선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이 논문에서는 10개의 대상 프로그램의 성능 평가를 위해 실제 표절 여부를 코드 검토하여 확인하였다. 검토방법으로 실제 코드의 유사한 부분을 찾은 후 과제를 제출한 학생과 면담을 통해 표절 여부를 확인하였다.
- 이 논문에서는 정적인 방법인 Java 소스 코드를 이용해 클래스의 구조를 버스마크로 추출해 프로그램 표절을 검사하는 방법을 제안한다. 제안 방법은 클래스 멤버 변수와 메소드 간의 참조 관계를 이용해 이를 그래프로 표현하는 방법이다.
- 이 논문에서는 프로그램 표절 검사를 위해 클래스 구조를 이용하는 방법을 제안한다. 제안 방법은 소프트웨어 버스마크의 한 종류이다.
- 이 논문에서는 프로그램 표절을 검사하는 방법으로 클래스 구조를 이용하는 정적인 버스마크인 CRGB를 제안하였다. CRGB는 클래스의 메소드에서 멤버 변수가 사용되었다면 서로 연관 관계가 있는 것으로 간주해 멤버 변수와 메소드의 자료형을 그래프의 정점으로 추가하고 간선으로 연결하는 방법이다.
제안 방법
- 지문법은 소스코드에 포함된 문법적 코드 정보를 이용하는 방법이다. CRGB만 이용하는 경우 클래스 구조만 고려하고, 메소드의 행동(behavior)은 고려하지 못하기 때문에 지문법을 이용해 메소드의 행동을 표현한다, 이를 위해 제안 방법은 메소드가 가지고 있는 문장의 종류를 카운트해 지문법 정보로 이용한다.
- 검토방법으로 실제 코드의 유사한 부분을 찾은 후 과제를 제출한 학생과 면담을 통해 표절 여부를 확인하였다. 그 결과 프로그램 I와 J가 서로 표절을 한 사실을 확인할 수 있었다.
- 형 문제를 사용하였다. 그래프 동형 문제 해결을 위해 기존에 널리 알려진 라이브러리인 VFLib를 이용해 유사도 계산을 해결하였다. 그리고 그래프 동형 문제는 NP-완전 문제이기 때문에 그래프 분할을 통해 입력되는 그래프의 크기를 줄이는 방법을 제안하였다.
- CRGB는 그래프로 표현되는 버스마크이기 때문에 그래프 비교를 통해 유사도 점수 계산이 필요하다. 그러므로 제안 방법에서는 그래프 동형 검사를 이용해 유사도를 계산한다.
- 체 간선의 수 중 큰 쪽을 비교 대상으로 한다. 그리고 VF2 알고리즘을 통해 얻은 동형 그래프로 판단된 그래프의 간선의 수를 모두 합산한다. 그리고 전체 CRGB의 간선 중 몇 퍼센트가 동형 그래프에 포함되는가가 유사도 점수로 사용된다.
- 그래프 동형 문제 해결을 위해 기존에 널리 알려진 라이브러리인 VFLib를 이용해 유사도 계산을 해결하였다. 그리고 그래프 동형 문제는 NP-완전 문제이기 때문에 그래프 분할을 통해 입력되는 그래프의 크기를 줄이는 방법을 제안하였다.
- 해당 방법은 컴파일러의 어휘 분석기를 이용해 소스코드를 토큰으로 변경한다. 그리고 문자열 비교 알고리즘이나 유전자 분석 기법에서 사용되는 정렬 (alignment) 알고리즘을 이용해 유사도 점수를 측정하고 이를 이용해 표절 여부를 알려준다. 하지만 이 방법은 소스 코드를 삽입하거나 순서를 변경하는 등 소스 코드 구조를 변경하면 유사도 점수가 달라지는 단점이 있다.
- 그리고 이 논문에서는 CRGB의 성능을 평가하기 위해 F-measure를 이용해 정확도를 측정하였다. F-measure는 정보 검색 분야에서 사용되는 측정요소로 정확도(precision)와 재현율(recall)을 이용해 검사의 정확성을 측정하는 방법이다.
- 문자열 기반의 방법은 소스코드가 기존 문자열과 다른 점인 주석이나 공백 문자를 모두 제거한 문자열을 대상으로 검사하는 것이다. 그리고 해당 방법은 표절 검사를 위해 문자열 비교 알고리즘을 이용해 유사도 점수를 측정하고 이를 이용해 표절 여부를 알려준다. 하지만 이 방법은 제어 구조나 스트링 변경에 따라 유사도 점수가 달라지는 단점이 있다.
- 또한, 제안 방법에서는 메소드 정점에 대하여 지문법(fingerprints)을 이용해 유사도 검사의 정확도를 높인다. 지문법은 소스코드에 포함된 문법적 코드 정보를 이용하는 방법이다.
- 제안 방법에서는 그래프를 효과적으로 다루기 위해 멤버 변수 집합을 기준으로 그래프 분할하여 유사도를 검사한다. 이 방법은 하나의 멤버 변수와 연관 있는 메소드 정점을 별도의 그래프로 생성하는 것으로 그래프를 분할한다.
