【社会】 ソースコードは指紋…　レイアウト、語彙、構文の特性で作者はほぼ特定できる、その精度95%以上！ [gizmodo] [転載禁止]©2ch.net

2015.02.11 19:00

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？

image by Olly/Shutterstock
source: Drexel via IT World

Jamie Condliffe - Gizmodo US［原文］
http://gizmodo.com/your-coding-style-is-like-a-digital-fingerprint-1682499073
（conejo）

(記事の続きや関連情報はリンク先で)
引用元：Gizmodo http://www.gizmodo.jp/2015/02/your-coding-style-is-like-a-digital-fingerprint.html

ああ、これは解る気がする
各自の命名規則とかあるしね

やめたまえ

気にせずどんどん
ブサヨを批判しろということですね

引き継いだコードが最悪、なんてのは良くある話さ

デコンパイルされて、きたないコードがさらしあげされるのか？

ソースコードばら撒くハッカーがいるわけないだろ

過去のソース見てみたら、今とは似ても似つかない書き方してたんだけどw

ツギハギだらけだから、意味ないだろう

１０　print "朝鮮人は出ていけ！”
２０　goto 10
３０　end

>>10
三行目要るの？

>>8
お前が成長したってことさ。
言わせんな恥ずかしい//

海外ってコーディング規約って概念ないの？
関数の名前、コメント、スペース入れ方なんぞ漏れなく定義されてるが・・・？

>>11
実際には要らないが２行だと寂しいから追加したｗｗｗｗ

つまり、ソースコードはDNAコードと一緒だということか

ループ変数が i と j で、GOTO文を使ったものなら、古代魔法認定

うちの会社では、ソースに製作者名を入れないといけないことになってるｗｗｗ

もちろん修正加えた人間もなｗ

アホらしｗ

>>16
jmp使えよ
なんでもありだ

コピペ改変だらけの俺のコードはどうなるんだ？

強度のアスペなやつが書くコードは変数多すぎて常人には訳わかんねえｗ

ソースコードなんて流用部がいっぱいあるし
ひとりでプログラム完成させるなんて商用アプリじゃ考えられないし
肝心の特定したい人のソースの癖情報がなければこのプログラムの
そことここが同一人物が書いたと思われる程度にしかならない。
それにまっとうなアプリなら最初にコメントとかで作成者とか入れてるだろ
ハッカーにしても大体ソースコードをどうやって手にいれるのか。
こんな研究で飯が食える学者も記者も羨ましいわ飲み会でのうんちく程度にしか使えん話だ

ネカマ判定ができんのももうすぐか？

俺のコードが小保方以上のコピペ率なのがバレてしまふ((((；ﾟДﾟ))))ｶﾞｸｶﾞｸﾌﾞﾙﾌﾞﾙ

ふむ。
まわしコードは、自分でも直ぐ判るわ(｡･ω･｡)y━･~~
a=(b=(c=(obj=OBJ).prp1).prp2)?c.prp3:...; とにかく、三項演算と戻り値カウンター大好きHAHAHA

>>13
なんでおまえはドカタ作業に限定してるの？

開発標準に則ってコード書いていても、10kステップくらい書いたら俺ってばれそうだ・・・
特徴あるってわかっていても、ゆずれねぇｗ

>>10
Syntax error

# hello world 2015/02/11 23:40 [email protected]

hello = "Hello";
space = " ";
world = "world";
suffix = "!\";
printf(
　　　　"%s%s%s%s",
　　　　hello,
　　　　space,
　　　　world,
　　　　suffix,
);

>>10
print表示のあと改行する気が無いのかは知らないけど、
行番号が全角だし、10行目のprint文の片方の括弧が半角の「"」じゃないし、30行目は意味が無いし
いったい何匹在日バグを飼うつもりだよｗ

十年前俺が書いたプログラムがコピペされ、
全然違う会社で変わり果てた姿ながら俺の記名入りで発見した奇跡。

>>27
エラー行番号ぐらい出なかったか？

こんなもん逆手にいくらでも取れるから今まで一回もばれたことないわ

>>31
出ないよ
「N88BASIC　syntax」でぐぐって画像見てみればいい
行番号を調べるには
TRONさせて実行させている行番号表示させながらエラーで止まるのを待って確認していたような・・・ｗ

