Download Principales características utilizadas para análisis de código fuente

Principales características utilizadas
para análisis de código fuente
Generadores de arboles abstractos
de sintaxis
●
Python AST (Especifico python)
●
Javaparser (Especifico de java)
●
Se debe especificar la sintaxis
–
Pyparsing
–
Boost.Spirit
Estilografía
●
Authorship Analysis: Identifying The Author of a
Program (Krsul, 1995)
–
Indentación o sangrado.
–
Forma de declarar variables.
–
Separación entre nombre de funciones y
parámetros
–
Longitud de lineas.
–
Longitud de nombres de variables.
Estilografía
●
De-anonymizing Programmers via Code Stylometry (CaliskanIslam, 2014)
–
Se crea un AST por cada función o método.
–
Frecuencia de palabras clave.
–
Profundidad promedio de los 58 posibles nodos AST.
–
TF de los 58 posibles nodos AST.
–
TF-IDF de los 58 posibles nodos AST.
–
Profundidad máxima de un nodo AST.
–
Cantidad de ciclos divido sobre el número de caracteres que lo
componen.
–
Cantidad de condicionales (independientemente if, if-else, if-else if) divido
sobre el número de caracteres que lo componen.
Estilografía
●
Author Identification: An Approach Based on Style
Feature Metrics of Software Source Codes (Joshi et. Al,
2013) usando C4.5
–
La letra i como iterador.
–
Longitud de linea.
–
Comentarios.
–
Longitud promedio de procedimientos/métodos.
–
Métodos.
–
Número de arreglos.
–
Creación de objetos.
Estilografía
●
On the Use of Discretized Source Code Metrics
for Author Identification (Shevertalov. Et. al.
2009). Se normalizan las métricas y se usa el
algoritmo de los k más cercanos.
–
Espacios al inicio de la linea.
–
Tabs al inicio de la linea.
–
Longitud de linea.
–
Palabras por linea.