Alle programmører har bestemte måder at skrive kode på, selv om det godt kan være, at de ikke selv er særligt bevidste om det.
Det kan være en forkærlighed for eksempelvis bestemte måder at skrive comments på eller tabs eller navngivning.
Et stort forskningsprojekt viser nu, at skrive-stilen faktisk er en slags fingeraftryk, der ret nøjagtigt kan pege i retning af en bestemt programmør, hvis der skulle være brug for at afgøre, hvem der har skrevet hvad.
Det kan for eksempel være i forbindelse med malware eller copyright-sager og lignende.
Forskerne – der er fra en række forskellige universiteter – har udviklet en særlig metode, der kan genkende skrive-måde og koble det til bestemte programmører.
Du kan læse om deres resultater i papiret ‘De-anonymizing Programmers via Code Stylometry.’
Analyseværktøjet kigger på layout og på fordelingen af de forskellige tokens-typer.
Det helt nye er imidlertid en funktion, som forskerne kalder for ‘abstract syntax trees,’ der ifølge forskerne kigger på kode-stil ‘helt uafhængigt af skrive-stilen.’
Kan gennemskue ændringer
Det betyder, at værktøjet ikke bliver forvirret og vildledt, hvis programmøren pludselig ændrer sin måde at anvende eksempelvis navngivning, spacing eller comments på – så længe den bagvedliggende funktionalitet er den samme.
Forskerne har testet deres teorier på større mængder data indsamlet fra Googles Code Jam for at se, om det faktisk kunne lade sig gøre at identificere bestemte programmører.
Her kiggede de på C++-kode skrevet fra 2008 til 2014 af mere end 100.000 forskellige programmører.
Her nåede de frem til, at analyseværktøjet i 95 procent af tilfældene kunne identificere programmøren, der havde skrevet koden baseret på analyse af 640 kodelinier skrevet af 250 forskellige programmører.
I en analyse af 30 programmører, der havde skrevet 1.900 kodelinier, ramte værktøjet rigtigt i 97 procent af tilfældene.
Leave a Reply