Лексична згортка при аналізі схожості текстів програм

Abstract

Стаття присвячена вирішенню проблеми захисту авторського права на тексти комп'ютерних програм. Хоча на законодавчому рівні вихідні та об'єктні коди комп'ютерних програм визнані такими, що підлягають захисту та на які розповсюджується авторське право, практична реалізація цього не є досконалою. Причина, полягає у тому, що історично спочатку постала проблема захисту авторства на літературні тексти, а потім цей підхід поширився й на тексти комп'ютерних програм. При цьому програмні коди розглядаються лише як різновид літературних текстів, тому для аналізу їх схожості пропонуються ті ж методики, які застосовуються до літературних текстів. Вони не враховують особливості текстів комп'ютерних програм, насамперед граматичні правила побудови програмних кодів. На відміну від граматики літературних текстів, синтаксис мов програмування побудований на більш жорстких прави-лах, які мають формалізований вигляд та описуються за допомогою метамов. Тому будь який оператор чи інструкція має у своєму складі стали вирази, які при компіляції комп'ютерної програми розглядаються як стандартні токени певної мови програмування. Їх назви та розташування не можуть бути довільними, а тому вони визначають як би лек-сичний каркас програми. Але під час створення програмного коду його автор має можливість вільно використовувати власні назви для певних складових комп'ютерної програми – назв змінних, міток, розроблених функцій тощо. Ці назви відносяться до користувацьких токенів та при компіляції не розглядаються як стали складові команд. Вони можуть бути легко замінені у вихідному коді без будь яких змін у послідовності стандартних токенів. Таке «клонування» про-грамного коду з боку недоброчесних користувачів часто залишається непомітним, бо програмні засоби для знаходження схожості текстів дають значно занижений результат, оскільки не розрізняють стандартні та користувацькі токени у текстах, які порівнюються. Той же невірний підхід до текстів комп'ютерних програм може також надати завищену оцінку при порівнянні через ті ж недоліки. Це доводиться на прикладах, які наведені у статті.У статті запропонований підхід при якому у текстах комп'ютерних програм стандартні токени відокремлю-ються від користувацьких, внаслідок чого останні мають значно менший вплив на результат перевірки схожості тек-стів. Це перетворення, яке назване лексичною згорткою, продемонстровано на прикладі основних конструкцій мови програмування C та фрагменту програмного коду. Цей підхід може бути поширений на інші мови програмування.