[发明专利]一种混源软件中开源成分检测的方法和系统

权利要求书

1.一种混源软件中开源成分检测的方法，其特征在于，该方法包括：

获取第一源码文件；所述第一源码文件，是指目标混源软件中的源码文件；

根据第一源码文件的大小分别对所述第一源码文件执行相应的同源分析；

其中，对于大小超过第一阈值的第一源码文件，基于Simhash算法对其进行同源分析：

定义一个Simhash函数h₁，基于所述第一源码文件的代码生成所述第一源码文件的第一Simhash值，将所述第一源码文件的第一Simhash值与指纹库中的第二Simhash值逐一进行匹配分析，确定所述第一源码文件是否与指纹库中的第二Simhash值所对应的源码文件同源；其中，所述的第二Simhash值，是指根据第二源码文件的代码基于Simhash函数h₁分别生成并存储于指纹库的Simhash值；

对于大小不超过第一阈值的第一源码文件，基于Minhash算法对其进行同源分析：

获取第三源码文件；根据所述第一源码文件、第三源码文件的代码生成所述第一源码文件、第三源码文件的签名集合，并据此构建所述签名集合的特征矩阵；定义一个Minhash函数h₂，基于所述特征矩阵和Minhash函数h₂估算所述第一源码文件与第三源码文件的签名集合间的Jaccard相似度，确定所述第一源码文件是否与第三源码文件同源；其中，基于所述特征矩阵和Minhash函数h₂估算相似度来确定所述第一源码文件是否与第三源码文件同源的过程，具体包括：对所述特征矩阵进行相应的打乱处理，基于Minhash函数h₂获得所述第一源码文件与第三源码文件的最小哈希签名矩阵；基于所述最小哈希签名矩阵，分别估算所述第一源码文件与各个第三源码文件的签名集合间的Jaccard相似度，来分别确定所述第一源码文件是否与各个第三源码文件同源；或，对所述特征矩阵进行相应的打乱处理，基于Minhash函数h₂获得所述第一源码文件与第三源码文件的最小哈希签名矩阵；基于所述最小哈希签名矩阵，采用LSH算法找出其签名集合与所述第一源码文件的签名集合的Jaccard相似度超过第二阈值的第三源码文件；其中，若有其签名集合与第一源码文件的签名集合的Jaccard相似度超过第二阈值的第三源码文件，判定所述第三源码文件与第一源码文件同源；若无其签名集合与第一源码文件的签名集合的Jaccard相似度超过第二阈值的第三源码文件，则判定源码库中无与所述第一源码文件同源的第三源码文件；

其中，所述第二源码文件，是指源码库中大小超过第一阈值的源码文件；所述第三源码文件，是指源码库中大小不超过第一阈值的源码文件；所述的源码库，是指收集源码文件、并分类存储所述收集的源码文件而生成的源代码仓库；所述的Simhash函数h₁、Minhash函数h₂，是指任一的Simhash函数、Minhash函数。

2.根据权利要求1所述的方法，其特征在于，

基于所述第一Simhash值与指纹库中的第二Simhash值的匹配来确定所述第一源码文件是否与所述第二Simhash值所对应的源码文件同源，包括：分别计算所述第一Simhash值与指纹库中的各个第二Simhash值之间的海明距离，来判断所述第一源码文件与所述第二Simhash值对应的源码文件之间的相似程度，并据此判断二者是否同源。