[发明专利]一种对代码克隆进行同源检测的方法

权利要求书

1.一种对代码克隆进行同源检测的方法，其特征在于，包括：

基于预设知识库对预设代码进行代码克隆检测，得到代码克隆检测结果；

对所述代码克隆检测结果进行定性和定量分析，以确定所述预设代码所对应的源文件。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：建立预设知识库的步骤；

所述建立预设知识库包括：

将收集到的源代码按照预设格式进行存储；

对所述源代码进行特征提取，得到所述预设知识库。

3.根据权利要求1所述的方法，其特征在于，所述对所述源代码进行特征提取，包括：

提取所述源代码的HASH值，并通过词法分析器对所述源代码进行预处理，得到所述源代码的结构化文本，提取所述源代码的结构化文本的HASH值，以及结构化文本的代码片段的HASH值；

对所述源代码进行特征提取之后，所述方法还包括：

保存从所述源代码提取的HASH值、所述通过词法分析器得到的HASH值、所述通过词法分析器得到的结构化文本的代码片段级别的HASH值，与所述源代码以及所述源代码的相对文件存储路径之间的映射关系。

4.根据权利要求3所述的方法，其特征在于，所述词法分析器的处理规则包括：

移除无意义的代码片段；

移除非预设语义和非预设功能的代码片段；

查找并保留具有代码语义信息的关键字、保留字、常见语法，对不具备代码结构语义的成分进行统一的字符替换。

5.根据权利要求1所述的方法，其特征在于，所述基于预设知识库对预设代码进行代码克隆检测，包括：

提取将所述预设代码的源代码对应的HASH值、通过词法分析器分析所述预设代码对应的HASH值、以及确定所述预设代码的代码片段级别HASH值集合；

将所述预设代码与所述预设知识库依次进行源代码提取的HASH值、词法分析器得到的HASH值、以及代码片段级别HASH值集合的克隆碰撞检测，如果任一次碰撞检测成功，则确定所述预设代码为代码克隆。

6.根据权利要求5所述的方法，其特征在于，将所述预设代码与所述预设知识库进行MD5信息的克隆碰撞检测，包括：

提取所述预设代码的MD5信息，将该MD5信息与所述预设知识库存储的MD5信息进行克隆碰撞检测，如果碰撞成功，则确定所述预设代码为代码克隆，且克隆度为100％。

7.根据权利要求5所述的方法，其特征在于，将所述预设代码与所述预设知识库进行HASH值的克隆碰撞检测，包括：

通过词法分析器对所述预设代码进行预处理，得到所述预设码的HASH值，将所述预设码的HASH值与所述预设知识库存储的HASH值进行克隆碰撞检测，如果碰撞成功，则确定所述预设代码为代码克隆，且克隆度为100％。

8.根据权利要求5所述的方法，其特征在于，将所述预设代码与所述预设知识库进行代码片段级别HASH值集合的克隆碰撞检测，包括：

将所述预设代码通过词法分析器处理，转换为预设字符串，将所述预设字符串按照预设字符长度进行划窗处理，依次得到多个子串集合，对所述子串集合按序依次分别生成HASH值，对生成的HASH值进行去重处理，得到所述预设代码的代码片段级特征集合；

将所述代码片段级特征集合依次与述预设知识库内的代码片段级别HASH值集合进行克隆碰撞检测，如果碰撞成功，则确定所述预设代码为代码克隆。

9.根据权利要求6所述的方法，其特征在于，将所述代码片段级特征集合依次与述预设知识库内的代码片段级别HASH值集合进行克隆碰撞检测，如果碰撞成功，则确定所述预设代码为代码克隆之后，所述方法还包括：

将碰撞成功的HASH值按照源文件来源进行分组，并统计每个分组内碰撞上的特征数量，将特征数量碰撞上最多的源文件作为所述预设代码克隆的源文件。

10.根据权利要求6所述的方法，其特征在于，将所述代码片段级特征集合依次与述预设知识库内的代码片段级别HASH值集合进行克隆碰撞检测，如果碰撞成功，则确定所述预设代码为代码克隆之后，所述方法还包括：

将所述预设代码碰撞成功的HASH值个数除以所述预设代码的代码片段级特征集合内的特征数，得到所述预设代码的克隆度。