[發(fā)明專利]一種基于支持向量機(jī)的測(cè)試程序抄襲檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910055791.0
• 申請(qǐng)日: 2019-01-18
• 公開（公告）號(hào): CN111459788A
• 公開（公告）日: 2020-07-28
• 發(fā)明（設(shè)計(jì)）人: 陳振宇;孫偉松;孫澤嵩;王興亞;段定
• 申請(qǐng)（專利權(quán)）人: 南京大學(xué)
• 主分類號(hào): G06F11/36
• 分類號(hào): G06F11/36;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明涉及一種基于支持向量機(jī)的測(cè)試程序抄襲檢測(cè)方法。該方法對(duì)于待測(cè)程序和測(cè)試程序進(jìn)行切割和靜態(tài)分析，得到待測(cè)方法映射集合和測(cè)試方法映射集合；其次，兩兩遍歷選手，計(jì)算測(cè)試片段相似度并匯總得到相似度集合；然后，選取合適的核函數(shù)和參照點(diǎn)建立支持向量機(jī)模型，并進(jìn)行優(yōu)化；最后，對(duì)于其他測(cè)試程序，通過計(jì)算相似度集合并輸入支持向量機(jī)，判斷測(cè)試程序之間抄襲情況。本發(fā)明目的在于填補(bǔ)關(guān)于測(cè)試程序代碼相似度檢測(cè)技術(shù)的空白，提高了檢測(cè)測(cè)試程序代碼抄襲的準(zhǔn)確率和精度，從而幫助開發(fā)者測(cè)試競(jìng)賽自動(dòng)化檢測(cè)選手的代碼抄襲行為，從而免去了人工檢測(cè)環(huán)節(jié)，節(jié)約了人力成本和時(shí)間成本，也保證了競(jìng)賽更加公平公正。

技術(shù)領(lǐng)域

本發(fā)明屬于軟件測(cè)試代碼抄襲檢測(cè)領(lǐng)域，尤其對(duì)于目前開發(fā)者測(cè)試競(jìng)賽中選手所提交的測(cè)試代碼存在抄襲的現(xiàn)象做到了更精準(zhǔn)的解決。在分析待測(cè)程序和測(cè)試程序后，通過引入支持向量機(jī)方法，在已有的測(cè)試代碼數(shù)據(jù)集上進(jìn)行模型訓(xùn)練、測(cè)試、驗(yàn)證和優(yōu)化。然后，對(duì)未標(biāo)記的測(cè)試代碼數(shù)據(jù)進(jìn)行分類。通過分析測(cè)試代碼所屬類別即可判斷測(cè)試代碼之間是否存在抄襲，從而免去了人工檢測(cè)環(huán)節(jié)，節(jié)約了人力成本和時(shí)間成本，也保證競(jìng)賽更加公平公正。

背景技術(shù)

軟件開發(fā)者在編寫代碼的過程中，從不同的源頭復(fù)制并粘貼代碼，并通過修改來達(dá)到自己的目的已經(jīng)成為一種常見的行為，這提高了軟件代碼編寫的效率，也同時(shí)避免了花費(fèi)過長(zhǎng)的時(shí)間在前人已經(jīng)完成的思路和代碼上。不過，在某些場(chǎng)合下，復(fù)制和粘貼代碼會(huì)引發(fā)意想不到的后果，例如可能會(huì)侵犯軟件版權(quán)等等。在開發(fā)者測(cè)試競(jìng)賽中，也有選手通過拷貝、粘貼代碼，然后對(duì)他人代碼進(jìn)行一定量的修改來提高自己的分?jǐn)?shù)。為了防范這樣的行為，測(cè)試程序抄襲檢測(cè)不可或缺。

對(duì)于單元測(cè)試的測(cè)試用例代碼相似性檢測(cè)，目前學(xué)術(shù)界和工業(yè)界都沒有較為成熟的應(yīng)用或工具。并且，由于參賽選手往往只復(fù)制粘貼幾個(gè)測(cè)試用例的代碼，不同的單元測(cè)試用例之間是完全獨(dú)立的，不像源碼之間有依賴；而參賽選手還會(huì)對(duì)測(cè)試用例的代碼進(jìn)行一定量的修改(例如，修改字面量、插入和刪除一條或幾條語句)，使得使用目前已有的源碼相似性檢測(cè)工具直接進(jìn)行的測(cè)試用例的代碼相似性檢測(cè)往往不能真正地反映測(cè)試代碼抄襲情況，影響代碼克隆、抄襲檢查器等工具的分析準(zhǔn)確率。

支持向量機(jī)在解決小樣本、非線性及高維、超高維模式識(shí)別問題中有一定的優(yōu)勢(shì)。它采用基于分類邊界的方法，將低維空間的點(diǎn)映射到高維空間，使它們成為線性可分，能夠處理非線性特征的相互作用。

對(duì)此，本發(fā)明提出一種基于支持向量機(jī)的測(cè)試程序抄襲檢測(cè)方法。本發(fā)明的基本思想為：將測(cè)試代碼切割為片段，判斷每一個(gè)測(cè)試代碼片段所對(duì)應(yīng)的待測(cè)方法，計(jì)算對(duì)應(yīng)同一待測(cè)方法片段所對(duì)應(yīng)的測(cè)試代碼片段相似度。并以測(cè)試代碼片段相似度及“是否抄襲”的結(jié)果作為輸入，通過支持向量機(jī)，對(duì)其他測(cè)試代碼進(jìn)行“是否抄襲”標(biāo)簽認(rèn)定的二分類，從而提高抄襲檢測(cè)準(zhǔn)確率。

通過該方法，在更高準(zhǔn)確率和精度的抄襲檢測(cè)基礎(chǔ)上，可以幫助開發(fā)者測(cè)試競(jìng)賽自動(dòng)化檢測(cè)選手的代碼抄襲行為，從而免去了人工檢測(cè)環(huán)節(jié)，節(jié)約了人力成本和時(shí)間成本，也保證了競(jìng)賽更加公平公正。

發(fā)明內(nèi)容

本發(fā)明通過提供一種基于支持向量機(jī)的測(cè)試程序抄襲檢測(cè)方法，來提高檢測(cè)測(cè)試程序代碼抄襲的準(zhǔn)確率和精度，填補(bǔ)了關(guān)于測(cè)試程序代碼相似度檢測(cè)技術(shù)的空白。

為達(dá)成上述目標(biāo)，本發(fā)明通過首先靜態(tài)分析的方法，分析源測(cè)試程序切各位待測(cè)程序PUT(Program Under Test)、分析選手提交的測(cè)試程序TP(Test Program)，然后將TP中的每一個(gè)片段分類并計(jì)算其相似度SV(Similarity Value)。然后將SV和“是否抄襲”的標(biāo)簽作為支持向量機(jī)的輸入，對(duì)其他測(cè)試代碼進(jìn)行“是否抄襲”標(biāo)簽認(rèn)定的二分類。

具體而言，該方法包含下列步驟：