- 제안 방법에서는 유사도 점수를 측정하기 위한 기준으로 두 CRGB 사이의 간선 일치도를 소스코드의 유사도 점수로 사용한다. 위에서 언급한 바와 같이 분할 그래프는 그래프의 전체적인 정점 수가 중복되어 늘어나게 되지만 원본 CRGB와 간선의 수는 변함이 없다.
- 를 이용하는 방법을 제안한다. 제안 방법은 소프트웨어 버스마크의 한 종류이다. 소프트웨어 버스마크는 프로그램의 고유한 특징을 이용해 프로그램을 식별하는 방법으로 Myles에 따르면 정의 1과 같다[6].
- 검사하는 방법을 제안한다. 제안 방법은 클래스 멤버 변수와 메소드 간의 참조 관계를 이용해 이를 그래프로 표현하는 방법이다. 그리고 생성된 그래프를 그래프 동형 검사를 이용해 프로그램 간의 표절 관계를 검출하는 방법이다.
- 에서 실행되었다. 제안 시스템은 CRGB를 생성하는 부분과 CRGB를 비교하고 유사도를 계산하는 부분으로 나누어져 있다. 그 중 CRGB 생성기는 Eclipse 환경에서 Java 1.
- 제안하는 표절 검사 시스템 전체 구조. 제안 시스템은 소스 코드를 입력으로 받아 CRGB를 생성하고 생성된 CRGB 를 유사도 계산기로 넘겨 표절 검사를 실행한다.
- 이 논문에서 제안하는 시스템은 [그림 3]과 같은 구조로 구성된다. 제안 시스템은 크게 CRGB 생성기 부분과 유사도 계산기 부분으로 나누어진다. CRGB 생성기는 소스 코드를 입력으로 받아 CRGB를 생성한다.
대상 데이터
- 그리고 실험 대상을 이용해 CRGB를 생성하면 그래프의 전체 정점은 76개로 생성된다. 그리고 10개의 프로그램을 대상으로 순서에 상관없이 두 프로그램 간의 유사도 검사를 수행하기 때문에 중복되는 쌍을 제거하면 45개 쌍을 대상으로 실험하게 된다. 다음 [표 3]은 선정된 코드 그룹을 대상으로 JPlag와 k-gram, 제안 방법을 적용해 얻어진 유사도 쌍의 유사도 점수 결과이다.
- 선정된 대상 코드 그룹은 기존에 표절이 있다고 알려진 그룹이다. 그리고 그 중 JPlag에서 유사도 점수가 높은 상위 10개 코드를 대상으로 한다. 실험 대상에 대한 정보는 [표 2]와 같다.
- 분할하기 전의 CRGB. 멤버 변수 4개와 메소드 2개로 이루어진 클래스를 대상으로 추출한 CRGB이다.
- 드 그룹을 대상으로 선정하였다. 선정된 대상 코드 그룹은 기존에 표절이 있다고 알려진 그룹이다. 그리고 그 중 JPlag에서 유사도 점수가 높은 상위 10개 코드를 대상으로 한다.
- 실험 대상은 [표 3]과 같이 전체 10개 소스코드에서 45개 쌍의 유사도 점수를 계산하였다. 기존의 객체지향 프로그래밍 수업에서는 60∼70% 이상의 유사도 점수가 나오게 되면 표절로 의심하였기 때문에 이 논문에서도 60% 이상의 유사도 점수가 나오게 되면 표절로 의심한다.
- 이 논문에서 실험은 Windows 7 professional SP1 환경에서 실행되었다. 제안 시스템은 CRGB를 생성하는 부분과 CRGB를 비교하고 유사도를 계산하는 부분으로 나누어져 있다.
- 미 많은 연구 결과가 발표된 바 있다. 이 논문에서는 그래프 동형 문제를 해결하기 위해 VFLib2.0[18]라는 그래프 라이브러리를 이용하였다. VFLib는 C++로 구현된 그래프 동형 비교 라이브러리로 VF, VF2, Ullmann, Schmidt-Druffel과 같은 그래프 비교 알고리즘을 제공하고 있다.
- 이 논문에서는 실험을 위한 대상 프로그램으로 2012년 객체지향 프로그래밍 수업에서 과제로 제출된 소스 코드 그룹을 대상으로 선정하였다. 선정된 대상 코드 그룹은 기존에 표절이 있다고 알려진 그룹이다.
- 그리고 Stigmata는 Java의 바이트 코드를 대상으로 버스마크를 생성하고 유사도를 분석하는 프로그램이다. 이 프로그램은 다양한 버스마크를 지원하지만, 이 실험에서는 많이 연구되고 있는 k-gram 버스마크를 이용한다. 그리고 실험 결과 k의 값이 4인 경우 가장 표절을 잘 검출하였기 때문에 k의 값은 4로 사용한다.
