[發明專利]一種對代碼克隆進行同源檢測的方法

在審

• 申請號: 202110224364.8
• 申請日: 2021-03-01
• 公開（公告）號: CN113064634A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 羅峋;但吉兵;易煥騰;王琳;梁大功
• 申請（專利權）人: 蘇州棱鏡七彩信息科技有限公司
• 主分類號: G06F8/75
• 分類號: G06F8/75
• 代理公司: 工業和信息化部電子專利中心 11010
• 代理人: 于金平

1.一種對代碼克隆進行同源檢測的方法，其特征在于，包括：

基于預設知識庫對預設代碼進行代碼克隆檢測，得到代碼克隆檢測結果；

對所述代碼克隆檢測結果進行定性和定量分析，以確定所述預設代碼所對應的源文件。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：建立預設知識庫的步驟；

所述建立預設知識庫包括：

將收集到的源代碼按照預設格式進行存儲；

對所述源代碼進行特征提取，得到所述預設知識庫。

3.根據權利要求1所述的方法，其特征在于，所述對所述源代碼進行特征提取，包括：

提取所述源代碼的HASH值，并通過詞法分析器對所述源代碼進行預處理，得到所述源代碼的結構化文本，提取所述源代碼的結構化文本的HASH值，以及結構化文本的代碼片段的HASH值；

對所述源代碼進行特征提取之后，所述方法還包括：

保存從所述源代碼提取的HASH值、所述通過詞法分析器得到的HASH值、所述通過詞法分析器得到的結構化文本的代碼片段級別的HASH值，與所述源代碼以及所述源代碼的相對文件存儲路徑之間的映射關系。

4.根據權利要求3所述的方法，其特征在于，所述詞法分析器的處理規則包括：

移除無意義的代碼片段；

移除非預設語義和非預設功能的代碼片段；

查找并保留具有代碼語義信息的關鍵字、保留字、常見語法，對不具備代碼結構語義的成分進行統一的字符替換。

5.根據權利要求1所述的方法，其特征在于，所述基于預設知識庫對預設代碼進行代碼克隆檢測，包括：

提取將所述預設代碼的源代碼對應的HASH值、通過詞法分析器分析所述預設代碼對應的HASH值、以及確定所述預設代碼的代碼片段級別HASH值集合；

將所述預設代碼與所述預設知識庫依次進行源代碼提取的HASH值、詞法分析器得到的HASH值、以及代碼片段級別HASH值集合的克隆碰撞檢測，如果任一次碰撞檢測成功，則確定所述預設代碼為代碼克隆。

6.根據權利要求5所述的方法，其特征在于，將所述預設代碼與所述預設知識庫進行MD5信息的克隆碰撞檢測，包括：

提取所述預設代碼的MD5信息，將該MD5信息與所述預設知識庫存儲的MD5信息進行克隆碰撞檢測，如果碰撞成功，則確定所述預設代碼為代碼克隆，且克隆度為100％。

7.根據權利要求5所述的方法，其特征在于，將所述預設代碼與所述預設知識庫進行HASH值的克隆碰撞檢測，包括：

通過詞法分析器對所述預設代碼進行預處理，得到所述預設碼的HASH值，將所述預設碼的HASH值與所述預設知識庫存儲的HASH值進行克隆碰撞檢測，如果碰撞成功，則確定所述預設代碼為代碼克隆，且克隆度為100％。

8.根據權利要求5所述的方法，其特征在于，將所述預設代碼與所述預設知識庫進行代碼片段級別HASH值集合的克隆碰撞檢測，包括：

將所述預設代碼通過詞法分析器處理，轉換為預設字符串，將所述預設字符串按照預設字符長度進行劃窗處理，依次得到多個子串集合，對所述子串集合按序依次分別生成HASH值，對生成的HASH值進行去重處理，得到所述預設代碼的代碼片段級特征集合；

將所述代碼片段級特征集合依次與述預設知識庫內的代碼片段級別HASH值集合進行克隆碰撞檢測，如果碰撞成功，則確定所述預設代碼為代碼克隆。

9.根據權利要求6所述的方法，其特征在于，將所述代碼片段級特征集合依次與述預設知識庫內的代碼片段級別HASH值集合進行克隆碰撞檢測，如果碰撞成功，則確定所述預設代碼為代碼克隆之后，所述方法還包括：

將碰撞成功的HASH值按照源文件來源進行分組，并統計每個分組內碰撞上的特征數量，將特征數量碰撞上最多的源文件作為所述預設代碼克隆的源文件。

10.根據權利要求6所述的方法，其特征在于，將所述代碼片段級特征集合依次與述預設知識庫內的代碼片段級別HASH值集合進行克隆碰撞檢測，如果碰撞成功，則確定所述預設代碼為代碼克隆之后，所述方法還包括：

將所述預設代碼碰撞成功的HASH值個數除以所述預設代碼的代碼片段級特征集合內的特征數，得到所述預設代碼的克隆度。