?我個(gè)人為我們課程DIY過一個(gè)知網(wǎng)查重的軟件工具，是基于數(shù)據(jù)流分析的，效果還不錯(cuò)，反正修改變量名，提取函數(shù)這些小伎倆是完全無用的，甚至可以做到一定的跨語言查重（只把c#代碼copy到j(luò)ava里，然后改一改跑起來是會(huì)被發(fā)現(xiàn)的）。說明程序代碼也會(huì)進(jìn)行對(duì)比查重算抄襲重復(fù)率。下面具體說說程序代碼進(jìn)行知網(wǎng)查重的方法，具體如下：

以c為例，具體流程大概是，先調(diào)用預(yù)處理器把注釋干掉，把macro展開，因include <>而弄進(jìn)來的那波標(biāo)準(zhǔn)庫頭文件特殊標(biāo)記一下，然后建立CFG（control flow graph）進(jìn)行知網(wǎng)查重。因?yàn)镃FG關(guān)心的是變量的值會(huì)怎么傳播，所以在中間插入一大堆無副作用的語句是不會(huì)有任何效果的，把變量換個(gè)名或挪個(gè)位置（比如加多一層block）也沒啥卵用。

c++的話就會(huì)麻煩很多，畢竟在c++里就算a + b這么個(gè)簡單語句，因?yàn)閛perator+可以重載，所以指不定執(zhí)行完這個(gè)語句就可以把地球都炸了呢，而且這個(gè)重載在不同namespace里還可能不同，比如namespace A是用核彈炸地球，namespace B是對(duì)整個(gè)地球播一段愛的供養(yǎng)神馬的……在c++里建立CFG會(huì)是個(gè)噩夢……程序代碼進(jìn)行知網(wǎng)查重的方法比較復(fù)雜吧！！

不過說起來我們的課程比較特殊，因?yàn)樽鳂I(yè)用的是類ACM的提交系統(tǒng)，所以對(duì)運(yùn)行環(huán)境有比較嚴(yán)格的限制，這保證了程序代碼知網(wǎng)查重查重的準(zhǔn)確率。如果是完全開放性的程序代碼知網(wǎng)查重（即對(duì)語言和第三方lib等等都不做限制的話）恐怕會(huì)很困難。

=== 舉個(gè)例子 ===
以下是前幾天剛剛檢測到的抄襲代碼片段……下面兩段java代碼被檢測出有高度匹配（右圖里getARGBData函數(shù)只是把二維數(shù)組給復(fù)制4份湊成一個(gè)三維數(shù)組而已，沒干其他事）……

另外一點(diǎn)，為了減少漏網(wǎng)之魚，知網(wǎng)查重時(shí)一般都會(huì)用低閾值初篩，再人工介入復(fù)核。此外建立回溯機(jī)制，比如如果某人現(xiàn)場考試的成績和作業(yè)排名差異較大的話，會(huì)觸發(fā)重查，專門為他調(diào)低閾值重查一遍+人工復(fù)核。不過正因?yàn)橛腥斯?fù)核，所以思路相同一般是不至于誤判的，畢竟只要代碼行數(shù)一多，思路再相同，代碼風(fēng)格上也會(huì)有很大差異。