ICodeNet——一种用于源代码作者识别的分层神经网络方法
机器学习
2021-06-24 v1 计算机视觉与模式识别
信息检索
编程语言
摘要
随着开源革命，源代码如今比以往任何时候都更容易获取。然而，这也使得恶意用户和机构更容易在无视许可证或不为原作者署名的情况下复制代码。因此，源代码作者识别是一项至关重要且具有重大意义的任务。本文提出 ICodeNet——一种可用于源代码文件级任务的分层神经网络。ICodeNet 以图像格式处理源代码，并用于逐文件作者识别任务。ICodeNet 由 ImageNet 上预训练的 VGG 编码器以及随后的浅层神经网络组成。该浅层网络基于 CNN 或 LSTM。不同的模型变体在一个源代码作者分类数据集上进行了评估。我们还将这种基于图像的分层神经网络模型与简单的基于图像的 CNN 架构以及基于文本的 CNN 和 LSTM 模型进行了比较，以凸显其新颖性与效率。
引用
@article{arxiv.2102.00230,
title = {ICodeNet -- A Hierarchical Neural Network Approach for Source Code Author Identification},
author = {Pranali Bora and Tulika Awalgaonkar and Himanshu Palve and Raviraj Joshi and Purvi Goel},
journal= {arXiv preprint arXiv:2102.00230},
year = {2021}
}
备注
Accepted at ICMLC 2021