā)生，一直都是教師們最為關(guān)心的問(wèn)題，因而也就成為了科研人員的研究熱點(diǎn)。為了能夠合理、有效的檢驗(yàn)學(xué)生對(duì)編程課的態(tài)度以及在課上的真實(shí)收獲，就迫切需要一種能夠檢測(cè)代碼相似度的工具來(lái)判斷學(xué)生代碼間是否存在抄襲。
　　 本文首先分

2、析和研究了國(guó)內(nèi)外現(xiàn)有的程序克隆檢測(cè)技術(shù)，為了解決在代碼相似度檢測(cè)過(guò)程中對(duì)比雙方源代碼特征不明顯從而導(dǎo)致特征選取效果不佳的問(wèn)題，提出一種基于數(shù)字指紋的C程序克隆檢測(cè)方法。該方法主要包含如下六個(gè)步驟：①將對(duì)比雙方的源代碼進(jìn)行預(yù)處理，即刪除雙方源代碼中注釋、宏命令等與代碼語(yǔ)義無(wú)關(guān)的內(nèi)容；②將預(yù)處理后的雙方代碼進(jìn)行分詞，即將代碼中相鄰的不同類型的詞之間加上空格；③將分詞過(guò)后的雙方代碼進(jìn)行格式化，即將代碼中所含關(guān)鍵詞中表征數(shù)據(jù)類型的詞和標(biāo)識(shí)符分別

3、用一個(gè)形式化的詞進(jìn)行替換，并刪除相鄰詞與詞之間的間隔符，形成格式化代碼串；④將雙方的格式化代碼串利用數(shù)字指紋技術(shù)轉(zhuǎn)化成一系列的數(shù)值，形成數(shù)值序列；⑤首先從雙方數(shù)值序列中去除已訓(xùn)練好的無(wú)效數(shù)值，然后從有效數(shù)值中使用最小Hash法選取出代表雙方代碼的數(shù)字指紋序列；⑥將對(duì)比程序雙方數(shù)字指紋序列之間的相似度值來(lái)表征雙方源程序之間的相似程度，從而判斷出源程序?qū)χg是否存在抄襲。
　　 事實(shí)上，上述的基于數(shù)字指紋的C程序克隆檢測(cè)方法是在仔細(xì)