类似的代码检测器

Question

我正在寻找一种可以比较相似源代码的工具。

我们现在有一个非常微不足道的系统，它有大量的误报，真正的积极因素很容易被埋没在其中。

我的要求是：

• 相当少量的误报
• 良好的检测率（是的，这些是相互对立的）
• 理想情况下，输出比单个值更复杂
• 可用于C（C99）和C ++（C ++ 03和最佳C ++ 11）
• 仍然保持
• 可用于比较两个源文件
• 可在非交互模式下使用

编辑：

为避免混淆，以下两个代码段是相同的，应按原样检测：

for (int i = 0; i < 10; i++) { bla; }

int i; while (i < 10) { bla; i++; }

同样在这里：

int x = 10; y = x + 5;

int a = 10; y = a + 5;

Answer 1

我过去曾使用过MOSS http://theory.stanford.edu/~aiken/moss/来检测剽窃代码。由于它在语义级别上工作，因此它将检测您在上面呈现的情况。该工具具有语言感知能力，因此在分析中不考虑注释，并且在检测通过简单搜索和替换变量和/或函数名称而修改的代码方面有很长的路要走。

注意：几年前，当我在研究生院教授计算机科学时，我使用了这个工具，并且它在检测从互联网上拔出的代码时非常有效。以下是类似应用程序的详细记录：http://fie2012.org/sites/fie2012.org/history/fie99/papers/1110.pdf

如果你谷歌“测量软件相似度”，你应该找到一些更有用的点击： http://www.ics.heacademy.ac.uk/resources/assessment/plagiarism/detectiontools_sourcecode.html

Answer 2

您在计算机科学术语中的问题可能被称为源代码抄袭检测。一个好的开始是阅读Dobbs博士的这篇文章：Detecting Source-Code Plagiarism。它列出了源代码中用于检测抄袭的算法。

注意：您所要求的确实是一个棘手的计算问题：）

Answer 3

可以是PMD的复制粘贴检测器吗？

Answer 4

您可以尝试duplo。它会找到共同的线条。它有一些忽略空白变化的能力，但是没有用重命名的变量来检测代码，所以它更像是一种清理帮助，而不是检测抄袭时的帮助。

Answer 5

我开始使用JPLAG（https://github.com/jplag/jplag）来检查代码相似性，并比较学生使用Java和文本文件。 它可以很好地检查相同的代码结构和变量替换。

Answer 6

（响应迟到了，但问题的相关性从未消失）

我遇到了类似的问题，并编写了一个基于Web的应用程序。

https://jefferey-cave.gitlab.io/miss/

我当时使用javascript和python进行教学，因此这些语言可以处理。 （当前）它不处理C / C ++。我很想知道Javascript解释器如何处理C。

available on gitlab

---

我面临的问题是跨国际边界提交学生代码是非法的（禁止使用MOSS），因此需要可以在本地运行的代码。该实现是纯客户端浏览器。

我发现它对于确定教室中的小组动态（谁在与谁一起学习/与谁一起学习）更有用。

它具有一些有趣的实时图形，因此在他们提交首次作业后向Undergrad班级展示非常有用。第一次作业始终具有高度的相似性，因此在现场展示它（对提交的名称进行匿名化）时没有任何害处。

我总是讲一个我以为（粗俗地）作弊的学生的故事。他们的作品与另一个学生的独特答案有着惊人的相似之处。将学生的作品与班级其余成员进行比较，发现与班级其余部分相比无显着相似性。这导致对提交的内容进行了更深入的调查。。。事实证明，这里有一个教程，其风格得以体现，但这项工作是独一无二的。

什么也没发生，那些学生从来没有接近他们。