規模が大きくなればなる程命名規則に縛られるから解析が出来なくはないだろうな
サンプルがあれば個人もそりゃ特定できるでしょう

必死で否定するお前ら

ソースなんてコピペみたいなもんでネットで調べて参考にしたり全部自分で打ってないだろ
そんなんで指紋になるか

変数に昔好きだった女の子の名前を付けるのは止めよう

>>10
一行で終わるだろう

>>29
お前文法知らないなｗｗｗｗ
改行しないなら；を付けるだろｗｗｗｗ
いかにも何も知らない人間らしいいちゃもんの付け方だなｗｗｗ
全角がどうとか言ってるアホも一緒だｗｗｗｗ
俺はアセンブラからＢＡＳＩＣ（１０種以上）Ｃ、Ｃ＋＋、ＰＡＳＣＡＬ、など数十種の言語を使ってきた
プロでお前らトーシローにとやかく言われるレベルの人間じゃねえんだよｗｗｗｗｗ

プログラムのコードを断片化して、全部プリプロセッサで文字定義しておいて
「行頭にコメント文字の無い英文コメント！？」かと思ったら
それがプログラム本体ってのがあったな。

だろうな
拝借するときも自分用に変換しちゃう
混在してたら流用バレバレだ

kouza_syubetu VS koza subetsu

しょうもなｗ

アンダーバーねえ

サブバージョンとかでバカなdiffを組み込んで履歴管理してると、酷いコードでも修正行を最小限に抑えるためにそのままにしなきゃならん

ネットからパクってきたコードで仕事終わらせてる奴は給料下がりそうだな

>>33
synatax error in 行番号ってイメージだった。
何か記憶違いしてるぽい

/*/
〜〜〜
〜〜〜
/*/

前にCでこんな感じのコメントを書いてる人がいて
色付けしてるからコメント部は判るんだけど
感覚的に判りづらいなって思った

コードを書くって作文みたいなものなんだ

>>37
会社に3台あったサーバーに人名っぽいのがついていたのでググってみたら、
炉利系エロゲがひっかかった時の衝撃と言ったら。

>>1に用途が書いてあるのに
IT土方の話はじめるアスペばっかでﾜﾛﾀ

＞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

俺レベルの天才は全てのコードが20行未満に収まるから無問題

難読コードはソフト資産には決してならずゴミか毒だと思っている。

ネット上のコードとか、他案件のコードを継ぎ接ぎしたようなでも解読できるのだろうか

//　このコメントをあなたが見ているということは私はすでにここにはいないということですね

無理して英単語を使って綴り間違えると恥ずかしいから開き直ってローマ字派

変数名にgaibuとかgoukeiとかのローマ字使っている奴はほぼ100%
コーディングもド下手

>>10
無限ループｗ

ループの i, j, k, l は今でも使うん？

hajime owari zentai kosuu migi hidari こんな変数名は日本人の可能性が高いな

字下げ（インテンド）が8文字とかの大学関係者が書いた
バカコードを見たことがある。予想通り中身も下手だった。
こんなもんよくぞ偉そうに晒したもんだな、と思った

「ファンなら」知らない著書でも１ページ目で著者が分かるみたいなもんだな

つーか、自分が書いたところってわかるようにしてるんだけど。

ソースコードが手に入る時点でほとんど目星がついてる段階でしょ
ウィルスやネット犯罪の犯人割り出しには母集団が多すぎて使えなさそうな

将来の自分を笑かそうと思って書いたコメント読んで落ち込む事ならよくある

// やあ、よくここが怪しいと気がついたね w
// 俺からのプレゼントだ、下のコメント行を…
// print "2月22日は竹島の日"

>>46
MSX-BASICはそれだな。

>>58
今でも暗黙の了解みたいなもんじゃね？
i,j,kをdoubleで宣言したコードはダメコードだろう

スマホで電話すると、勝手に裏でグーグルマップが立ち上がって動いてる時代

日本でこれを捜査に導入するとなぜか冤罪量産に使われる

自分で作った変数名を五分後に忘れたことがあるやつ正直に手を上げろ

>>60
俺の先生もタブとスペースがぐちゃぐちゃになったコードを書いてた。
研究者って自分さえよければいいんだ・・・てオモタw

プログラムスレってなぜか盛り上がるけど
そんなにプログラミングできる奴いるのか

>>51
じゃぁバレバレじゃないか

意味はないが
特定されたくなければ難読化ツール通したソースコードを配布すりゃいい

>>70
変数名を決めるのに5分近く考えることはある

開発始めは表記法とかツマラン事気にしてられるんだよ。
最後は早く帰れればどうでもよくなる。

現場に合わせてインデントや空白の使いかた変えてるけどなw

ファミコンソフトのコード？に好きな女の名前とかが入ってるのあったよね

>>75
5分どころか1時間以上決まらなかったりするなぁ
その後「いやこれは違う」と思って何度も変えたりとか

インデントはエディタに任せればいいんじゃないの？
設定でいつでも変えられるし

>>70
忘れても思い出せるようにきめるんじゃないのかｗ

>>72
今の40〜50代ぐらいなら大抵BASICぐらいは触ってるから。理系ならほぼ分かるだろう。
OSの起動でドライバの設定とか必要だったし、今の20代30代よりはむしろPCに馴染んでるだろうな。
若い方がアプリケーションしか使ったことがないって奴がいたりするもんじゃねか。

