检索结果-内蒙古大学图书馆

软件学报 2021年第7期32卷 2242-2259页

作者：李玫高庆马森张世琨胡文蕙张兴明高可信软件技术教育部重点实验室(北京大学) 北京100871 北京大学软件工程国家工程研究中心北京100871 北京大学软件与微电子学院北京102600 之江实验室浙江杭州311121

代码相似性检测(code similarity detection)是软件工程领域的基本任务之一,其在剽窃检测、许可证违反检测、软件复用分析以及漏洞发现等方向均起着重要作用.随着软件开源化的普及以及开源代码量的高速增长,开源代码在各个领域的应用日... 详细信息

代码相似性检测(code similarity detection)是软件工程领域的基本任务之一,其在剽窃检测、许可证违反检测、软件复用分析以及漏洞发现等方向均起着重要作用.随着软件开源化的普及以及开源代码量的高速增长,开源代码在各个领域的应用日益频繁,给传统的代码相似性检测方法带来了新的挑战.现有的一些基于词法、语法、语义的检测方法存在算法较为复杂、对解析工具有依赖性、消耗资源高、可移植性差、候选对比项数量较多等问题,在大规模代码库上有一定的局限性.基于相似哈希(simhash)指纹的代码相似性检测算法将代码降维至1个指纹,能够在数据集规模较大的情况下实现快速相似文件检索,并通过海明距离阈值控制匹配结果的相似度范围.通过实验对现有的基于代码行粒度的相似哈希算法进行验证,发现其在大规模数据集下存在行覆盖问题,即高频行特征对低频行特征的覆盖现象,导致结果精确度较低.受TF-IDF算法思想启发,针对上述问题创新性地提出了分语言行筛选优化方法,通过各种语言的行筛选器对代码文件行序列进行筛选,从而消除高频出现但语义信息包含较少的行对结果的影响.对改进前后方法进行一系列对比实验,结果表明,改进后的方法在海明距离阈值为0~8的情况下都能够实现高精确度的相似文件对检索,当阈值为8时在两个数据集下的精确度较改进前的方法分别提升了98.6%和52.2%.在所建立的130万个开源项目、386486112个项目文件的大规模代码库上进行了实验,结果表明所提方法能够快速检测出待测文件的相似文件结果,平均单个文件检测时间为0.43s,并取得了97%以上的检测精度.

关键词：代码相似性检测代码同源分析大数据相似哈希代码指纹生成

来源：评论

学校读者我要写书评

暂无评论

代码相似性检测算法研究及其在教学管理系统的应用

代码相似性检测算法研究及其在教学管理系统的应用

引用

作者：张恒华华南理工大学

学位级别：硕士

在互联网和人工智能快速发展的大背景下,学生可以轻松获取到大量开源代码,抄袭代码的成本极大地降低。同时,在线教育和自主学习等新型教育模式的兴起,也使得学生更加容易陷入抄袭的陷阱。面对学生代码抄袭的普遍现象,快捷、有效的代码... 详细信息

在互联网和人工智能快速发展的大背景下,学生可以轻松获取到大量开源代码,抄袭代码的成本极大地降低。同时,在线教育和自主学习等新型教育模式的兴起,也使得学生更加容易陷入抄袭的陷阱。面对学生代码抄袭的普遍现象,快捷、有效的代码抄袭检测方法显得尤为重要。然而,面对不同复杂程度的代码混淆手段,传统的代码抄袭检测方法存在无法检测混淆程度高的抄袭代码、无法识别代码语义相似性等不足。本文针对教学管理系统中程序设计课程的代码抄袭检测实际需求,调研了学术界现有的代码相似性检测算法,旨在提出一种代码抄袭检测算法解决传统算法局限性,并将其应用于教学管理系统中。本文的主要工作和创新点如下: (1)本文总结和分析学生在程序设计课程中为规避代码抄袭检测而使用的混淆手段,并针对这些混淆手段构建了一个基于Java编程语言的代码抄袭数据集Java Plagiarism。 (2)本文通过综合多种代码表示学习方法,提出了一种基于混合特征的深度学习代码相似性检测算法。该算法通过融合基于树和基于图的代码表示学习算法,生成代码的语法和语义的特征向量,并通过向量连接组合语法和语义特征计算代码的相似度。为验证算法性能,本文在代码抄袭数据集Java Plagiarism和公开的代码克隆检测数据集上进行了实验,实验结果表明了基于混合特征的算法相对于仅有语法或语义特征算法的优越性。 (3)针对教师对学生代码抄袭检测的需求,本文设计并实现了一个代码抄袭检测系统Code Detection,Code Detection搭载了本文提出的算法模型,为教师提供代码抄袭检测服务。针对程序设计课程教学过程的实际需求,本文在教学管理系统Sunflower上进行系统重构和功能扩展,以保证程序设计课程在Sunflower系统的正常教学活动。同时,针对Sunflower系统自动评测学生编程作业的需求,在调研企业级在线评测系统相关技术的基础上,设计并实现了在线评测(Online Judge,OJ)系统,并将其集成到Sunflower系统中。在系统测试中,Code Detection系统检测出了传统代码抄袭检测方法无法识别高混淆代码抄袭对,并以每秒检测124.6个代码对的速度为教师提供抄袭检测服务,体现了本文提出算法的有效性和并发性。

