[发明专利]面向技术特征的源代码对比方法、系统与程序产品

权利要求书

1.一种面向技术特征的源代码对比方法，其特征在于，包括：

代码文件预处理阶段，用于输出代码的函数调用结构、函数名称和内置类名称；

对所述函数调用结构语义编码阶段：采用基于图卷积神经网络的自编码器方法对函数调用结构进行语义编码，得到函数调用结构向量；

对所述函数名称和内置类名称的调用信息使用TF-IDF算法编码阶段，分别得到函数向量和内置类向量；

最后将函数调用结构向量、函数向量和内置类向量进行拼接作为整体技术特征向量，以比对代码相似度；

所述代码文件预处理阶段包括：

使用函数调用结构生成工具得到代码技术特征中函数调用结构的DOT文件，其中，DOT文件用于描述函数调用结构的图表示中节点以及节点之间的关系，将DOT文件经过预处理后得到函数调用结构的图表示：

在公式（I）中，V表示函数名称的集合；A_V表示函数属性的集合；E表示存在函数调用边的集合；A_E表示边属性的集合；根据函数调用结构的图表示，进而得到函数调用结构的图表示的邻接矩阵A；

所述函数调用结构语义编码阶段包括：

代码文件经过上述预处理后得到函数调用结构的图表示、函数名称和内置类名称，使用基于图卷积神经网络GCN的自编码器方法对函数调用结构的图表示进行语义编码，结构语义向量h_s包含函数属性和存在函数调用边的信息，编码器的计算如公式（II）至（IV）所示：

在公式（II）（III）（IV）中，h_s是函数调用结构语义向量；A_V是函数属性的集合；A是函数调用结构的图表示的邻接矩阵；是对称归一化的邻接矩阵；

Relu是激活函数；W₀和W₁是待学习的参数，对图自编码器进行训练后得到的;所述图自编码器包括编码器和解码器，所述编码器的计算如公式（II）至（IV）所示；

D是度矩阵，度矩阵是对角阵，对角上的元素为各个顶点的度；

所述图自编码器采用sigmoid函数作为解码器来重构原始的图，所述解码器的计算如公式（V）所示：

在公式（V）中，是重构原始图的邻接矩阵；σ是sigmoid函数；

使用重构图的邻接矩阵与原始图的邻接矩阵的交叉熵作为损失函数，损失函数的计算如公式（VI）所示：

在公式（VI）中，N表示函数调用边集合的数量；表示原始图的邻接矩阵A中的元素；表示重构原始图的邻接矩阵中的元素。