>>10
コレは！間違いなく佐藤のプログラムだな
特定した

>>79
後から名前替えるのはあるある、そして後日また違和感を覚えたりする
そして期限が迫るとどうでも良くなってくるｗｗｗ

>>78
お前らいい加減に1960年生まれのなかじまかおるさんのやったことは忘れてやれよ

そもそも1からコード書く奴おらんだろ
>>1の記事では基幹部分のコードの話しかしとらんぞ
ウイルスだろうがなんだろうが、既存のコードコピペして作るのが普通だろ

コピペでもってきたコードはどうなっちゃうのさ！

今は、コピペで作るのが主流だから、
作者特定は難しいのじゃね？

コピペしないで自分で書いたコードなんて
仕事じゃ使い物にならん。
いかにコピペして作るかがプロの技。

コピペプログラマーがほとんど

>>1
１９００行も書いたら、それは立派な製品だし普通の捜査で足取りつかめるｗ

ほとんど循環コードで書いてるから

>>1
これのどこがニュースですか？＞Sunset Shimmer ★

>>12
いつまでたっても3ヶ月前の自分はまるで別人だよ
自分のためにコメントを書いてるマは多いと思う

for文やif文に中括弧使わないヤツに軽くイラッとする

>>82
あれ何なんだろうなｗ
その時は「これだ！」って思っても数日経つと「何だこれセンスねえな俺」ってなる

そういやちょっと前にVim派かEmacs派か判別できるサイトってのがあったけど
試しにLisp書いたら vim って出てワロタ

Sub うんこ

For r = 1 to 1000

If r = 1000 then
Msgbox "1000ならうんこ漏らす"
Else
Msgbox "うんこ"
End If

Next

End Sub

>>87
コピペの引用元の傾向で特定するんじゃないかな

lintみたいなソース整形するやつ使ったらどうなんのよ

>>96
lintに整形機能なんてある？

５％も外れてドンピシャって・・・

ソースコード清書システムを使うんだね。
ついでに、ソースから個人的特徴を消すためには、
１．コメントを削除する。
２．プログラムで定義した変数名を
　　出現順にa00000,a00001,a00002 などと置き換える。
　　（関数名なども同様）
３．関数の記述の順番を前のものを後ろに出てくるものが参照するように
　　並び替える。
４．文法で同じことを実現できる場合が複数ある場合には、１つに統一する。
。。。。。
しかし、以上のような方法をとるプログラマーが１人もしくは数人だと、
それが特定される根拠になる。

昭和プログラミングは撲滅すべき。

>>4
いきなり記事に関係ないこと書き込むアホウヨ

実行ファイル→ソースコード生成の、逆コンパイルって可能なのか？
ソースがないと判別できないよね？

>>33
んもー、何か引っかかるので調べたら、記憶違いではありませんでしたよ。
ググルの画像検索で行番号が出てないのはダイレクトモードだから。
プログラムモードの実行画面では行番号出る。
一応、ラベルに予約語が使用されている場合も行番号は出ないが…

TRace ON にはぼちぼちお世話になったわ。
動いてるけど何かがおかしい時には変数ガンガン表示させて追っかけて…
CPUが遅かったから出来たんだよな。

クソコン専でプログラミングのさわりで絶対にこんなもん一生やらないと誓った
CG専行で何でプログラミングやらされかけたんだよボゲ
しかも何が何兆円市場に成長だよ
パソ関連なんて全部超絶ブラックしかねーじゃん人生失敗したわ死ね

>>72
2ch の住民の傾向なんじゃね
00年代初期 までに居着いた奴が大半だと思うけど
その頃からネットやってる奴って、何らかの形でコーディングに触れる機会が多かったはず、
アプリ開発やらなくても、VBAのマクロとか html+javascript 手打ちするとか、いろいろきっかけはある

>>89
小室さんですか？

命名規則って
性格出るよね(´・ω・`)

>>102
最近はスクリプト言語ばっかだから、実行ファイル言うてもソースをzipしてるだけなのが多いんじゃね。
にしても個性とか感じられないくらいには最適化してくれそうだけど。
各CPU向けのアセンブラにするようなのは難しそうだけど、プリントデバッグ用の文字列とかで判別するんかね。

おもろいな

ワンライナーでもわかりますか？

逆に他人のソースコードに見えるように変換するプログラムとかもありかね

hoge使う奴は40以上

piyo

IT土方のパクリ、コピペプログラマーは対象ではありません。

----------
#include <stdio.h>
int main() {
printf("Hello Jap\n");
}
---------
だれだこんなの書いたのは。

まだ土方やってんの？

indentすればおk

お前らそんなにコピペしてんの？
おれは99%自分で書いてるけどなー
書いた方がはやいじゃん。
ライブラリの使用は別として。

>>1
それPythonでも同じこと言える？

7行テトリスとかコードゴルフみたいな変態チックな書き方でも特定されるのだろうか?

