克隆检测的通用流程和分类代码克隆技术的简单整理

2024-03-04 19:04:53 | 来源: 互联网整理

代码克隆是指代码库中存在两个或多个相同或相似的源代码片段。 这是软件开发中的普遍现象。 代码克隆可以提高效率，但也可能意外引入外部漏洞。 下面简单总结一下代码克隆检测技术。

2-克隆的类型

代码克隆的类型主要分为两类，语法克隆（ ）和语义克隆（ ）。 语法克隆是指文本上相似的代码片段，而语义克隆是指功能上相似的代码片段。 基于这两个类别，代码克隆可以分为四个子类别，其中前三个是句法克隆，第四个是语义克隆。

目前学术界对Type1、2、3型克隆的检测已经相当成熟，尤其是Java、C++语言的克隆检测； 但Type 4型克隆的检测准确度仍然不高，无法满足工业应用标准。

四个类别的代码示例请参考下图——

其中s1、s2、s3、s4分别与Type-1、2、3、4的代码形式进行比较。 粗体部分为修改部分。 3-克隆检测的一般流程

翻阅代码克隆检测领域的相关论文，我们可以发现代码克隆检测通常分为三个步骤。

将源代码拆分为比较单元（单元，如class、block、），将比较单元转换为中间表达式（IR克隆空间代码，如token、AST、PDG），然后匹配（比较）这些比较单元的IR，通常形成比较单元克隆对的形式：一次比较两个（c1，c2）或多个（c1，c2，c3） 4-克隆检测算法的分类

代码克隆检测发展至今，主要分为五大类检测思路： 、 Token、 、 、 。 具体分类如下图所示。

：主要检测代码片段不同但功能相同的功能（Type4） ：通过机器学习和统计分析进行克隆检测

这些类别对应的具体算法如下——

4.1.

图中的oss指的是open

4.2. 代币

4.3. .3.1 树

4.3.2

4.4. .4.1 PDG

4.4.2 其他

4.5. .5.1 机器学习

4.5.2 其他

5-克隆检测的历史趋势

代码克隆检测最早、最具开创性的工作是在 20 世纪 90 年代初完成的，如下表所示。 可以看出，除了近年来出现的ML方法外，代码克隆检测的开创性工作是在20世纪90年代和2000年代完成的。 这就是为什么作者说这个领域已经相当成熟了。

6- 基准

除了工具本身之外，代码克隆检测工具的基准测试和有效性测试领域也有许多发展。 比较有名的是 的 (2007) 和 (2015)

7-开源工具

作者整理了一些学术成果，已经开源。 地址如下。

PS 知乎不支持表格。 如果需要复制粘贴，请前往博客：

[1] A, Cerny T, Song E. Open-tools and for code-clone: Past, , and [J]. ACM，2020，19（4）：28-39。

[2] Roy CK，Cordy JR，R.和代码克隆及工具：A[J]． , 2009, 74(7): 470-495。