[發(fā)明專利]基于靜態(tài)胎記的軟件抄襲檢測方法

有效

• 申請?zhí)枺?/td>: 201811092227.8
• 申請日: 2018-09-19
• 公開（公告）號: CN109241706B
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計(jì)）人: 王曙燕;孫家澤;趙鵬飛
• 申請（專利權(quán)）人: 西安郵電大學(xué)
• 主分類號: G06F21/12
• 分類號: G06F21/12;G06F21/16
• 代理公司: 北京匯信合知識產(chǎn)權(quán)代理有限公司 11335
• 代理人: 吳甘棠

1.一種基于靜態(tài)胎記的軟件抄襲檢測方法，其特征在于包括以下步驟：

(1)由用戶指定源工程P_A和P_A中的源類A以及可疑工程P_B和P_B中的可疑類B，再選定迭代深度d{d≥0}；

(2)靜態(tài)分析A，B編譯后得到的中間文件class_A和class_B，將A中所記錄的n_A個(gè)方法的信息結(jié)構(gòu)化的存儲(chǔ)在中，同時(shí)將A中所有API調(diào)用的字面量存儲(chǔ)在中；將B中所記錄的n_B個(gè)方法的信息結(jié)構(gòu)化的存儲(chǔ)在中，同時(shí)將B中所有API調(diào)用的字面量存儲(chǔ)在中；分別比較和和得到類在API調(diào)用方面的相似度sim^API和類在指令序列比較方面的相似度sim^ins，比較步驟如下：

①.統(tǒng)計(jì)包含的類調(diào)用數(shù)目，記為m₁，包含的類調(diào)用數(shù)目，記為m₂，其中相同的類調(diào)用數(shù)目m₁∩m₂，和中所有不重復(fù)的類調(diào)用數(shù)目為m₁∪m₂，源類A與可疑類B在API調(diào)用方面的相似度為

②.對和中的每一個(gè)方法M實(shí)施以下步驟：

Ⅰ.遍歷M中包含m個(gè)有序指令ins₁,ins₂,...ins_m，記正在遍歷的指令為ins_j，若ins_j是一個(gè)調(diào)用其他方法的指令，且調(diào)用的方法是類所在工程P中存在的方法，則用該方法的指令序列替代ins_j； 當(dāng)ins₁,ins₂,...ins_m遍歷完畢后d＝d-1；

Ⅱ.重復(fù)Ⅰ，直到d＝0或M中任意一項(xiàng)的指令序列中都不包含指向工程P中存在的方法的指令時(shí)，停止；

Ⅲ.將M中每一個(gè)指令剝離操作數(shù)，生成M在迭代深度為d時(shí)的指令序列seq；

③.建立矩陣Matrix[n_A][n_B]，其中Matrix[i][j]所存儲(chǔ)的值為源類A中第i個(gè)方法與可疑類B中第j個(gè)方法的相似度，比較兩個(gè)方法的相似度如下：

Ⅰ.記方法M₁在迭代深度為d時(shí)剝離了操作數(shù)的指令序列為seq₁，其長度為len₁；記方法M₂在迭代深度為d時(shí)剝離了操作數(shù)的指令序列為seq₂，其長度為len₂；用戶指定該次檢測的碎片閾值為threshold；

Ⅱ.構(gòu)建LCS比較矩陣LCS[len₁][len₂]，其中LCS_i,j記錄了seq₁在i位置上的指令與seq₂在j位置上的指令的比較情況； 若seq_i≠seq_j，則令LCS_i,j＝0；若seq_i＝seq_j且i＝0||j＝0，則令LCS_i,j＝1；若seq_i＝seq_j且i≠0j≠0，則令LCS_i,j＝LCS_i-1,j-1+1；

Ⅲ.定義trace為LCS_r,s,...,LCS_i-1,j-1,LCS_i,j,LCS_i+1,j+1,...,LCS_p,q，其中LCS_r,s＝1，并且LCS_p+1,q+1＝0||p＝len₁||q＝len₂； 找出LCS比較矩陣中所有的trace，遍歷所有trace，若該trace中最大元素值大于threshold，則將該最大元素值添加到集合pieces中；

Ⅳ.兩個(gè)方法的相似度計(jì)算公式為

④.對矩陣Matrix[n_A][n_B]，記錄每一行最大值為則源類A與可疑類B在指令序列方面的相似度為

(3)計(jì)算源類A與可疑類B的相似度，相似度計(jì)算公式為其中f(x)為sigmod函數(shù)，f(x)作用為將輸入映射到[0,1]區(qū)間內(nèi)，α為相似度在API調(diào)用方面的權(quán)重，β為相似度在指令序列方面的權(quán)重，而bais為偏置，bais的作用為調(diào)整f(x)的凈輸入；

(4)最終根據(jù)步驟(3)中得到的源類A與可疑類B的相似度，判斷兩個(gè)類是否存在抄襲關(guān)系，若sim_A,B∈[0,ε]，則判定兩類之間存在抄襲；若sim_A,B∈[1-ε,1]，則判定兩類之間不存在抄襲；否則sim_A,B∈(ε,1-ε)，則無法判定，其中ε為一個(gè)小于0.5的檢測閾值。