基于數(shù)字指紋的C程序克隆檢測技術(shù)的研究.pdf

1、隨著科技的發(fā)展和自動化教育水平的不斷提高，涉及編寫代碼的地方越來越多。其中，作為培養(yǎng)軟件開發(fā)人員搖籃的各個高校也紛紛開設(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代碼相似度的工具來判斷學(xué)生代碼間是否存在抄襲。
　　 本文首先分

2、析和研究了國內(nèi)外現(xiàn)有的程序克隆檢測技術(shù)，為了解決在代碼相似度檢測過程中對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題，提出一種基于數(shù)字指紋的C程序克隆檢測方法。該方法主要包含如下六個步驟：①將對比雙方的源代碼進(jìn)行預(yù)處理，即刪除雙方源代碼中注釋、宏命令等與代碼語義無關(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)識符分別

3、用一個形式化的詞進(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將對比程序雙方數(shù)字指紋序列之間的相似度值來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程序克隆檢測方法是在仔細(xì)