- 제안 방법을 평가하기 위해 2012년 객체지향 프로그래밍 수업에서 제출된 과제를 대상으로 실험을 진행하였다. 그리고 다른 유사도 검출 프로그램과 비교를 위해 JPlag와 Stigmata를 이용해 정확도와 재현율, F-measure를 계산하였다.
데이터처리
이론/모형
- 그리고 제안 방법을 평가하기 위해 기존에 널리 알려진 유사도 분석 프로그램인 JPlag[20]와 Stigmata 2.0[21]을 이용한다. JPlag는 C/C++와 Java, Scheme, C# 등 다양한 언어를 지원하는 토큰 기반의 유사도 분석 프로그램이다.
- 기존의 검사 방법은 소스 코드의 문서적 특징을 이용하는 방법부터 프로그램의 의미를 고려하는 방법까지 다양하게 제시되었다. 그중 이 논문에서는 프로그램 의미를 고려하는 소프트웨어 버스마크 (birthmark)를 이용하여 프로그램 표절을 검사하는 방법을 이용한다.
- 이 논문에서는 CRGB의 유사도 계산을 위해 그래프 동형 문제를 사용하였다. 그래프 동형 문제 해결을 위해 기존에 널리 알려진 라이브러리인 VFLib를 이용해 유사도 계산을 해결하였다.
- 크를 생성하는 부분이다. 제안 방법에서는 Java 소스코드를 분석하기 위해 Java 파서인 javaparser-1.0.8[17]을 이용한다. javaparser는 Java 1.
- VFLib는 C++로 구현된 그래프 동형 비교 라이브러리로 VF, VF2, Ullmann, Schmidt-Druffel과 같은 그래프 비교 알고리즘을 제공하고 있다. 제안 방법에서는 그중 다른 알고리즘에 비해 성능이 좋다고 알려진 VF2 알고리즘을 이용하였다[19]. VF2 백트래킹(backtraking), 미리보기 (look-ahead) 기반의 알고리즘으로 최선의 경우 θ(n2)의 시간이 걸리며 최악에는 θ(N!N) 시간이 걸리는 알고리즘이다[19].
성능/효과
- JPlag, k-gram 기반 Stigmata, CRGB의 유사도 측정 결과. 60% 이상을 표절로 의심하게 되면 JPlag는 3쌍이 표절로 의심되며 k-gram은 5쌍이 그리고 CRGB는 2쌍이 표절로 의심되는 결과가 나타났다.
- 실험 대상 정보. JPlag에서 유사도 점수가 높은 상위 10개 프로그램의 전체 LOC는 716으로 나타났으며 전체 CRGB의 정점 수는 76개로 나타났다.
- 그리고 다른 유사도 검출 프로그램과 비교를 위해 JPlag와 Stigmata를 이용해 정확도와 재현율, F-measure를 계산하였다. 계산 결과 F-measure를 기준으로 CRGB가 JPlag보다 0.17, Stigmata보다 0.34 높게 나타났다.
- 50으로 가장 높게 나타났다. 그리고 F-measure의 경우 CRGB가 가장 높게 나타났으며, JPlag보다 0.17, Stigmata보다 0.34 높게 나타났다. 즉 제안 방법은 현재 실험에서 양성오류가 JPlag에서는 17%, k-gram에서는 30% 감소한 것을 확인할 수 있다.
- JPlag, k-gram 기반 Stigmata, CRGB의 성능 평가. 세 방법 모두 재현율은 동일하게 1로 나타났지만, 정확도와 F-measure에서는 CRGB가 가장 우수하게 나타났으며 다음은 JPlag, k-gram 순으로 나타났다.
- 34 높게 나타났다. 즉 제안 방법은 현재 실험에서 양성오류가 JPlag에서는 17%, k-gram에서는 30% 감소한 것을 확인할 수 있다.
- 되었다. 하지만 정확도에서 JPlag는 0.33으로 k-gram 기반의 Stigmata는 0.20으로 나타났으며 CRGB는 0.50으로 가장 높게 나타났다. 그리고 F-measure의 경우 CRGB가 가장 높게 나타났으며, JPlag보다 0.
후속연구
- 그러므로 이를 개선하기 위한 연구가 필요하다. 그리고 제안 방법은 작은 프로그램보다 대규모 프로그램의 표절 검사에 적합할 것으로 예상되기에 이에 관한 실험 및 분석이 필요하다.
- 또 다른 향후 연구로는 클래스 간의 관계를 표현하는 방법에 관한 연구가 필요하다. 현재 제안방법은 클래스의 유사도를 분석하는데 초점이 맞춰져 있다.
- 현재 제안방법은 클래스의 유사도를 분석하는데 초점이 맞춰져 있다. 하지만 객체 지향 프로그램의 특성상 객체 간의 관계 즉 상속이나 객체 간의 통신도 고려하는 유사도 분석이 이루어진다면 표절 검사의 정확도는 더 올라갈 것으로 생각된다.
- 향후 연구로 CRGB의 정확도를 높이는 방법에 관한 연구가 필요하다. 현재 제안한 CRGB는 클래스의 구조가 비슷하다면 다른 프로그램도 유사하다고 나올 가능성이 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.