关键词：代码相似性检测代码抄袭检测教学管理系统在线评测

来源：评论

学校读者我要写书评

暂无评论

代码相似性检测技术的方法研究

代码相似性检测技术的方法研究

引用

作者：谢逸凡北京邮电大学

学位级别：硕士

近年来,随着计算机技术的高速发展,内容和软件抄袭的机会也随之增加。这种未经批准的重复利用不仅会导致学术界难以保持高标准的学术研究,而且也会使企业面临产品含未授权内容的法律风险以及知识产权的破坏。代码相似性检测是一项应用... 详细信息

近年来,随着计算机技术的高速发展,内容和软件抄袭的机会也随之增加。这种未经批准的重复利用不仅会导致学术界难以保持高标准的学术研究,而且也会使企业面临产品含未授权内容的法律风险以及知识产权的破坏。代码相似性检测是一项应用范围广泛的技术,从学校和教育的角度来说,可以用于学生代码作业的抄袭和查重检测,从企业和公司利益的角度来说,可以用于知识产权的保护和信息检索。因此,近年来出现了不少代码相似性检测的相关研究方法,这些研究方法都取得了一定的效果,能够检测出不同类型的抄袭手段,但是由于这些方法各自存在一些缺陷,例如考虑的代码语法语义信息较少,或者检测的效率过低等。所以,如何准确且高效地检测出相似性代码,仍是一个具有挑战性的问题。本文在分析与调研代码相似性检测技术的国内外最新研究的基础上,围绕代码相似性检测技术进行研究,主要完成的研究工作如下:1)针对代码度量表示方法研究中的问题,提出了一种改进的高效代码度量表示方法,该方法结合了两种不同的结构表示方法,并且在检测精度和算法执行时间上都有所提升。2)针对现有无监督聚类方法研究中的不足,提出了一种改进的代码相似性检测思路,该思路在上一个研究工作的基础上,引入了不同特点的无监督聚类算法,该思路在聚类效果和执行时间上相对以往的研究有所提升;3)提出了一种改进的基于图神经网络模型的相似性检测方法,该方法结合了二进制代码的树编辑距离和bug签名等技术,在多个检测任务上的指标相对之前研究中的模型都有所提升;

关键词：代码相似性检测代码度量方法无监督聚类算法图神经网络模型

来源：评论

学校读者我要写书评

暂无评论

二进制代码相似性检测技术综述

引用

计算机科学 2021年第5期48卷 1-8页

作者：方磊武泽慧魏强信息工程大学数学工程与先进计算国家重点实验室郑州450001

代码相似性检测常用于代码预测、知识产权保护和漏洞搜索等领域,可分为源代码相似性检测和二进制代码相似性检测。软件的源代码通常难以获得,因此针对二进制代码的相似性检测技术能够适用的场景更加广泛,学术界也先后提出了多种检测技术... 详细信息

