Witam
Piszę aktualnie aplikację, której zadaniem ma być porównywanie kodów źródłowych z kodami źródłowymi zgromadzonymi w repozytorium, do którego dodany będzie każdy następny sprawdzany kod, w celu wykrycia plagiatu czyli po prostu kodu w całości lub części wziętego od kogoś, ewentualnie minimalnie zmodyfikowanego poprzez zmianę nazw zmiennych czy przestawienie struktur w programie.
Jakie polecacie metody wykrycia takiego działania ??
Z góry dzięki za pomoc
To nie jest takie hop siup. Mozesz sparsowac kod tak by uzyskac drzewo operacji lub synonimy operacji i porownywac bloki operacji - to wyeliminuje nazwy zmiennych/funkcji/klas z rownania. Co do przestawienia struktur (np. deklaracji zmiennych jak rozumiem) to mozesz tworzyc tablice deklarowanych typow zmiennych/funkcji i porownywac w jakiej czesci sa wspolne.
Że to nie jest takie hop siup to ja już wiem ... mam kilka pomysłów, ale opierają się one głównie na statystyce analizowanego kodu, dlatego też poszukuję nowych rozwiązań
OT
Jest 10 rodzajów ludzi.
, czy może
Są 10 rodzaje ludzi.
?
W odpowiedzi na maila:
Przykladowo przerabiasz taki kod:
int a;
int b;
class abc{};
void fun(){ return 0;}
int main()
{
a abc();
abc* b = new abc();
}
na taki kod:
{deklaracja_zmiennej} int;
{deklaracja_zmiennej} int;
{deklaracja_klasy} klasa1
{definicja_funkcji} void argumenty(void)
{
return 0;
}
{definicja_funkcji}
{
{definicja_zmiennej typ klasa_1}
{definicja_wskaznika typ klasa_1}
}
W ten sposob wszelkie nazwy przestaja miec znaczenie. Z klasami jest wiekszy problem, ale mozesz sobie zapisywac typy tych klas poprzez oznaczenie jakie skladowe posiadaja, np.
class a
{
int a;
char* b;
}
{deklaracja_klasy} klasa_1 skladowe int, char*
gdzie skladowe, to jakas lista typow skladowych klasy. Poprzez porownanie listy mozemy stwierdzic, czy klasa jest podobna do innej czy nie.
Fajnie byloby wykrywac operacje charakterystyczne, np. pomijac wszystkie deklaracje i definicje, pozostawic tylko dzialania (operatory i typy elementow, na jakich dzialaja, wywolania funkcji). To opieraloby sie na tym, ze program to uporzadkowana lista polecen - jezeli w liscie wazne elementy sa podobne to i algorytm jest podobny, a tym samym duza szansa, ze program rowniez.
Tak ja bym to widzial.
podobny mechanizm mam zaimplementowany, tzn zliczam metody oraz typy i ilość parametrów wejściowych i wyjściowych, Cały czas zastanawiam się nad zliczaniem zmiennych i ich typów, jako że analizować będę kody w javie a świat nie kończy się na int i string i muszę napisać na tyle skuteczny mechanizm by dobrze zinterpretował zmienną każdego typu i wpisał potem do tabeli ilości poszczególnych zmiennych poszczególnych typów, propozycja listy poleceń również jest ciekawa
Jeśli chodzi o programy javy, to proponuje najpierw kompilować a potem dekompilować (wszystkie tym samym dekompilatorem). Wiele pozornych różnic (kolejność składowych klasy, nazwy zmiennych lokalnych, nazwy parametrów) zniknie.
pozdrawiam
i tak to nie pomoze na 'plagiat' stworzony poprzez wziecie znanego programu X, opakowaniu losowych blokow kodu w wywolywane-tylko-raz-funkcje, albo tez powstrzykiwaie wieeeluuu bezsensownych nic nie wnoszacych linii :)) komp+dekomp jest niezlym pomyslem ale jedynie na parsowanie wstepne
z tą kompilacją i dekompilacją to ciekawa propozycja ... czekam na dalsze
Najpierw by trzeba było określić co to jest plagiat kodu. Czy np. użycie algorytmu, który jest ogólnie dostępny np. NWD jest plagiatem czy nie? No raczej nie. Dalej - w jakim momencie kod, który pierwotnie został skopiowany przestaje być plagiatem. Np. kolega daje Ci swój kod, Ty go przerabiasz, aż w końcu otrzymujesz zupełnie nowy kod, który plagiatem nie jest. Kiedy ten moment następuje.
Czyli warto by było zacząć pewnie od definicji plagiatu i założeń jakie musi spełniać kod aby był plagiatem. A następnie zebrać jakąś bazę plagiatów, albo samemu przygotować zestawy testowe i sprawdzać czy algorytm sprawdzający jest już wystarczająco dobry. Ja bym postawił na prostą weryfikację. Nie oszukujmy się, jeżeli ktoś popełnia plagiat to na 99% nie zmienia kodu. Czyli zwykłe kopiuj-wklej. Oprócz tego zmiana nazw zmiennych - nikomu nie chce się tego robić. Już na etapie porównywania nazw zmiennych pewnie wykryłoby się sporą część takich działań.