【朗報】　ソースコードの書き方の癖を分析すれば誰が書いたのかほぼ特定できることが判明　 [転載禁止]©2ch.net

精度95%以上！ ソースコードは指紋、作者はほぼ特定できる

ほぼドンピシャでバレバレです。

スペースやタブ、大文字やアンダーバーを組み合わせた命名規則、コメント…コードの書き方には、
人によってスタイルがありますよね。それはもう指紋のようなもので、それさえ見えれば、誰がコードを
書いたかほとんどわかってしまう…そんな驚きの研究結果が発表されました。

米ドレクセル大学、メリーランド大学、プリンストン大学、独ゲッティンゲン大学の共同チームの研究によると、
自然言語処理と機械学習によるコード分析により、95%の精度で作者は特定できるそうです。

解析されるのは、レイアウトや語彙の特性と、「抽象構文木（AST）」です。ASTとは、「コードの書き方からまったく
影響を受けずに、コードの型の特性をとらえる」もので、つまり、関数の名前、コメント、スペース入れ方などの
クセ以上のものを探し出し、作者を特定するカギにする、というわけです。

研究チームが開発した機械学習ソフトウェアで、Google Code Jamに公開されているコードの分析を試しに
行ってみたところ、あるひとりの人が書いた630行のコードを分析すれば、95%の精度でその作者が特定できたそうです。
コードの行数を増やして1,900行にすると、特定の精度は97%になるとか！

このコード解析、すぐに使えそうな分野が思い浮かびますよね。そう、当局がハッカーを見つけたり、
オンライン詐欺の犯人を特定したり、という使い方です。あと、他人のコードをちょっと拝借、なんていうケースも
バレちゃったりするんでしょうか。「特定されたら困る！」という人は、今から誰かのコードの書き方をそっくり
マネする練習を始めた方がいいかもしれない…ですかね？

http://www.gizmodo.jp/2015/02/your-coding-style-is-like-a-digital-fingerprint.html

そんな驚かない

そうすか

へー

ソースはブルドックがいいよ

昔からよくわかっているよ

ゆうすけ

インデント論争

プロジェクト毎に異なるコーティング規準に沿って書いた各コードを
全て俺の書いたものと判断できるのかな？

改変時は元のソースの癖や規約を完全にコピーするから
俺の改変箇所に関しては不可能だ

わざと色んな書き方混ぜてクセでばれないようにしてる

＞今から誰かのコードの書き方をそっくりマネする練習を始めた方がいいかもしれない…ですかね？

わかってないじゃんおまえw
つかおまえ文筆業で餌食ってるくせに、文体で作者特定できるくらいでいちいち驚くのかよ

>>9
ロジックの組み立て方でバレることもあるんだよなぁ

コードなんて大体その日の気分で変わる

>当局がハッカーを見つけたり、
オンライン詐欺の犯人を特定したり、という使い方です。

コンパイルか難読化してたら意味ないだろこれ…だれがわざわざ素のソースコード晒すんだ

俺が書くとベーシックみたいだとよく言われる

>>15
これ
プログラミングど素人が書いた記事だわ

いまだに軍事や情報の世界だと、政府が野良プログラマーや自由主義研究者を
恐れているというけど、これもその方面のパフォーマンスなのかねぇ。

#include <con> /* /dev/ttys */

>>15
古いハナシだけど、RSAやPGPの公開時にはひと悶着あった。
RSAやDESの時代には、政府や有料顧客には優先して鍵長の長さが大きいものを
提供していたけど、いまの時代、パソコンもネット環境も安い、無料でコンパイラ等
のツールやドキュメントが手に入る状況だと、ちょっと入門書読めば素人でも、暗号
復号プログラムや、ハッキングツールを作成できるからもはや優先顧客だけに暗号
のシステムや解析・侵入プログラムを配布するのは不可能。

FBIやNSAなんかは早くから盗聴可能な状況を維持すべきと主張してたりしてる。

いまは結局、ユーザーに全てのプログラムのテクノロジーを委ねることができる世界
になっちゃったけど、それでも、プログラムを公開配布すればその作者の特徴は簡単
に追えるよっていうプロモーションなんじゃないのかと。

ほぼ毎行コメント書いてあるのは俺のだ

俺のは100%特定される自信あるわ
ソースコードに名前書いてるし

名前書いとけよ

>>10
禿同

lintで整形しとくのは鉄則ってことか

意味が全くわからん俺にとって、お前ら全員かっこいいわ

圧縮して難読化してもばれるものなのかな

>>13
それでは精度95%以上にならない

自分のソース以外読みにくくて仕方がないってことはそういうことだろうな

複数のコーディングスタイル混ぜたりされなきゃ、なんとかなれられる

メーカーやプライベートビルダーで違いが出るのはここだな

標準化ってなんだったんだろ

これはコンパイル済みのプログラムをリバースエンジニアリングしても分かるってこと？そんな馬鹿なｗ

作者の名前がコメントに書いてあるし

>>33
>>解析されるのは、レイアウトや語彙の特性と、「抽象構文木（AST）」です。ASTとは、「コードの書き方からまったく
>>影響を受けずに、コードの型の特性をとらえる」もので、つまり、関数の名前、コメント、スペース入れ方などの
>>クセ以上のものを探し出し、作者を特定するカギにする、というわけです。

