SourcererCC: 대규모 코드 클론 탐지를 위한 확장

활발한 연구가 진행된 지 10년이 지났음에도 불구하고, 매우 대규모 소스 코드 리포지토리에 대해 확장 가능한 클론 탐지기가 현저히 부족하며, 특히 클론 코드에서 중요한 편집 활동이 발생할 수 있는 근접 클론 탐지에 대해 그러합니다. 우리는 세 가지 클론 유형을 목표로 하고 표준 워크스테이션을 사용하여 대규모 프로젝트 간 리포지토리에 대한 확장성을 달성하기 위해 인덱스를 활용하는 토큰 기반 클론 탐지기인 SourcererCC를 소개합니다. SourcererCC는 주어진 코드 블록의 잠재적인 클론을 신속하게 조회하기 위해 최적화된 역 인덱스를 사용합니다. 토큰 순서에 기반한 필터링 휴리스틱이 인덱스의 크기, 클론을 탐지하기 위해 필요한 코드 블록 비교의 수, 잠재적 클론을 판단하기 위해 필요한 토큰 비교의 수를 상당히 줄이는 데 사용됩니다. 우리는 SourcererCC의 확장성, 실행 시간, 재현율 및 정밀도를 평가하고, 이를 네 가지 공개적으로 사용 가능한 최신 도구와 비교합니다. 재현율을 측정하기 위해 (1) 실제 클론의 대규모 벤치마크인 BigCloneBench와 (2) 수천 개의 세분화된 인공 클론에 대한 변이/주입 기반 프레임워크를 사용합니다. 우리는 SourcererCC가 높은 재현율과 정밀도를 보이며, 표준 워크스테이션을 사용해 대규모 프로젝트 간 리포지토리(250MLOC)에 확장할 수 있음을 발견했습니다.