软件同源性度量技术研究.pdfVIP

件同源性度量技术研究 件同源性度量技术研究 Research on Same Source Feature Measuring Research on Same Source Feature Measuring Technology of Software Technology of Software 刘欣,胡嵩 刘欣,胡嵩 北京大学计算机系 北京大学计算机系 主 题 主 题 l 件同源性度量问题研究背景 l当前软件同源性度量技术综述 l基于可执行代码特征定义的同源性度量技术 l同源性度量系统实现 软件同源性度量技术的研究背景 软件同源性度量技术的研究背景 判断某软件是否为另一软件的变体或是否有同一 作者，以以确立嫌疑人与案件之间的关联关系。 件版权保护：对软件著作权的保护不延及开发 件版权保护 软件所用的思想、处理过程、操作方法或者数学 概念等。 当前 件同源性度量技术 当前 件同源性度量技术 源代码级的同源性分析 源代码级的同源性分析 基于文本相似性的： 基于编程风格分析的： 当前 件同源性度量技术 当前 件同源性度量技术 基于文本相似性的源代码级同源性度量技术： 旨在解决文本部分复制（剽窃很少会采用完全拷贝的 方法）问题，即 定代码之间是否存在一个编辑序 列，能将代码段A变换为代码段B。 当前 件同源性度量技术 当前 件同源性度量技术 基于文本相似性的源代码级同源性度量技术： 1. 完整拷贝 2. 更改注释 3. 更改空格，重排版 4. 标识符重命名 5. 代码段更换顺序 6. 改变代码段中语句顺序 7. 改变表达式中的操作符顺序 8. 改变数据类型 9. 增加冗余语句和变量 10.替换控制结构为等价的控制结构 剽窃变换列表 当前 件同源性度量技术 当前 件同源性度量技术 基于文本相似性的源代码级同源性度量技术： 基于子串匹配的方法: H.T. Jankowitz提出。应用快 速子串匹配的Karp-Rabin算法来发现源代码之间的 相似性。基本思路是将从文档中选取一些字符串, 这些字符串被称为 指纹” （fingerprint）。然后 把指纹映射到Hash表中，一个指纹对应一个数字。 最后统计Hash表中相同的指纹数目或者比率，作为 文本相似度依据。 当前 件同源性度量技术 当前 件同源性度量技术 基于子串匹配的方法： 计算文本相似度的决策函数有很多种，最简单的两种如下: 显然，两种定义都保证了S(A，B) = S(B，A)。 当前 件同源性度量技术 当前 件同源性度量技术 基于文本相似性的源代码级同源性度量技术： 参数化匹配(Parameterized Match)方法： 由Brenda S. Baker提出，很好的解决了变量名替换使得完 全匹配失效的问题 当前 件同源性度量技术 当前 件同源性度量技术 基于文本相似性的源代码级同源性度量技术： 词频统计法： 于信息检索技术中的向量空间模型(vector space model)。这类方法首先都要统计每篇文档中各个单词的出 现次数，然后根据单词频度构成文档特征