相似代码检测器

Posted 2023-02-18

【中文标题】相似代码检测器

【英文标题】：Similar code detector

【发布时间】：2012-06-10 08:36:28

【问题描述】：

我正在寻找一种可以比较源代码的相似性的工具。

我们现在有一个非常琐碎的系统，其中包含大量误报，而真正的正则很容易被埋没。

我的要求是：

相当少量的误报 良好的检测率（是的，这些是相互矛盾的） 理想情况下，输出比单个值更复杂 可用于 C (C99) 和 C++（C++03 和最佳 C++11） 仍然维护 可用于比较两个源文件 可在非交互模式下使用

编辑：

为避免混淆，以下两个代码 sn-ps 是相同的，应该这样检测：

for (int i = 0; i < 10; i++) bla;

int i; while (i < 10) bla; i++;

这里也一样：

int x = 10; y = x + 5;

int a = 10; y = a + 5;

【问题讨论】：

diff 是否满足您的某些需求？

@HighPerformanceMark LOL，不，它没有。

它看起来好像你想要一个工具来比较 2 个代码的语义相似性，而不是句法。我怀疑这是一个未解决的问题，SO 将很难为您找到满意的解决方案。我认为，正如所写的那样，您最初的问题会误导很多读者，就像它误导了我一样。我也认为你应该完全重写它，清楚地说明你对什么样的比较感兴趣。

莫斯呢？ theory.stanford.edu/~aiken/moss

【参考方案1】：

（回复迟了，但问题的相关性永远不会消失）

我遇到了类似的问题并编写了一个基于 Web 的应用程序。

https://jefferey-cave.gitlab.io/miss/

我在教 javascript 和 python，所以这些是它处理的语言。它不处理 C/C++（当前）。我很想知道 Javascript 解释器如何处理 C。

available on gitlab

---

我面临的问题是跨国际边界提交学生代码是非法的（禁止使用 MOSS），因此需要可以在本地运行的东西。实现是纯客户端浏览器。

有趣的是，我认为它可能以独特的方式满足您的“低误报”标准。分配之间总是存在一些相似性，但使用一种独特的技术来识别“开始看起来可疑”的点。

我发现它在确定课堂中的团队动态（谁与谁一起工作/学习）方面更有用。

它有一些有趣的实时图形，因此在本科生提交第一份作业后展示给他们很有用。第一个作业总是有高度的相似性，所以现场展示它没有坏处（提交名称匿名）。

我总是讲述我认为（严重和公然）作弊的学生的故事。他们的工作与另一个学生非常独特的答案非常相似。将该学生的作业与班上其他人的作业进行比较表明，与班上其他人相比，没有显着相似性。它远低于“有趣”的门槛。这导致了对提交的更深入的调查......原来有一个教程，并且风格显示出来，但工作是独一无二的。

什么都没有发生，那些学生从来不知道他们离他们有多近。

【参考方案2】：

我开始使用 JPLAG (https://github.com/jplag/jplag) 来检查代码相似性并比较学生在 Java 和文本文件中的作品。 它可以很好地检查相同的代码结构和变量替换。

【参考方案3】：

你可以试试duplo。它会找到共同的线路。它有一些忽略空格更改的能力，但不会检测带有重命名变量的代码，因此在检测抄袭时，它更像是清理辅助而不是帮助。

【参考方案4】：

您在计算机科学术语方面的问题可能被描述为源代码抄袭检测。一个好的开始是阅读 Dobbs 博士的这篇文章：Detecting Source-Code Plagiarism。它列出了检测源代码中抄袭的算法。

注意：您所要求的确实是一个棘手的计算问题:)

【参考方案5】：

我过去使用过 MOSS：http://theory.stanford.edu/~aiken/moss/ 来检测抄袭代码。由于它在语义级别上工作，因此它将检测您上面介绍的情况。该工具是语言感知的，因此在分析中不考虑 cmets，并且它在检测通过变量和/或函数名称的简单搜索和替换修改的代码方面大有帮助。

注意：几年前，我在研究生院教授计算机科学时使用了该工具，它在检测从互联网上下载的代码方面表现出色。这是类似应用程序的详细记录：http://fie2012.org/sites/fie2012.org/history/fie99/papers/1110.pdf

如果您在 Google 上搜索“衡量软件相似性”，您应该会发现一些更有用的结果： http://www.ics.heacademy.ac.uk/resources/assessment/plagiarism/detectiontools_sourcecode.html

【讨论】：

fie1012.org 的链接似乎不再有效。你能提供一个替代链接吗？

【参考方案6】：

可能是来自PMD 的复制粘贴检测器？