Vyhledávání opsaných programů

Abstract

Plagiátorství zdrojových kódů je problematika, se kterou se musí potýkat nejeden vysokoškolský kurz programování. Tato bakalářská práce se zaměřuje na vylepšení detekce opsaných programů pro systém ProgTest, portál pro podporu výuky programování na Fakultě informačních technologií ČVUT v Praze. Je navržen a implementován nový porovnávač, který využívá algoritmus Running Karp-Rabin Greedy String Tiling, jenž lze nalézt také v existujících state of the art detektorech plagiátorství. Nový porovnávač je schopen odhalit rafinovanější způsoby opisování, jako např. prohození funkcí. Dále také dokáže odstranit z odevzdání sdílený kód, který je studentům distribuován jako šablona řešení. Testování ukazuje, že nový porovnávač je pro velká data 3krát až 4krát rychlejší než současné řešení.

Source code plagiarism is an issue that many programming courses face. The aim of this thesis is to improve source code plagiarism detection in ProgTest, a submission management system employed at the Faculty of Information Technology, CTU in Prague. A new tool has been implemented for this purpose. The tool makes use of an algorithm called Running Karp-Rabin Greedy String Tiling, which has been proven effective in many state of the art plagiarism detectors. The new tool is able to recognise a wider variety of techniques used to hide plagiarism, such as block transpositions. Furthermore the tool is capable of removing parts of shared code which have been distributed by the teachers as a submission template. Experiments have observed that the new tool is up to 3-4 times faster compared to the current solution.