基于抽象语法树的程序代码抄袭检测技术研究

论文摘要

抄袭是当前普遍存在的现象。近年来,该现象愈演愈烈,手段越来越隐蔽,有些人甚至对抄袭习以为常。在高等教育领域,因计算机类专业工程实践性的特点,要求众多课程围绕计算机进行实践教学与考核,而计算机上电子文本更易被复制及传播。国外有研究者曾针对澳大利亚蒙纳什(Monash)大学的程序设计类课程中程序代码抄袭现象进行调查,统计显示:高达85.4%的学生承认抄袭过他人的作业。这些问题的存在,已严重影响到学生能力的培养与教师正常教学的进行。程序代码抄袭检测技术能够高效快捷地发现有抄袭嫌疑的程序代码,有助于扼制学生不良学风的形成,保证教学质量与客观评价。本文就目前国内外现有程序代码抄袭检测技术进行了研究分析,提出了基于抽象语法树的程序代码抄袭检测方法。基本思路:借助GCC编译器为每一源程序分别构造抽象语法树,程序代码所包含的语义可以被解析至抽象语法树的各个结点中;由于抽象语法树包含许多有助于编译的细节信息,进而优化抽象语法树的结构关系,消除冗余结点,提取与程序有关的可用结点;之后进行可用结点解析,生成特征标记串文本,该标记特征串文本不再是一个线性串,而是一个含有丰富程序语义信息的结点集合;最后利用决策函数对特征标记串集进行相似性计算,完成代码检测。为了有效判定存在抄袭的程序对,还设定了相似性阈值自适应选取机制。在上述理论研究的基础上,设计并实现了一个基于抽象语法树的程序代码抄袭检测实验系统,该实验系统能够自动完成抽象语法树优化、结点解析和抄袭检测。以C语言程序代码为测试数据,并与MOSS系统的检测结果进行对比验证。实验表明,基于抽象语法树检测技术的上述试验系统,能够有效检测含有函数调用的复杂程序结构,并具有多种抄袭手段的程序代码。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究意义
• 1.2 国内外研究及现状分析
• 1.2.1 国内外研究现状
• 1.2.2 研究现状分析
• 1.3 本文的主要工作
• 1.4 本文的组织结构
• 第二章 抄袭检测相关研究
• 2.1 抄袭手段
• 2.2 抄袭检测概述
• 2.2.1 抄袭检测概念
• 2.2.2 抄袭检测技术
• 2.2.3 字符串比较算法在抄袭检测中的应用
• 2.3 现有抄袭检测系统简介
• 2.3.1 Plague 系统
• 2.3.2 YAP 系列
• 2.3.3 SIM 系统
• 2.3.4 MOSS 系统
• 2.3.5 JPlag 系统
• 2.4 小结
• 第三章 基于抽象语法树的抄袭检测
• 3.1 相关介绍
• 3.1.1 抽象语法树
• 3.1.2 GCC 简介
• 3.1.3 GCC 抽象语法树
• 3.1.4 抽象语法树结构
• 3.1.5 抽象语法树包含的静态信息
• 3.2 抄袭检测关键技术
• 3.2.1 抽象语法树相关定义
• 3.2.2 优化冗余结点
• 3.2.3 结点解析
• 3.3 标记特征串文本
• 3.4 相似性计算函数
• 3.5 阈值的选取
• 3.6 小结
• 第四章 抄袭检测实验系统
• 4.1 系统实现
• 4.1.1 基本思路
• 4.1.2 开发环境选择
• 4.1.3 系统实现
• 4.1.4 用户界面
• 4.2 关键算法
• 4.3 小结
• 第五章 实验与结果分析
• 5.1 实验数据选取
• 5.2 实验及分析
• 5.2.1 实验程序集 A 分析
• 5.2.2 实验程序集 B 分析
• 5.2.3 实验数据说明
• 5.3 小结
• 第六章 总结
• 6.1 研究工作总结
• 6.2 不足与进一步的工作
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文