asp.net00792 代码复制检测软件研发

1.研究基本内容：

   本次研究在前人已有的基础上，主要做以下几方面工作：

   1)通过深入研究现在已有的代码重复性检测算法，深入了解代码抄袭检测的难点和要点。其中代码相似度阈值选取直接影响检测精度——阈值过大易导致遗漏抄袭，或者仅需要通过简单修改即可躲过检测；阈值过小易导致误判，加大人工作业量。同时，程序规模对阈值的确定也有着较为重要影响，例如在1000行代码中，有400行为相同代码，那么可以认为抄袭嫌疑较大，但相似度仅为0.4。因此，如何提高检测准确率和运行效率是重要解决问题；

   2)深入研究XML语言，为实际开发打下基础；

   3)确定整个检测算法基本工作原理：将C代码中的语句属性存储为具有结构性的XML文本的标记字符串，针对文本每行不同的标记调用不同的相似值计算函数以计算XML文本行的相似值，最后根据各行相似值计算程序相似度。同时，通过各个文本的标记属性与字符串匹配算法相结合，提高系统运行效率。

2.拟解决主要问题：

   1)确定整个算法设计流程，大致为：C代码转换为XML文本；关键结构识别；以关键结构为基础分别计算每个XML文本行的相似值；根据各个文本行相似值计算程序对相似度。

   2)选择合适的相似度计算算法：由于XML文本的结构特征，需要将关键结构分类以按行计算相似值。C程序的关键结构主要分为以下几类：变量定义、指针、结构体、宏定义、函数调用、函数声明、循环结构、条件结构。不同的关键结构应对应相应的相似度计算函数。以循环结构为例：循环结构抄袭行为可以大致列为以下几点：(1)for-while和do-while之间的互相替换；(2)将for循环语句中的第一表达式放到for循环之前；(3)将for循环语句中的第三表达式放至for循环语句体的最后；(4)重命名循环体判断标示符；(5)循环语句体代码块重排序；(6)增加注释(7)语句等价替换，如i++换为i＝i+1等；(8)循环语句体中增加冗余结构。针对循环结构应有对应计算函数，不同于其他结构体。

   3)C代码转换XML文本：利用XML语言的结构性较强，把C语言程序中关键结构转化为对应的XML文本，以此文本作为抄袭检测的计算输入。转换主要通过以下三个步骤：代码格式化；关键结构的正则匹配；XML文本构建。在XML文本构建过程中，要保证能够提取出已发生抄袭的关键结构，例如：变量类型，函数类型，函数名，变量个数等。在XML文本中将C程序中的关键结构以不同XML元素标记，例如用function_call代表程序调用函数节点等，以此调用相对应的函数计算相似值。

   4)相似度阈值确定：由于代码复杂程度和规模不同，阈值确定极为关键，特别对于初学C语言程序设计的学生，以下问题都可能导致学生间作业出现一定的相似性：学生在相同老师教学下有着相似的编程风格；完成作业时参考同一本教材或参考书等。所以阈值选定应由测试代码的编写者编程熟练度、代码规模、代码复杂难易度多方面决定。

三、研究步骤、方法及措施：

1.研究步骤

(1)需求分析

本次研究的C语言代码抄袭检测系统，除了可以直接拷贝两份程序代码进行单独比较外，也可以录入一系列的TXT文件，进行两两之间的比较，方便快捷。同时，由于考虑到以辅助教学为主，还支持教师自行改变相似度阈值，以便更加灵活的根据不同难度、规模的程序进行调节。

在输入上，不仅支持单独输入两份进行对比，还支持对一系列的文件间进行两两对比。

在精度上，由于先将C语言转化成更加结构化的XML文本，同时通过不同的结构特征进行分行，分别计算相似度，再计算程序对的相似度，使其精度大大提高，减少了误判、漏判的可能性。

在时效上，应优化逻辑设计，减少冗余代码，使系统运行效率高，反映速度快。

程序应健壮性好，具有良好的容错机制，运行不容易崩溃。

(2)设计概要

    程序主要分为以下几个模块：输入，程序关键结构提取，C程序转XML文本，XML文本行相似值计算，程序对相似度计算，相似度输出。

    在输入数据时可选择文本输入和批量文件输入，同时可以选择是否改变相似度判断阈值还是使用默认阈值。然后进入C程序转换XML文本模块，对输入的文本或文件进行数据预处理，预处理主要应包括：将包含多语句的代码行转化为每行一句；对循环结构和选择结构语句不包含成对括号且仅包含一句语句的，添加成对括号；删除代码中注释语句；删除代码中冗余空白字符并将制表符转为单空格。通过这种代码格式化标准化C代码，即能检测出通过简单拷贝和修改注释等简单抄袭手段，也能大大提高转化XML文本的有效性，减少遗漏率。随后在转换为XML文本后对关键结构进行特殊标记。然后进行计算模块，对各个关键行带入各自相似值计算函数，并最后得出程序对的相似度并与设定阈值比较。最后通过输出模块显示出直观结果。

(3)平台选择

    选择用C#来编写本软件，C#是微软公司结合C/C++和JAVA等语言特点设计的一种心得程序设计语言，可以快速地编写各种基于Microsoft.NET平台的应用程序。