程序代碼相似性度量方法研究.pdf

1、計算機信息技術的飛速發(fā)展，使得資源的獲取和使用也變得更加的快捷方便。但與此同時，信息資源之間的抄襲也變得越來越簡單和難以防范。例如在計算機的程序設計類課程中，進行程序作業(yè)完成提交及在線測試時，學生之間進行彼此抄襲的現象非常的普遍。這種現象嚴重影響了教學質量、制約了學生素質的提高發(fā)展，更加無法確保考核的公平公正性。此外，在軟件商業(yè)領域中，軟件產品發(fā)生版權爭端的事件也時有發(fā)生。對程序代碼相似性度量方法及其應用的進一步深入高效研究，將在很大程

2、度上扼制在程序設計類課程中存在的普遍的抄襲現象，加大對軟件商業(yè)領域中軟件產品的知識產權保護力度。
　　本文分析了目前國內外在程序相似性度量領域的相關研究，對常用的相似性度量檢測方法做了綜合的對比分析。并在此基礎上對程序代碼相似性度量方法進行了以下的相關研究。首先，對于傳統(tǒng)字符串匹配算法GST算法在進行串匹配時需要逐個比較串的每個字符、造成時間復雜度相對較大的問題，提出了一種基于Java多線程并行匹配的設計方式，以此對GST算法的匹

3、配過程進行了改進，有效的提高了算法進行匹配檢測的時間效率;然后，針對GST算法時間復雜度和參加檢測匹配的字符串長度成正比的特點，對能夠代表程序語義結構的token序列，提出一種設計思想:在對其語義沒有影響的條件下對其長度進行縮短，可以進一步降低匹配的時間復雜度;最后，針對利用工具生成抽象語法樹時會包含大量的冗余信息，容易造成資源的極大浪費的問題，設計并實現了一種構造抽象語法樹的算法，該算法通過先創(chuàng)建父節(jié)點后創(chuàng)建子節(jié)點，再將其關聯(lián)的方式，

4、將程序中類、方法等體現程序語義結構的有用信息進行抽象語法樹的構造，并且設計了類信息表和方法信息表進行數據的存儲和更新，方便數據的使用。通過抽象語法樹的算法設計，在構造生成語法樹后，可以遍歷解析語法樹使其生成能夠表示程序語義結構的token序列串，再結合改進的字符串匹配算法GST進行相似度的計算，得到最終的相似性度量分析結果。
　　根據上述的方法理論，本文設計并且實現了一個基于Java語言的程序代碼相似度檢測系統(tǒng)，該系統(tǒng)可以計算源程