34、源代码作者归属的贝叶斯集成分类器

源代码作者归属的贝叶斯集成分类器

1. 引言

“作者归属”指的是确定文档作者的任务。源代码作者归属则是判定源代码文档作者的工作，它是软件取证的重要组成部分。软件取证旨在分析软件，识别作者特征，常用于恶意代码分析，以找出攻击源头或攻击者特征。

除软件取证外，源代码作者归属还有诸多应用：
- 学术领域 ：用于编程作业的抄袭检测。学生常从网络、朋友或“代码租赁”服务处获取代码，抄袭编程问题的解决方案。
- 工业领域 ：
- 配置管理 ：有助于作者跟踪和变更控制。
- 软件所有权 ：对保护商业机密、专利声明、版权侵权或软件盗窃案件至关重要。

作者归属问题通常按以下步骤进行：遇到未知作者的文档后，将其与已知作者的文档语料库进行比较，把语料库中与未知文档最相似的作者归为该文档的作者，相似度衡量通常基于风格。

作者归属实验通常也类似：选取一些已知作者的样本文档用于实验，将这些文档从语料库中排除，使用实验技术为每个样本指定作者，以正确归属文档的百分比衡量成功率。实验有封闭和开放两种形式，开放形式更具挑战性，目前尚未有相关研究发表。

过去提出了多种源代码作者归属方法，其中Burrows方法和SCAP方法是最先进的两种。本文将介绍这两种方法的基线版本、改进方法，以及如何结合它们创建基于贝叶斯最优分类器的集成方法，并通过实证研究评估该集成方法的有效性。

2. 文献综述

• 基线SCAP方法