프로그래밍 과제의 표절은 컴퓨터 과학 교육에서 지속적인 문제로, 자동화된 난독화 공격의 출현으로 점점 더 복잡해지고 있습니다. 소프트웨어 표절 탐지기는 의심스러운 유사성을 대규모로 식별하는 데 널리 사용되며 간단한 난독화 기술에 강인하지만, 원래 프로그램 동작을 유지하는 프로그램 코드의 구조적 수정을 기반으로 하는 고급 난독화에 취약합니다. 이러한 공격에 대한 저항력을 높이기 위해 다양한 방어 메커니즘이 제안되었지만, 현재의 평가는 사용된 공격의 범위에 제한되어 있으며 AI 기반의 난독화에 대한 포괄적인 조사가 부족합니다. 본 논문에서는 알고리즘 및 AI 생성 방법을 포함하여 광범위한 자동화된 난독화 공격에 대한 이러한 방어 메커니즘의 저항력을 조사하고, 다양한 실세계 데이터 세트에 대해 평가합니다. 네 개 이상의 백만 개의 쌍별 프로그램 비교를 통해 표절 탐지기 JPlag에 대한 두 가지 방어 메커니즘의 개선을 평가합니다. 우리의 결과는 난독화된 표절 사례를 탐지하는 데 상당한 개선이 있었음을 보여주며, 방어 메커니즘이 이 사용 사례에 대해 설계되지 않았음에도 AI 생성 프로그램의 탐지 개선을 관찰합니다. 우리의 발견에 기반하여 학문적 진실성 및 교육에서 AI의 역할에 대한 넓은 함의에 대해 심도 있는 논의를 제공합니다.
Sağlam et al. (Mon,)는 이 질문을 연구했습니다.