一种基于静态词法树程序相似性检测方法.docVIP

一种基于静态词法树的程序相似性检测方法 　　 (北京航空航天大学 软件工程研究所, 北京 100083) 　　 　　摘 要： 　　传统的程序相似性检测工具并不能有效地检测出一些常见的高级词法、语义理解变换的抄袭方式。首先归纳了学生常用的三类抄袭手段，然后给出了基于词法树的程序相似性检测方法。以C语言为例，总结了生成词法树的结构体，并对程序的词法树进行主数据流、结构控制流和时序流分析后得出结构体依赖图；使用形式化的图同型方法来判断代码是否相似，还给出了一个聚类方法以获得彼此相似的程序子集。通过与JPlag、BuaaSim系统针对一组典型的抄袭样本集进行评测结果对比，本方法具有更好的检测效果。 　　关键词：抄袭； 相似性检测； 词法树； 形式化； 聚类 　　中图分类号：TP311文献标志码：A 　　文章编号：1001-?B3695(2009)04-?B1316-?B04 　　 　　Program similarity detection approach based on static lexical tree 　　XIONG Hao, YAN Hai-hua, HE Jian-ying, ZHAO Chang-hai 　　 (Software Engineering Institute, Beihang University, Beijing 100083, China) 　　 　　Abstract: 　　Traditional detecting tools for program similarity can not detect some modification strategies effectively, such as senior lexical transform, and semantic rewriting. This paper concluded the three plagiarism methods that were often used by students first. Described a detection approach program similarity based on lexical tree. Taking C programming language for example, the article summarized the structure unit in order to generate lexical tree, obtained structure unit dependence graph through the analysis of the main data sequence, structure controlling sequence, and time sequence, and proposed a formulated graph similarity method to carry out code similarity detection. Also introduced a clustering algorithm to find all groups of similar programs. By using a set of plagiarized scripts as testing programs, the evaluation result shows that the method is more effective, compared to JPlag and BuaaSim. 　　Key words：plagiarism; similarity detection; lexical tree; formalization; clustering 　　 　　当前国内外的大学教育中作业抄袭现象非常普遍[1]，在计算机专业的程序设计课程作业中，抄袭现象更加严重[2]。其主要原因是抄袭者无须对源程序进行理解，通过编辑器改变代码的外观就可达到抄袭目的。日益严重的抄袭现象势必会影响教学质量和学生本人的程序设计能力。教育工作者使用许多手段来禁止抄袭的发生，如抄袭处罚政策、针对不同的学生给出区别性作业以及奖励制度等，但这些措施都不能很好地杜绝抄袭现象的发生。传统的人工检测手段耗时费力，且检测结果的好坏与检测者经验和代码规模有很大的关系。如今已有很多的软件工具辅助教师检测代码的相似性[3~6]，但是这些检测工具只能检测出一些抄袭手段，而对于目前常用的抄袭方式，如冗余代码添加、生成新函数等抄袭方式，检测工具会因为无法消除噪声的影响而不能检测出程序抄袭。 　　?フ攵陨鲜鑫侍猓?本文提出一种程序相似