В работе предлагается метод, основанный на двух алгоритмах: алгоритм предобработки исходного кода программы и алгоритм проверки является ли код плагиатом по его количественным характеристикам, вычисляемым на основе метрик сложности. Были выбраны метрики сложности Холстеда и Джилба. Предложенный метод был реализован в виде программы и протестирован. Тестирование проводилось на множестве программ написанных студентами в ходы выполнения лабораторных работ.
Под плагиатом в работе мы понимаем полное или частичное копирование программного кода без изменение либо с незначительной его модификацией. В работе [6] прилагается следующая классификация копирования исходного кода: ∙ Заимствования 1 рода -– код заимствуется без каких-либо изменений. ∙ Заимствования 2 рода -– код заимствуется без каких-либо серьезных изменений, но меняются имена переменных, их тип. ∙ Заимствования 3 рода -– код заимствуется, но изменяется посредствам добавления и/или удаления фрагментов кода, возможно, даже ни как не влияющих на работы программы. Так же могут быть заимствования 2 рода. ∙ Заимствования 4 рода – данный род заимствования характеризуется копированием логики работы и функциональности. Синтаксически код оригинала может абсолютно отличаться от заимствованного кода.
Четвертый род заимствования можно не учитывать, в данном случае сложно говорить о плагиате в
явном виде т.к. человек заимствующих код копирует только «идею» (логику, функционал), но при этом
создает собственную программу. Наиболее простым методом выявления плагиата является простое
посимвольное сравнение кодов программ. Данный метод не зависит от языка, на котором реализована
программа, но достаточно легко обходится элементарным переименованием переменных, функций,
добавлением/удалением комментариев и т.п. Подходит для выявления заимствований только 1 рода. Существует
различные методы выявления плагиата на основе токенизации исходного кода, например, алгоритм
Хескела, выравнивание строк, жадное строковое замощение (Greedy String Tiling) и т.п. Процедура токенизации
происходит следующим образом [
Недостатком методов, в основе которых лежит токенизация является зависимость от конкретного языка
программирования, однако эту проблему можно решить путем создания различных наборов, не
пересекающихся кодов для различных классов языков, что усложняет процесс автоматизированной проверки, т.к.
добавляется необходимость определения языка, при том, что существуют операторы, которые присущи
разным языкам. Еще одним видом методов выявления плагиата, являются методы с использованием метрик.
Они используют совокупность количества циклов, переменных, условий или их количества по
отдельности. В данных методах нет привязки к языку программирования. Однако недостатком является высокий
уровень ложных срабатываний при проверки небольших программ. Проанализировав различные подходы
к выявлению плагиата предлагается метод на основе метрик, а именно, на основе метрик сложности
Холстеда, Джилба. Метрики Холстеда строятся на большом количестве показателей таких как: ко-личество
уникальных операторов программы, количество уникальных операндов программы, общее количество
операторов, общее количество операндов, теоретическое количество уникальных операторов и теоретическое
количество уникальных операн-дов. На основе этих показателей вычисляются: уровень качества
программирования, сложность понимания программы, трудоемкость кодирования программы, уровень языка
выражения, информационное содержание программы и оценка интеллектуальных усилий при разработке
программы [
Апробация В качестве тестового множества были взяты программы, написаны студентами Омского государственного университета им.Ф.М. Достоевского в ходе выполнения лабораторных работ по курсу «Криптографические методы защиты информации». Каждая программа представляет собой реализацию, какого-либо криптографического алгоритма, начиная от простейшего шифра Цезаря (100 – 150 строк программного кода), заканчивая более сложным блочными шифрами. В общей сложности было обработано более 70 программ. Было сформировано семейство из семи множеств, каждое из которых представляло собой набор программ выполненных одним студентом, вида: X01.cs; X02.cs; X03.cs; X04.cs; X05.cs; X06.cs; X07.cs, X01.cs — это исходный код программы на языке C #. Элементы множеств сравнивались попарно «каждый с каждым», кроме того, проводилось сравнение «каждый с каждым» и внутри самих множеств, с целью проверить насколько будут «похожи» между собой программы, написанные одним и тем же человеком. Для проведения апробации предлагаемого метода выявления плагиата было реализовано два приложения: первое – для подробного анализа кода, без проверки на плагиат; второе -– для вычисления основных количественных характеристик, на основе которых происходит проверка на плагиат. На рис. 1 показан результат подробного анализа исходного кода программы, который может анализироваться человеком для выявления плагиата в ручном режиме или для проверки корректности работы программы выявляющей плагиат в автоматическом режиме. На рис. 3 представлен результат обработки тестового множества, показаны основные характеристики исходных кодов программы из него. F01.cs и K01.cs, F02.cs и K02.cs и т.п. – это исходные коды программы решающие одинаковые задачи и написанные разными студентами. После выполнения обработки тестового множества выбираются программы, которые необходимо проверить на плагиат, сравнение будет проводиться по принципу «каждый с каждым».
Рис. 1: Подробный анализ исходного кода На рис. ?? представленным результаты работы алгоритма выявления плагиата. В результатах показывается, какие программы сравнивались и их схожестью в процентах. Проанализируем результаты проверки. Возьмем пару F01.cs и K01.cs, это программы решающие одну и ту же задачу, но написанные Рис. 2: Результат обработки тестового множества разными студентами имеют схожесть менее 50% (48,15%). При этом известно, что программы реализуют один из простейших криптографических алгоритмов, шифр Цезаря, поэтому их размер невелик, F01.cs -– 175 строк кода, K01.cs – 168 строк кода. Как было отмечено ранее, недостатком методов выявления плагиата на основе метрик является высокий уровень ложных срабатываний, при проверки небольших программ исходя из этого и можно говорит, что при схожести менее 50% программы будут оригинальными. Так же анализируем другие пары.
Рис. 3: Результаты работы алгоритма выявления плагиата
Анализ результатов и выводы
В работе был предложен метод выявления плагиата в исходном коде программ на основе математических
метрик сложности. С целью апробации предлагаемого метода было реализовано два приложения: первое –
для подробного анализа кода, без проверки на плагиат; вторая -– для вычисления основных
количественных характеристик, на основе которых происходит проверка на плагиат. Оба реализованных приложения
справились с поставленными задачами.
Список литературы
[
Anton N. Mironenko