という話だから、逆コンパイルものはダメじゃないのかな

>>16
大きくはmain以下にズラッと
ひたすら命令が続く書き方を好む人間と
object単位で処理を分割する書き方を好む人間に分かれるな

前者は初心者、スクリブト書き、組み込みコード書きなどの
短い書き捨てプログラムを書く人間

後者はシステムエンジニア大規模アプリケーション
サーバー開発者
ミドルウェア開発者などの長いメンテナンスが必要なプログラムを書く人間

これは適性があるから
書くプログラムにも反映されるな


俺はパッチだらけの汚いプログラムを見るとゴミだと思うが
その方が心からうれしい人間もいるみたいだから
癖はあるんだと思うわw

学生数が分かってる上に、他のコードと比較も出来る。

社会経験を経てコピペしたり、犯罪用にクセを隠したりされたら

何十万人から一人を特定するとか無理でしょ

しかしイスラム国は特定できないという不思議

ゆうちゃん、バレバレですやん

実行コードから割り出してウィルス作ってる奴特定しろよ

K&Rとか山ほどいるし自動整形もあるから無理じゃね

一文字グローバル変数の時代が来たか

オープンソースが前提のコード解析しただけだろ

統計的な有意さは、個人を特定するためにあるわけじゃない

これ心理学だと分かって当たり前の話なんだよね
みんな文章・文体・書き方を癖だと思っているだろうけど、
実際は心の動き・動機付け・IQレベルを「癖」と言っているんだよ

例えば
>>9
＞プロジェクト毎に異なるコーティング規準に沿って書いた各コードを
＞全て俺の書いたものと判断できるのかな？
真面目な性格で懐疑的だけど信じないとは言っていない。という「癖」

>>10
＞改変時は元のソースの癖や規約を完全にコピーするから
＞俺の改変箇所に関しては不可能だ
完璧だと思い込み話を聞こうとしない、一方的に言う。という「癖」

>>11
＞わざと色んな書き方混ぜてクセが分からなく
これが一番特定しやすい。どの「癖」をチョイスするかに最も特徴が出るので

アルファベットの羅列である英文は特定が難しそう
３種の言語(かな・カナ・仮名)を使う日本語は簡単そう
↑関係ない。見るのは文章ではなく心の動きだから
では、アルファベットの羅列で何種類もの言語のあるソースコードは？
>>8-11も自分が書いたコードと他人が書いたコードが違う事は理解してる
つまりコードにも「癖」は存在する
あとは「癖」を見つけて、分類して、特定する。それだけ

自分のスタイルでコードを書き上げた後に、
ある程度コールグラフを展開するだけで認識できなくなると思うわ
完全ベタに変換してもいいけど。

データに無い新しい人のソースは分から無いだろ

>>1
これ、当たり前。
論理設計段階のフローチャートですら癖でるからな。

俺、大学の卒論の一部でシステム作ったけど、その後後輩が別論文で丸コピしたの使ったらしく、教授に怒られてた。

ボイドメインボイドｗｗｗｗｗ

ソース見られるとか
スクリプトレベルの話か？

>>47
いずれ開発ツールはオンライン専用になるし
大学や企業にはソース提供させるんじゃね？

エリートN速民ならレスのクセで相手がわかり、
更に禿か、童貞か、無職かまで判別可能

>>52
お前童職童貞の禿だろ

>>53
さてはお前生粋のエリートN速民だな？

俺も変数名にAKBメンバの名前付けちゃうしな〜

>>55
俺の先輩のモーヲタみたいな事やめれ(´・ω・`)

後から見た人、ドン引くから。

古いコードのメンテでおにゃんこクラブの名前とかあったらどうしよう…

要するに、匿名掲示板に匿名で書いてても「誰が書いたか？」は、意外とバレバレだって事だ。

10 goto 10

ほぼコピペで作ってるからばれない

ネット上のサンプルの集合体でもバレるもんなのか

いまさら記事にするようなことかな
穴埋めの書き殴りか？

日本の奴隷はコーディング規約を守っているのでバレません

ちょっと前の自分のコードは読み解かないと何をやってるのかよくわからない

おたふくソースには、なつめ椰子の実が入ってるんだろ。

だからこのツールを逆の発想で使えば、コーディング規約守ってるかどうかのチェックに使えるんじゃないの

PRINT "HELLO WORLD"

