65、源代码作者归属识别方法

源代码作者归属识别方法

1. 图神经网络简介

图神经网络最早被提出，随后得到进一步阐述。它通常以底层图结构作为输入，通过在整个图上转移、转换和聚合节点特征信息，图神经网络可以更新并生成每个节点的嵌入向量，还能通过图池化生成整个图的嵌入向量。图神经网络已在许多领域成功应用，本文主要利用其在图相似性学习中的应用来解决代码去匿名化问题。

2. AGCAAM 概述

AGCAAM 的整体框架如下：
1. 对于 Python 代码文件，使用 Python 内置的 AST 模块将其解析为抽象语法树（AST）。
2. 通过添加不同类型的边来构建特征图。
3. 将一对向量化的图数据输入到训练好的图神经网络中，图神经网络会更新并计算所有节点和边的向量。
4. 使用读出函数对模型的输出进行图池化，以获得每个 Python 文件的图级特征向量表示。
5. 计算这两个向量的余弦相似度，若相似度得分大于阈值，则认为它们是由同一作者编写的。

3. 基于 AST 构建特征图

AST 是源代码抽象语法结构的树表示，每个节点代表源代码中出现的一个结构，每条边代表两个相应结构之间的关系。但 AST 仅包含代码的语法特征，为了充分提取不同程序员的风格特征，设计了基于 AST 构建特征图的方法。特征图基于程序的 AST 树，图的节点 v 是 AST 节点或其关联的属性节点。为了利用源代码的控制流和数据流特征，添加了以下不同类型的边：
- Parent ：连接非根节点与其父节点，包含节点的顺序信息。
- Child ：连接非叶子节点