基于DFA與特征量化的代碼相似度可視化檢測(cè)系統(tǒng)的研究.pdf

1、近年來(lái)，程序抄襲現(xiàn)象普遍存在，不僅在高校的計(jì)算機(jī)相關(guān)課程中影響了教學(xué)質(zhì)量，還給商業(yè)軟件的開發(fā)帶來(lái)了軟件著作權(quán)的糾紛問題。針對(duì)程序抄襲問題，已出現(xiàn)不少程序代碼相似度檢測(cè)的相關(guān)研究，由早期的檢測(cè)精度較低屬性計(jì)數(shù)法不斷發(fā)展，目前主要的檢測(cè)方法是采用了結(jié)構(gòu)度量技術(shù)中的字符串匹配算法，其中最受歡迎的是使用標(biāo)記（token）表示代碼的字符串匹配檢測(cè)?，F(xiàn)有的代碼相似度檢測(cè)方法雖然使用標(biāo)記對(duì)代碼進(jìn)行先轉(zhuǎn)換再匹配，但代碼的識(shí)別程度仍有提升的空間，而且方法

2、的目的主要側(cè)重于相似度數(shù)值的展示。針對(duì)現(xiàn)有方法存在的缺陷，本文提出了一種基于確定的有窮狀態(tài)自動(dòng)機(jī)(DFA)與特征量化的可視化檢測(cè)方法。為了提高代碼識(shí)別度，在詞法分析階段根據(jù)程序語(yǔ)言特征設(shè)計(jì)了單詞識(shí)別和語(yǔ)義類型識(shí)別，并將識(shí)別的單詞進(jìn)行特征量化。在代碼檢測(cè)階段，構(gòu)造用于計(jì)算代碼語(yǔ)句特征量化值的多元線性函數(shù)，為進(jìn)一步提高代碼識(shí)別度，探討了求解方程系數(shù)組的多元線性回歸數(shù)學(xué)模型。為了提高檢測(cè)準(zhǔn)確度，在匹配階段設(shè)計(jì)了兩次匹配操作，首先是代碼語(yǔ)句特征