１００人ぐらい居てれば、できる奴が書いたコードは、誰が書いたのかは見ただけで分かる。
平凡プログラマーとして優秀な奴が書いたコードは、誰が書いたのかはわからないが、
そんな奴の方が珍しいので、消去法で特定できる。

if(null != var)
と
if(var != nll)

どっちが好き？

ret = nll
if(bool)｛ ret=var ｝
と
if(bool)｛ ret=var ｝
else｛ret = nll｝

どっちが好き？

ret = (bool)?var:nul;

お前らの環境でコンパイルした跡、バイナリエディタで開いてみ

それより聞いてくれ
C言語の本読みながら、書いてあるのと
同じプログラムを書いたのに、eclipseで実行すると必ずエラーが出る
どうすりゃいいんだ？

大企業のシステムに関わる事が多いから標準化がガッチガチで
個人の癖を出す隙すら無いです

>>70
三項厨死ね

そりゃそうさな。自分でも癖があるコードだな〜って思うようなコードを書いてるｗ。

1+2+3+・・・+n　指定されたnまで加算する
これをループで作るやつはバカってのは分かる

コピペの組合せでもコピペした人がわかる？

>>76

同意。このほうが読みやすいよね：
n0 + 1 = n1
n1 + 1 = n2
n2 + 1 = n3
n3 + 1 = n4
n4 + 1 = n5

>>76
再帰でやるのが普通かな？

マジで！？
ごめんなさい
謝ります

>>79
n 次第でスタックオーバーフローするじゃね

コピーペーストするだけの奴のはわからん

>>71
最適化効いてたら誰が書いても同じになる

>>81
Lispなら余裕

>>83
環境に依るのは当然として、実際には可読できるところが結構あったりする。
自分の作ったパッケージ名、その階層、ライブラリのバージョンとか。
可読できない部分にもあれこれ指紋を残してる。

悪いことする奴は当然その辺まで神経使わんといかんから大変だなと

みんなギャグでいってるんだよな？
等差数列とか言ったら安価ついてつまんねとか言うんだよな？？

難読化ツールで変数名とか変換してやればいいじゃないｗ

違う名前をコメントに入れてもダメなのかな

こだわりはあるよ
if()なら命令文；でもいいけど
絶対{}で括る
こうした方が見やすいから
whileは極力使わない
無限ループが怖いから
foreachよりはfor()の方を
選ぶ
中の変数をループ内で再利用する時があるから
など

>>45
対して知りもしないのに、上から目線でつい語ってしまう「癖」

最近流行りだかなんだか知らんが
honya(hanya)をhonya (hanya)
って ( の前にスペース空けるの何なの？イラッとする

普通はコーディング規約に沿って書くから分からんだろ

>>91
目が悪いんだろ

>>77
１つだけでは分からないけど、見比べるべき対象が増えればいずれ特定できる
大きなものを２つ組み合わせたり、小さなものを細かく組み合わせたり
コピペは思っている以上に性格が出やすい

俺をクビにしたら困るように、わざと難解な関数型言語を口八丁で提案してオレにしか分からないように
グチャグチャに書いてる。

>>91
honya( hanya )

{は行末に置かずに、改行する派だ

>>97
後からネストふえる場合を考えると
中身1行でも開きと閉じの桁を揃えた方が得策だな

>>97
if (hoge == hage) {
printf("aho&#165;n);
}

だな

そーすか(o^ｗ^o)

>>69
var!=nullの方が好きだけど、実用性ではnull!=varを選んでしまう。

あと、ret=bool?var:nullの方が好き。

>>69
(setq ret (and bool var))

>>68
ゴイスーなプログラムは大抵は外人が書いてるな
しかし、外人と言えどもピンキリなのも事実w

日本人のプログラムは標準の技術を使わないで
単純にゴリゴリ書かれてる事が多いから
そっ閉じしたくなる事が多いw

>>73
それは標準化じゃなくてローテクで
ゴリゴリ書いてあるだけだろw

>>76
おいカス
釣りか？w

>>45
大したことも言っていないのに知ったかして心理学の講釈を垂れる癖
当たり前ならお前が解析するアルゴリズムを作ってみろってんだスットコどっこい

変数名以外なら誰が書いてもIDEの整形機能で同じになる

＞コメント…コードの書き方には、

三点リーダー　基本的には「…」×2、つまり「……」の形で使用します。

コメント……コードの書き方には、↑

つ python

Pythonなら誰が書いても一緒だよ。

コメント欄に自分の名前かハンネ入れるからあんまり関係ないｗ

名前にいつも悩む

>>76
なんかの雑誌にドヤ解説あったな

為になった

>>106
心理学では既に論理化されてるテーマだと言ってるだけ
アルゴリズムが作られたことは素晴らしいけど、
真新しい論理ではなく既存の論理の範疇なんだわ

あなたが>>9-11なら、勝手に引用して悪かった。すまん

んなの当たり前じゃんw

文章の癖でもほぼ特定できるがな…

>>45
なんかこの人気持ち悪い