我個人為我們課程DIY過一個知網(wǎng)查重的軟件工具，是基于數(shù)據(jù)流分析的，效果還不錯，反正修改變量名，提取函數(shù)這些小伎倆是完全無用的，甚至可以做到一定的跨語言查重（只把c#代碼copy到java里，然后改一改跑起來是會被發(fā)現(xiàn)的）。說明程序代碼也會進行對比查重算抄襲重復率。下面具體說說程序代碼進行知網(wǎng)查重的方法，具體如下：

        以c為例，具體流程大概是，先調用預處理器把注釋干掉，把macro展開，因include <>而弄進來的那波標準庫頭文件特殊標記一下，然后建立CFG（control flow graph）進行知網(wǎng)查重。因為CFG關心的是變量的值會怎么傳播，所以在中間插入一大堆無副作用的語句是不會有任何效果的，把變量換個名或挪個位置（比如加多一層block）也沒啥卵用。

        c++的話就會麻煩很多，畢竟在c++里就算a + b這么個簡單語句，因為operator+可以重載，所以指不定執(zhí)行完這個語句就可以把地球都炸了呢，而且這個重載在不同namespace里還可能不同，比如namespace A是用核彈炸地球，namespace B是對整個地球播一段愛的供養(yǎng)神馬的……在c++里建立CFG會是個噩夢……程序代碼進行知網(wǎng)查重的方法比較復雜吧！！

        不過說起來我們的課程比較特殊，因為作業(yè)用的是類ACM的提交系統(tǒng)，所以對運行環(huán)境有比較嚴格的限制，這保證了程序代碼知網(wǎng)查重查重的準確率。如果是完全開放性的程序代碼知網(wǎng)查重（即對語言和第三方lib等等都不做限制的話）恐怕會很困難。

        === 舉個例子 ===
以下是前幾天剛剛檢測到的抄襲代碼片段……下面兩段java代碼被檢測出有高度匹配（右圖里getARGBData函數(shù)只是把二維數(shù)組給復制4份湊成一個三維數(shù)組而已，沒干其他事）……

        另外一點，為了減少漏網(wǎng)之魚，知網(wǎng)查重時一般都會用低閾值初篩，再人工介入復核。此外建立回溯機制，比如如果某人現(xiàn)場考試的成績和作業(yè)排名差異較大的話，會觸發(fā)重查，專門為他調低閾值重查一遍+人工復核。不過正因為有人工復核，所以思路相同一般是不至于誤判的，畢竟只要代碼行數(shù)一多，思路再相同，代碼風格上也會有很大差異。