類似代碼檢測器

Question

我正在尋找一種可以比較源代碼的相似性的工具。

現在我們有一個非常微不足道的系統，它有大量的誤報，真正的積極因素可以很容易地被埋入其中。

我的要求是：

• 相當少量的誤報
• 良好的檢出率（是的，這些都是違背對方）
的不僅僅是單個值一個更加複雜的輸出
• 理想
• 可用於C（C99）和C++（C++ 03和最佳C++ 11）
• 仍然保持
• 可用於共mparing在非交互式模式相對於彼此
• 可用兩個源文件

編輯：

爲了避免混淆，以下兩個代碼段是相同的，並應被檢測爲這樣：

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

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

同樣在這裏：

int x = 10; y = x + 5;

int a = 10; y = a + 5;

Answer 1

我用MOSS過去：http://theory.stanford.edu/~aiken/moss/檢測抄襲代碼。由於它在語義層面上工作，因此它將檢測您在上面顯示的情況。該工具是語言感知的，所以在分析中不考慮註釋，並且在通過簡單的搜索和替換變量和/或函數名稱來檢測已被修改的代碼方面有很長的路要走。

注意：幾年前，當我在研究生院教授計算機科學時，我使用了該工具，它在檢測從互聯網上跳出的代碼時非常有效。這是一個證據充分的考慮類似的應用：http://fie2012.org/sites/fie2012.org/history/fie99/papers/1110.pdf

如果谷歌「測量軟件相似性」，你應該多找幾個有用的結果： http://www.ics.heacademy.ac.uk/resources/assessment/plagiarism/detectiontools_sourcecode.html

Answer 2

可能是複製粘貼探測器從PMD？

Answer 3

您在計算機科學術語中的問題可能被稱爲源代碼抄襲檢測。一個好的開始是閱讀Dobbs博士的這篇文章：Detecting Source-Code Plagiarism。它列出了在源代碼中檢測剽竊的算法。

注意：你問什麼確實是一個艱難的計算問題:)

Answer 4

你可以嘗試duplo。它會找到共同的線。它有一些能夠忽略空白變化的能力，但是不會檢測帶有重命名變量的代碼，所以它在檢測抄襲時更像是一種幫助。

Answer 5

我開始使用JPLAG（https://github.com/jplag/jplag）來檢查代碼相似性，並比較學生在Java和文本文件中的作品。 它可以很好地檢查相同的代碼結構和變量替換。