代码相似性检测常用于代码预测、知识产权保护和漏洞搜索等领域,可分为源代码相似性检测和二进制代码相似性检测。软件的源代码通常难以获得,因此针对二进制代码的相似性检测技术能够适用的场景更加广泛,学术界也先后提出了多种检测技术,文中对近年来该领域的研究进行了综述。首先总结代码相似性检测的基本流程和需要解决的难题(如跨编译器、跨编译器优化配置、跨指令架构检测);然后根据关注的代码信息的不同,将当前的二进制代码相似性检测技术分为4类,即基于文本的、基于属性度量的、基于程序逻辑的和基于语义的检测技术,并列举了部分代表性方法和工具(如Karta,discovRE,Ge-nius,Gemini,SAFE等);最后根据发展脉络和最新研究成果,对该领域的发展方向进行了分析和论述。

关键词：软件安全二进制程序代码相似性检测

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制神经网络的跨类代码相似性检测

基于注意力机制神经网络的跨类代码相似性检测

引用

作者：袁威华中科技大学

学位级别：硕士

代码相似性检测一直是代码研究领域中一个重要的课题。它在许多其它相关领域有着重要的作用,如恶意代码检测,代码克隆,漏洞搜索等。现代代码检测的目标可以大致分为两类:一类是源代码,另一类是二进制代码。在现有的代码研究中,对于某一... 详细信息

代码相似性检测一直是代码研究领域中一个重要的课题。它在许多其它相关领域有着重要的作用,如恶意代码检测,代码克隆,漏洞搜索等。现代代码检测的目标可以大致分为两类:一类是源代码,另一类是二进制代码。在现有的代码研究中,对于某一种或者某一类语言的相似性研究比较普遍,但是针对这两类代码之间的相似性检测却很少。然而在逆向分析、漏洞检测、版权分析、编译器安全分析等安全应用中,这种检测有着重要的作用,因此对于这类检测的研究是有意义且有必要的。为了下文方便描述,本文称这类方法为跨类代码的相似性检测。本文设计并实现了一个针对源代码与二进制跨类代码相似性检测系统。这个系统可以在函数级别检测源代码与二进制代码的功能相似性。整个系统分为三个部分:第一部分是对源代码进行处理,通过预处理、词法分析以及部分语法分析,将源函数转化为用于相似性比较的特征形式;第二部分是对二进制代码进行处理,通过IDA pro以及IDA Python脚本,对二进制代码进行处理,提取二进制函数中对应的特征信息;第三部分设计了一个基于图注意神经网络的图序列神经网络GSN(Graph Sequence Network),通过将前两个部分处理得到的数据输入进行学习,最终得到一个可用于计算源代码函数与二进制代码函数相似性的模型。并且,在验证一些常见的实验指标外,本文还针对实际应用场景设计了一个具有实际意义的实验对系统的有效性进行了进一步的验证。实验结果表明,本文设计的特征和模型在跨类代码相似性比较中能够达到96%的AUC准确率,在Top-K测试中,也能达到55%的Top-10准确率。与其它一些代码相似性比较方法相比,也有着明显的提升。

关键词：代码相似性检测控制流图图注意神经网络

来源：评论

学校读者我要写书评

暂无评论

基于图嵌入表示的二进制代码相似性检测算法研究

基于图嵌入表示的二进制代码相似性检测算法研究

引用

作者：李冬冬哈尔滨理工大学

学位级别：硕士

二进制代码相似性检测旨在检测来自不同平台、不同编译器、不同优化选项的两个二进制函数是否相似。它在网络安全和知识产权保护方面有着众多应用,例如物联网设备漏洞检测、恶意软件分析、代码抄袭等问题。已有的检测方法一部分依赖于... 详细信息

