Algorithms and techniques for measuring source code similarity

U današnje doba, informacijska dostupnost uvelike olakšava plagijarizam. Plagijarizam obuhvaća široko područje, a u ovome radu se analizira isključivo plagijarizam izvorišnih kodova. Klasificiraju se i objašnjavaju uobičajene metode zataškavanja plagijarizma. Navode se postojeće metode za mjerenje sličnosti poput mjere editirajuće udaljenosti i analize digitalnih otisaka, te se spominju uobičajeni predprocesi koji se provode nad izvorišnim kodovima. Na temelju opisanih metoda se nudi rješenje za mjerenje sličnosti velikog broja kodova u relativno kratkome vremenu koje je otporno na odabrani skup napada. Na kraju su provedeni eksperimenti kojima se ustvrđuju performanse stvorenog sustava.Nowadays, informational availability makes it easy for people to partake in plagiarism activities. Plagiarism can be practiced in many ways, but this paper focuses on source code plagiarism exclusively. We classify and explain the usual methods used to cover plagiarism traces. Then we explain current state of the art methods for source code similarity measuring. Those include calculating various edit distances, digital fingerprint analysis and some common preprocessing tasks. Based on those methods, we offer a solution that measures software similarity of a huge set of documents and successfully defends against anti-detection plagiarism attacks. Finally, we carry out an experiment to determine the performance stats of our system