[發(fā)明專(zhuān)利]一種軟件代碼侵權(quán)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710171531.0
• 申請(qǐng)日: 2017-03-22
• 公開(kāi)（公告）號(hào): CN106951743A
• 公開(kāi)（公告）日: 2017-07-14
• 發(fā)明（設(shè)計(jì)）人: 張剛
• 申請(qǐng)（專(zhuān)利權(quán)）人: 上海英慕軟件科技有限公司
• 主分類(lèi)號(hào): G06F21/12
• 分類(lèi)號(hào): G06F21/12
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種計(jì)算機(jī)數(shù)據(jù)處理技術(shù)，特別涉及一種軟件代碼的侵權(quán)檢測(cè)方法。

背景技術(shù)

軟件代碼的侵權(quán)檢測(cè)具有比較重要的現(xiàn)實(shí)意義，可以幫助軟件開(kāi)發(fā)組織避免知識(shí)產(chǎn)權(quán)相關(guān)的法律風(fēng)險(xiǎn)。

軟件開(kāi)發(fā)組織的開(kāi)發(fā)人員出于提高開(kāi)發(fā)效率的目的，往往習(xí)慣于從既有的代碼中復(fù)用一些代碼。但是，這種行為有時(shí)是可行的，有時(shí)又是不可行的，是否可行取決于被復(fù)制的代碼的許可證情況。特別是開(kāi)源代碼,許可證種類(lèi)繁多，每種許可證的約束都不同，盲目的復(fù)用軟件很可能給為企業(yè)帶來(lái)嚴(yán)重的法律的風(fēng)險(xiǎn)。例如，如果某企業(yè)的開(kāi)發(fā)人員不小心使用或者擴(kuò)展了遵循GPL版權(quán)的代碼，按照GPL的許可證規(guī)范，該企業(yè)所有和該代碼相關(guān)的其他代碼也都必須遵循GPL規(guī)范，面向公眾全部公開(kāi)，這可能給該企業(yè)造成不可挽回的損失。

由于軟件開(kāi)發(fā)人員為數(shù)眾多，軟件代碼數(shù)量龐大，而開(kāi)源軟件的數(shù)量更是數(shù)不勝數(shù)，許可證情況有非常復(fù)雜，對(duì)各種侵權(quán)風(fēng)險(xiǎn)進(jìn)行手工檢查幾乎是不可能的。因此，可以檢測(cè)并報(bào)告潛在的軟件侵權(quán)風(fēng)險(xiǎn)的方法和系統(tǒng)就顯得非常必要。

現(xiàn)有的軟件代碼侵權(quán)檢測(cè)方法都需要被檢測(cè)方提供程序的原始代碼。其中使用的技術(shù)有兩類(lèi)：基于屬性統(tǒng)計(jì)的檢測(cè)技術(shù)和基于結(jié)構(gòu)度量的檢測(cè)技術(shù)。基于屬性的統(tǒng)計(jì)技術(shù)統(tǒng)計(jì)軟件代碼中的操作符、操作數(shù)等信息，然后計(jì)算他們的平均值、中位值、標(biāo)準(zhǔn)差等，然后對(duì)比待檢測(cè)樣本和樣本庫(kù)中的樣本。由于是全局統(tǒng)計(jì)數(shù)據(jù)，這種檢測(cè)方法缺陷較大，只有在軟件代碼和樣本庫(kù)中的代碼幾乎完全相似的情況下才能發(fā)現(xiàn)侵權(quán)，并不實(shí)用。基于結(jié)構(gòu)度量的技術(shù)是代碼重復(fù)檢測(cè)方法的一個(gè)子集。其中包括了基于文本的方法、基于抽象語(yǔ)法樹(shù)的方法、基于程序依賴圖的方法等。這些方法的目標(biāo)在于發(fā)現(xiàn)軟件代碼的重復(fù)，并不是專(zhuān)門(mén)為侵權(quán)檢測(cè)設(shè)計(jì)的，所以也并未考慮和侵權(quán)檢測(cè)有關(guān)的特征提取問(wèn)題、樣本庫(kù)建立問(wèn)題以及商業(yè)秘密保護(hù)問(wèn)題。