二进制代码相似性检测旨在检测来自不同平台、不同编译器、不同优化选项的两个二进制函数是否相似。它在网络安全和知识产权保护方面有着众多应用,例如物联网设备漏洞检测、恶意软件分析、代码抄袭等问题。已有的检测方法一部分依赖于图匹配算法,这类方法时间复杂度高且难以适应新任务;另一部分是基于神经网络的图嵌入检测算法,它利用神经网络将二进制函数表示成特征嵌入向量,通过向量间的数值计算来检测相似度。这类方法在生成特征嵌入向量时没有考虑邻居节点的重要性差异,降低了特征表示的准确性,并且在计算向量相似度时使用固定距离度量,导致最终的检测效果不甚理想。针对上述问题,本文提出了两点改进方法,具体改进如下。为了考虑邻居节点之间的重要性差异,本文提出了基于图注意力网络(graph attention networks,GAT)的图嵌入生成网络,相较于传统的structure2vec图嵌入生成网络,图注意力网络通过注意力机制学习不同节点之间的相互权重系数,从而能够在进行节点特征学习的过程中依据邻居的权重系数进行学习,最终更精确的描述节点的特征信息。为了增强距离度量自适应性,进行距离度量学习,本文提出利用多层感知机(multi-layer perception,MLP)神经网络来对二进制函数进行相似度学习。神经网络的输入为一对二进制函数的特征融合,经过神经网络的学习后得到两个二进制函数之间的关系评分,用关系评分来表示两个二进制函数的相似度。综合上述两点改进方法,本文提出了一种新的基于图嵌入表示的二进制代码相似性检测算法Code Sim＿new。实验表明,这种新的二进制代码相似性检测算法在检测性能和准确性上要优于已有的检测算法。

关键词：代码相似性检测图嵌入生成网络图注意力网络距离度量学习

来源：评论

学校读者我要写书评

暂无评论

基于Token和控制流图的Python代码相似性检测

基于Token和控制流图的Python代码相似性检测

引用

作者：李正哈尔滨理工大学

学位级别：硕士

随着互联网技术和开源精神的不断发展,代码复用或源代码抄袭也变得越来越触手可得。人们可以通过开源平台、博客、网络等途径,复制或修改他人的源代码。在带来便利的同时,也产生了一系列的问题。源代码相似性检测技术的研究也在此背景... 详细信息

随着互联网技术和开源精神的不断发展,代码复用或源代码抄袭也变得越来越触手可得。人们可以通过开源平台、博客、网络等途径,复制或修改他人的源代码。在带来便利的同时,也产生了一系列的问题。源代码相似性检测技术的研究也在此背景下也不断深入,新的技术也不断地在应用在代码相似性检测领域。目前在代码相似性检测领域主要有四种主流方向,分别是属性计数、基于Token、语法树和图的方法。虽然方法众多,但是每种方法都存在一定的局限性,难以应对相似性检测过程中的种种问题。本文中重点研究Python源代码的相似性检测问题,提出了一种融合了Token和控制流图的Python代码相似性检测方法。首先,对源代码进行预处理,形成Token序列后,利用Sim Hash算法形成文档指纹,通过对比指纹的汉明距离来判定相似程度。然而该方法在应对变量名称修改、冗余代码插入的情况,效果并不明显。若在未得出结果的情况下,在后续检测中,利用控制流图的方法进行相似度计算。利用Python中的抽象语法树模块,对源码进行解析构造,形成控制流图。通过对图的编码、传播和聚合形成图嵌入向量,并利用具有注意力机制的图匹配网络计算图嵌入向量的相似程度,最终得到两份源码的相似性。在实验中,分别对比图匹配网络和传统图相似性计算的结果,表明本文方法可以有效计算Python源代码的相似度,对软件工程和代码相似性应用领域有一定的实际意义和应用价值。

关键词：代码相似性检测 Python语言控制流图图神经网络

来源：评论

学校读者我要写书评

暂无评论

代码相似度检测算法的研究与实现

代码相似度检测算法的研究与实现

引用

作者：冯振扬华南理工大学

学位级别：硕士

代码相似度检测技术是指用某种检测算法自动对比代码间的相似度,是鉴定软件版权、判断代码抄袭的重要手段。相比传统的人工检测,代码相似度检测技术不但可以更为快速、高效和准确地计算代码相似度、定位抄袭部分,并能有效抵抗一些复杂... 详细信息

