问题标签 [plagiarism-detection]

我正在尝试对抄袭进行一些算法比较。我发现了很多抄袭的文本比较。

但是在算法中它是非常不同的。假设某个算法使用了大量的变量、函数和用户定义的结构。如果有人从某人那里复制源代码，他至少会更改变量和函数名称。使用简单的文本比较算法，函数和变量字母的这种差异将被视为“差异”，从而使算法给出剽窃的“错误”。

我想要做的是“概括”（我不知道这是否正确）C++ 源代码中的所有变量、函数和用户定义的结构名称。所以变量将被命名为“a”、“b”，对于函数“... fa(...)”、“... fb(...)”也是如此。我在 PHP 中的字符串变量中有 c++ 源算法进行比较。

我知道应该分析许多其他事情以进行准确的源代码比较，但这对我来说已经足够了。

嗨，我是一名学生，并且有一个项目“C++ 和 Java 文件中的抄袭检测器”，我遇到了麻烦

我希望（我希望）看到一个示例，该标题中的项目或该领域的文档（在实践部分）

可能重复：
如何创建 c++ 文件的抄袭检测器
一个简单的 lexer.cpp 以将一个简单的 c++ 文件转换为一系列标记

嗨，我有一个项目“C++ 文件的抄袭检测器”

并且需要知道如何将 c++ 文件转换为这样的标记序列：

进入那个：

我如何判断两个源代码（独立于它们的语言 C、Java、Lisp ......）有强烈的迹象表明它们可能是互相抄袭的？

背景：我将举办我的第一次计算机语言研讨会。我们为主要的编程语言准备了一些小练习，例如 C/C++、Python、Java……以及 OCaml、Haskell……给学生一些实用的介绍（也包括编程范式）。我们估计有大​​约 300 名学生每人有超过 50 个编程任务。所以一个人不能检查所有的作业。

我想用于自然语言（论文、论文、书籍章节等）的反抄袭技术不适用于源代码，对吧？由于所需的接口，这些编程任务的解决方案也将具有固有的相似性。

我做了一些搜索，发现：MOSS在：Checking for code plagiarism with JavaScript and Variable renaming for plagiarism detection for C/C++

我正在寻找一种可以比较源代码的相似性的工具。

我们现在有一个非常琐碎的系统，它有大量的误报，而真正的正则很容易被埋没。

我的要求是：

• 相当少量的误报
• 良好的检测率（是的，这些是相互矛盾的）
• 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，以下两个代码片段是相同的，应该这样检测：

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

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

和这里一样：

int x = 10; y = x + 5;

int a = 10; y = a + 5;

我有这样的需求，

我有一个网络应用程序，工作人员会更新内容，每个人都有自己的帐户。我们在工人中分组，我们将为每个组分配相同的任务。

说第 1 组将首先更新，并在门户中解释了这个概念现在所有其他组都可以自由查看内容，但我们期待其他组的其他一些不错的内容。所以其他人必须更新他们的内容。

我们想避免复制粘贴的事情，一件事是我们不想禁用复制粘贴，但我们打算做的是，监控复制粘贴的东西。就像有人从其他页面复制内容一样，我们应该知道内容是从哪里复制的，从哪一行/哪一页复制。如果我们能够抓住它，那么我们计划对该内容给予负面评价。

有没有办法对每一行进行散列，当复制操作完成时，将隐藏的散列值与内容一起存储，并将其映射到从哪里复制

还是有其他处理方式？

谢谢和问候，萨达南德。

我在大文本文件中编写剽窃检测应用程序。在阅读了很多关于它的文章后，我决定使用Winnowing 算法（使用 Karp-Rabin 滚动哈希函数），但我遇到了一些问题。

数据：

我有两个简单的文本文件——第一个更大，第二个只是第一个的一个段落。

使用的算法：

这是我用来从所有哈希中选择我的指纹的算法。

接下来，为了检测两个文件中是否有相同的文本，我只需比较两个文本的指纹以检查我们是否有匹配项。因此，为了检测抄袭，算法必须采用在文本中完全相同的位置开始的哈希，例如：

Text1: A do run |t^his my check your.

文本 2：我的 bla lol |t^his my dasd 鸡。

为了获得正确的哈希值，它具有相同的值（这也意味着我们有相同的文本），算法应该从我用“|”指向的地方获取指纹 或“^”（我假设我们需要 5 个字符来计算哈希，没有空格）。它不能从 '|' 中获取哈希值 在文本 1 中和文本 2 中的 '^' 因为这两个哈希值不同并且不会检测到抄袭。

问题：

要检测这一段是否是从文本编号 1 复制的，我必须在两个文本的某个位置有两个相同的指纹。问题是算法选择不适合彼此的指纹，我的意思是他们只是错过了，即使在更大的文本中也是如此。

问题：

你有什么想法我可以改进这个算法（这实际上降低了羚牛指纹的正确算法），它会更有可能发现抄袭？

我的想法：

我考虑过运行 winnow 函数几次，对于不同的窗口大小（这将导致采用不同的哈希值），但对于该程序必须在其上工作的大文本（如 2MB 只是文本），这将花费太多时间。

我怀疑我的一个学生从 Internet 下载了他的解决方案，因为这是一项非常常见的基本任务。任务是在 C++ 中将排序序列合并为单个排序序列。我想找到抄袭的来源。（要明确一点：在组内比较解决方案很容易，这不是这里的任务。）

我的白日梦是我把源代码粘贴到一些textarea，按“搜索”按钮，它会在互联网上显示类似的源代码。有没有这样的网站？

我正在用 Java 做一个抄袭类型的项目，并且想以某种方式根据单词选择的强度给每个单词打分。有什么可以做到这一点或有什么方法可以做到这一点吗？

我们不情愿地使用黑板进行测试，几个学生的答案包含大量 HTML 格式。我可以想象在 Word 中写答案并复制/粘贴答案会增加格式。但我看到了这个跨度标签：<span class="goog_qs-tidbit goog_qs-tidbit-0">几次。我认为它可能来自谷歌搜索，但无法在谷歌或他复制的网站上找到它。有谁知道谁使用这些跨度？

像这样玩数字侦探很有趣，但也很令人沮丧。所有学生注意——当你从互联网上复制/粘贴一些东西时，我知道。