在實(shí)踐中，上述的本地侵權(quán)檢測(cè)方法帶來(lái)的主要局限源于如下兩個(gè)方面的沖突：如果軟件組織使用第三方服務(wù)，就必須提供待檢測(cè)的源代碼。這可能造成企業(yè)技術(shù)秘密泄露。如果軟件組織決定自己按照上述本地侵權(quán)檢測(cè)方法建立一個(gè)檢測(cè)系統(tǒng)，則需要建立規(guī)模龐大的全局樣本庫(kù)，例如收集整個(gè)互聯(lián)網(wǎng)級(jí)別的開(kāi)源代碼，成本巨大。

發(fā)明內(nèi)容

本發(fā)明是針對(duì)代碼侵權(quán)檢測(cè)需要大量樣本、同時(shí)又需要保護(hù)軟件組織的商業(yè)秘密問(wèn)題所提出的一種檢測(cè)方法。

本發(fā)明的技術(shù)方案為：一種軟件代碼的侵權(quán)檢測(cè)方法，其特征在于：包括云端檢測(cè)服務(wù)器和本地代理系統(tǒng)兩部分，在兩者之間傳輸和服務(wù)器端存儲(chǔ)的都是代碼的經(jīng)變換的關(guān)鍵特征信息。其中，云端檢測(cè)服務(wù)器負(fù)責(zé)管理用于侵權(quán)檢測(cè)的代碼特征樣本庫(kù)并依據(jù)侵權(quán)規(guī)則進(jìn)行檢測(cè)，本地代理系統(tǒng)負(fù)責(zé)提取軟件代碼的關(guān)鍵特征、上報(bào)信息到云端檢測(cè)服務(wù)器以及對(duì)云端檢測(cè)服務(wù)器下發(fā)的侵權(quán)信息進(jìn)行本地化解讀；

本地代理系統(tǒng)包含代碼解析器，代碼特征生成器以及本地映射表三個(gè)部分。其中，代碼解析器負(fù)責(zé)解析被檢測(cè)的代碼，產(chǎn)生代碼塊信息；代碼特征生成器負(fù)責(zé)產(chǎn)生和代碼塊唯一對(duì)應(yīng)的代碼特征信息，在實(shí)踐中使用代碼塊標(biāo)識(shí)符、位置信息、結(jié)構(gòu)信息、和代碼塊散列信息定義該特征；本地映射表維護(hù)上傳到云端服務(wù)器的代碼和本地原始代碼之間的對(duì)應(yīng)關(guān)系，當(dāng)云端服務(wù)器傳回和代碼塊標(biāo)識(shí)符對(duì)應(yīng)的侵權(quán)信息時(shí)，在本地解析為可以閱讀的代碼侵權(quán)信息；

云端服務(wù)器包含代碼解析器、代碼特征生成器、全局特征信息表以及侵權(quán)檢測(cè)引擎四個(gè)部分。其中代碼解析器和代碼特征生成器和本地代理系統(tǒng)的功能相同。全局特征信息表存儲(chǔ)了用于檢測(cè)的代碼樣本庫(kù)的特征信息。侵權(quán)檢測(cè)引擎對(duì)比全局特征信息表和本地代理上傳的代碼塊信息判斷代碼塊侵權(quán)特征，如果發(fā)現(xiàn)特征匹配，就將其標(biāo)記為侵權(quán)，然后將此信息發(fā)送給本地代理系統(tǒng)，交由本地代理系統(tǒng)進(jìn)行解析和報(bào)告。

所述的該代碼侵權(quán)檢測(cè)方法，具體檢測(cè)步驟包括：

步驟一，構(gòu)建全局特征信息表：獲取代碼樣本庫(kù)，云端檢測(cè)服務(wù)器依次讀取樣本庫(kù)的源代碼文件，然后按照語(yǔ)法樹(shù)的形式，將每個(gè)代碼文件解析成一組樹(shù)形結(jié)構(gòu)的代碼塊，并將代碼塊信息記錄到全局特征信息表中。每個(gè)代碼塊都記錄代碼塊的位置信息、結(jié)構(gòu)信息、以及代碼塊散列信息。在實(shí)踐中，代碼解析可以使用抽象語(yǔ)法樹(shù)解析器完成。位置信息可使用如下信息聯(lián)合進(jìn)行描述：所屬項(xiàng)目、文件名、起始位置、終止位置信息。結(jié)構(gòu)信息可使用本代碼塊和父代碼塊的關(guān)聯(lián)關(guān)系描述。代碼塊散列特征信息可使用對(duì)代碼進(jìn)行歸一化后對(duì)應(yīng)的文本的散列值描述；