代码相似度检测技术是指用某种检测算法自动对比代码间的相似度,是鉴定软件版权、判断代码抄袭的重要手段。相比传统的人工检测,代码相似度检测技术不但可以更为快速、高效和准确地计算代码相似度、定位抄袭部分,并能有效抵抗一些复杂的抄袭手段,如替换变量名称和改变语句顺序等。本文在总结各种代码相似度检测的标准和技术的基础上,分别将指纹生成算法和字符串比对算法应用于相似度检测,主要贡献如下:一、给出了一种基于Smith-Waterman算法的代码相似检测算法。该算法根据代码的结构性特点,对Smith-Waterman算法做出了改进,包括代码标记化,根据函数作用域划分代码,定义罚分标准等。二、给出了一种基于Winnowing算法的代码相似检测算法。与一般的文本指纹不同,该算法不直接对代码文本生成指纹,而是先将代码转化成标志序列再生成相应的指纹,再通过对比指纹得出代码相似度。三、给出了上述两种算法的基于共享内存模型的并行化方案。其中对基于Smith-Waterman算法的代码相似检测,实现了数据并行的算法。对基于Winnowing算法的代码相似检测,实现了任务并行的算法。最后用不同的实验程序集对JPLag和本文实现的两种代码相似度检测算法进行测试和比较,结果表明本文实现的两种相似度检测系统对各种代码抄袭手段有着良好的检测效果,并在改变语句顺序和函数定义顺序的检测上优于JPLag。

关键词：代码相似性检测 Winnowing算法 Smith-Waterman算法并行化

来源：评论

学校读者我要写书评

暂无评论

基于代码相似性的测试用例重用及生成方法

引用

计算机工程与设计 2023年第10期44卷 2950-2955页

作者：刘巧韵杨秋辉洪玫刘美英刘盈盈四川大学计算机学院四川成都610065

为在测试用例自动化生成中有效利用现有用例信息,降低测试用例生成成本,提高生成效率,提出一种基于代码相似性的测试用例重用及生成方法。设计基于文本和度量的被测代码相似性检测方法,分别从语法和语义上检测并划分相似类型;针对不同... 详细信息

为在测试用例自动化生成中有效利用现有用例信息,降低测试用例生成成本,提高生成效率,提出一种基于代码相似性的测试用例重用及生成方法。设计基于文本和度量的被测代码相似性检测方法,分别从语法和语义上检测并划分相似类型;针对不同相似类型,采用更名重用和补充重用生成测试用例。将代码相似性应用于测试用例生成,综合考虑代码的语法、语义等多维相似信息,提升代码相似性检测的准确性,能更有效运用重用技术提升测试用例生成效率。实验结果表明,所提方法具有更高的重用召回率和重用精度,在相同时间成本下生成的测试用例覆盖率更高。

关键词：单元测试测试用例自动化生成测试用例重用代码相似性检测代码克隆语法相似性语义相似性

来源：评论

学校读者我要写书评

暂无评论

基于图嵌入的代码相似性度量

引用

计算机科学 2022年第S2期49卷 801-806页

作者：梁瑶谢春丽王文捷江苏师范大学计算机科学与技术学院江苏徐州221116

近年来,代码相似性检测一直是软件工程领域的热点问题,它可以帮助代码克隆检测、代码缺陷预测等,降低软件维护成本。目前流行的代码相似性检测方法大多是借用自然语言处理方法从符号(Token)、抽象语法树(Abstract Syntax Tree,AST)等代... 详细信息

近年来,代码相似性检测一直是软件工程领域的热点问题,它可以帮助代码克隆检测、代码缺陷预测等,降低软件维护成本。目前流行的代码相似性检测方法大多是借用自然语言处理方法从符号(Token)、抽象语法树(Abstract Syntax Tree,AST)等代码表征中提取源代码的文本、语法、结构等特征信息,将其映射为连续空间的实值向量,然后通过直接计算提取特征的欧氏距离、余弦值,或通过浅层神经网络模型获得代码的相似值,这些方法取得了优于传统程序静态分析的效果。但这些方法大多数是基于源代码语法层面的检测技术,未充分利用源代码的语义信息。Doc2Vec和Word2Vec虽然能够挖掘代码的词汇语义信息,但对代码的执行语义信息无能为力,针对这一问题,提出了使用控制流程图(Control Flow Graph,CFG)来表示代码的执行语义,并使用基于随机游走(Random Walk)的图嵌入方法来学习和推理代码的语义信息,进而判断源代码的功能相似性。实验结果表明,和Doc2Vec以及Word2Vec方法相比,该模型能够较精确地检测出源代码的功能相似性,其F1值相较于Doc2Vec和Word2Vec方法分别提高了16.01%和18.72%。

关键词：控制流程图图嵌入随机游走代码相似性检测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：