[发明专利]基于字节码序列匹配的Java语句块克隆检测方法

摘要

本发明公开了一种基于字节码序列匹配的Java语句块克隆检测方法，本发明提出的方法是通过对指令的执行和跳转的分析来提取语句块级别的字节码代码片段，然后从字节码代码片段中提取指令并按照其实现的功能不同采用唯一的字符来表示。再采用序列匹配和相似度计算的方式，最终获得相似的代码片段。该方法通过对指令的执行和跳转的分析，从而精准地提取语句块级别的字节码代码片段，并按照指令实现的功能而采用唯一的字符来表示，从而提高了代码克隆的检测效率。在具体检测克隆代码的过程中，将序列匹配方法应用到了单一字符指令序列上，与其他传统方法相比，采用本方法有更好的检测识别效果。

主权项

1.基于字节码序列匹配的Java语句块克隆检测方法，其特征在于该方法的具体步骤是：步骤(1).将两个不同的Java源代码文件分别编译成字节码，并进一步转换为字节码文本格式文件，并在字节码文本文件基础上，提取字节码的语句块p、q；步骤(2).分别从语句块p、q中提取指令序列，将每条指令根据其功能不同采用唯一的字符来表示，从而形成两个长度分别为|p|和|q|的单一指令字符序列SCS_p和SCS_q；步骤(3).为两个单一字符指令序列SCS_p和SCS_q构建|p|+1行、|q|+1列的字节码匹配矩阵BAM^p,q，并初始化BAM^p,q中的每个单元格的匹配分值为0；步骤(4).从第一行第一列开始按行再按列依次计算字节码匹配矩阵BAM^p,q中的每个单元格(i,j)的匹配分值BAM^p,q[i][j]为BAM^p,q[i‑1][j‑1]+σ(SCS_p[i]+SCS_q[j])、BAM^p,q[i‑1][j]+σ_Delete、BAM^p,q[i][j‑1]+σ_Insert和0这四个值中的最大值；其中如果SCS_p中的第i个字符和SCS_q中第j个字符相同，则σ(SCS_p[i]+SCS_q[j])为Match，同时将单元格(i,j)加入到闭合回溯路径起点集合里,并将其设置为未被访问，再按以下规则设置单元格(i,j)的前驱单元格：如果匹配分值BAM^p,q[i][j]的取值为BAM^p,q[i‑1][j‑1]+σ(SCS_p[i]+SCS_q[j])，则前驱单元格为(i‑1,j‑1)，如果取值为BAM^p,q[i‑1][j]+σ_Delete，则前驱单元格为(i‑1,j)，如果取值为BAM^p,q[i][j‑1]+σ_Insert，则前驱单元格为(i,j‑1),如果取值为0，则设置为null；当SCS_p中的第i个字符和SCS_q中第j个字符不相同，则σ(SCS_p[i]+SCS_q[j])为MisMatch，以上Match、MisMatch、σ_Delete和σ_Insert的值分别取值为2、‑2、‑2、‑2；步骤(5).选择闭合回溯路径起点集合里所有未被访问的单元格中匹配分值最高的单元格，从该单元格开始，依次选择它的前驱单元格直至到达前驱单元格为null的单元格，从而获得一条闭合回溯路径，将闭合回溯路径中的每个单元格设为已访问，分别依次选取闭合回溯路径中的每个单元格的行坐标和列坐标，组成两条疑似克隆的单一字符指令序列；步骤(6).重复步骤(5)，得到SCS_p和SCS_q中所有疑似克隆的单一字符指令子序列对，然后组建两个三维向量其中p₁为SCS_p中、与SCS_q子序列互为疑似克隆对的所有单一字符指令子序列长度之和，L_p是SCS_p对应的单一字符指令序列长度，q₁为SCS_q中、与SCS_p子序列互为疑似克隆对的所有单一字符指令子序列长度之和，L_q是SCS_q对应的单一字符指令序列长度；计算两个三维向量的余弦相似度，即p和q的余弦相似度，如果余弦相似度大于某个阈值，则认为语句块p和q互为克隆字节码片段，并将它们映射回源代码。