程序代碼相似性度量方法研究.pdf

1、計(jì)算機(jī)信息技術(shù)的飛速發(fā)展，使得資源的獲取和使用也變得更加的快捷方便。但與此同時(shí)，信息資源之間的抄襲也變得越來(lái)越簡(jiǎn)單和難以防范。例如在計(jì)算機(jī)的程序設(shè)計(jì)類課程中，進(jìn)行程序作業(yè)完成提交及在線測(cè)試時(shí)，學(xué)生之間進(jìn)行彼此抄襲的現(xiàn)象非常的普遍。這種現(xiàn)象嚴(yán)重影響了教學(xué)質(zhì)量、制約了學(xué)生素質(zhì)的提高發(fā)展，更加無(wú)法確保考核的公平公正性。此外，在軟件商業(yè)領(lǐng)域中，軟件產(chǎn)品發(fā)生版權(quán)爭(zhēng)端的事件也時(shí)有發(fā)生。對(duì)程序代碼相似性度量方法及其應(yīng)用的進(jìn)一步深入高效研究，將在很大程

2、度上扼制在程序設(shè)計(jì)類課程中存在的普遍的抄襲現(xiàn)象，加大對(duì)軟件商業(yè)領(lǐng)域中軟件產(chǎn)品的知識(shí)產(chǎn)權(quán)保護(hù)力度。
　　本文分析了目前國(guó)內(nèi)外在程序相似性度量領(lǐng)域的相關(guān)研究，對(duì)常用的相似性度量檢測(cè)方法做了綜合的對(duì)比分析。并在此基礎(chǔ)上對(duì)程序代碼相似性度量方法進(jìn)行了以下的相關(guān)研究。首先，對(duì)于傳統(tǒng)字符串匹配算法GST算法在進(jìn)行串匹配時(shí)需要逐個(gè)比較串的每個(gè)字符、造成時(shí)間復(fù)雜度相對(duì)較大的問(wèn)題，提出了一種基于Java多線程并行匹配的設(shè)計(jì)方式，以此對(duì)GST算法的匹

3、配過(guò)程進(jìn)行了改進(jìn)，有效的提高了算法進(jìn)行匹配檢測(cè)的時(shí)間效率;然后，針對(duì)GST算法時(shí)間復(fù)雜度和參加檢測(cè)匹配的字符串長(zhǎng)度成正比的特點(diǎn)，對(duì)能夠代表程序語(yǔ)義結(jié)構(gòu)的token序列，提出一種設(shè)計(jì)思想:在對(duì)其語(yǔ)義沒(méi)有影響的條件下對(duì)其長(zhǎng)度進(jìn)行縮短，可以進(jìn)一步降低匹配的時(shí)間復(fù)雜度;最后，針對(duì)利用工具生成抽象語(yǔ)法樹時(shí)會(huì)包含大量的冗余信息，容易造成資源的極大浪費(fèi)的問(wèn)題，設(shè)計(jì)并實(shí)現(xiàn)了一種構(gòu)造抽象語(yǔ)法樹的算法，該算法通過(guò)先創(chuàng)建父節(jié)點(diǎn)后創(chuàng)建子節(jié)點(diǎn)，再將其關(guān)聯(lián)的方式，

4、將程序中類、方法等體現(xiàn)程序語(yǔ)義結(jié)構(gòu)的有用信息進(jìn)行抽象語(yǔ)法樹的構(gòu)造，并且設(shè)計(jì)了類信息表和方法信息表進(jìn)行數(shù)據(jù)的存儲(chǔ)和更新，方便數(shù)據(jù)的使用。通過(guò)抽象語(yǔ)法樹的算法設(shè)計(jì)，在構(gòu)造生成語(yǔ)法樹后，可以遍歷解析語(yǔ)法樹使其生成能夠表示程序語(yǔ)義結(jié)構(gòu)的token序列串，再結(jié)合改進(jìn)的字符串匹配算法GST進(jìn)行相似度的計(jì)算，得到最終的相似性度量分析結(jié)果。
　　根據(jù)上述的方法理論，本文設(shè)計(jì)并且實(shí)現(xiàn)了一個(gè)基于Java語(yǔ)言的程序代碼相似度檢測(cè)系統(tǒng)，該系統(tǒng)可以計(jì)算源程