> 60
> 字下げ（インテンド）

こんなもんよくぞ偉そうに晒したもんだな、と思った。w

>>112
hage

さっき書いた

import random
jinsei = 'sex'
jumyou = 80
nagasa = len(jinsei)
sagasu = ' '*nagasa
nenrei = 0
while sagasu != jinsei:
nenrei += 1
if nenrei > jumyou: break
sagasu = sagasu[1:] + jinsei[random.randrange(nagasa)]
print '%i歳 %s\n' % (nenrei, sagasu)
if nenrei >= jumyou:
print '寿命のため人生をあきらめました'
else:
print '%s を %i歳で成就しました' % (jinsei, nenrei)

http://i.imgur.com/hNVOh8N.jpg

>>10
おいおい、コメントくらい入れろよ
どんな処理してるのか分からねーじゃねーか

世の中のコードの大半は剽窃とコピペと継ぎ接ぎで作られてるのに指紋もくそもあるかよ

数千行のコードの中にgoto文多用するやつはしんだほうがいい

実績のあるコードをコピペ改造するのが一番生産性高いからな

関数とコメントは確かに特徴出るね
つーかわかりやすい関数の命名ができない・・・

変数名はエキサイト翻訳さんを参考にしてる

あーこれＮＨＫでやってた
「ハードナッツ！」での推理ネタのプログラム版か。
まあ普通にできるわな。

＞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。

ソースコードをどうやって入手するんだ
馬鹿すぎ

関数や変数の名前なんかリファクタリングで一発で全変更出来るんだが・・・
関数の作り方（アルゴリズム）とかにも随分特徴出ると思うんだけど
そういう部分は解明出来てないのか

まだまだだな
バイナリーで解析できないと

>>131
逆コンパイル出来る言語多いらしいけど
ｼﾞｬﾊﾞｽｸなんか丸見えだし
ただしローカル変数とか連番になったりするよな

>>132
文章そのものの特長を解析する学問があるようだから
出来るは出来るんじゃね？

コード見ると性格もだいたい分かるよね

昔、ある企業で50人くらいのチームで開発やってたけど、
それぞれ個性がありすぎて、誰が書いたコードかすぐにわかってたな。

論文もこのソフトに掛けてみたら面白いかもな。

コードの隙間から相手の思考がだいたい読めるんですよ

書き方のパターンを解析して、同じロジックのまま誰かのコーディングに似たソースに書き換えるツールぐらい
諜報機関とかなら簡単に作っちゃうんじゃないの

>>105
>VBAのマクロとか html+javascript 手打ち

ま、そのくらいならやったことあるよな
メモ帳でHTML打ってホームページ作ったり
マクロでワード編集したわ

命名規則で黒歴史が有るわ
昔の自分を殴りたく成る命名法則

プログラムの改修するとき
「誰だよ、このセンスのないコード書いた奴！」
と、昔の自分を罵倒するプレイ

>>18
　　　ＲＳＴ　３８Ｈ

確かにccで書いてると一秒でわかるよな

櫛邉の文体には特徴があるからなあ。
上智での中傷で神戸でも中傷してたことがばれた。

　　　　　　　　　　　　 ／）
　　　　　　　　　　　／／／）
　　　　　　　　　 ／,.=ﾞ''"／
　　　／　　　　 i f　,.r='"-‐'つ＿＿＿_　　　気取ってねえでローマ字で書けばいいんだよ！
　　/　　　　　 /　　　_,.-‐'~／⌒　　⌒＼
　　　　／　 　,i　　　,二ﾆ⊃（ ●）.　（●）＼
　　　/　 　　ﾉ　　　 ilﾞフ::::::⌒（__人__）⌒::::: ＼
　　　　　　,ｲ｢ﾄ､　　,!,!|　　　　　|r┬-|　　　　　|
　　　　　/　iﾄヾヽ_/ｨ"＼ 　　 　 `ー'´ 　 　 ／

楽曲に応用すると物凄く楽しい結果になりそうだな

HSPでRPG作ってたんだけど、今月に入ってから作業が止まってる。

逆に癖を解析してソースをその癖でカスタマイズし、人に罪を着せることも可能なわけだ

>>144
LD BC,HL と書く癖があるのはS-OS使いか

つーかIDEのフォーマッティング機能使うだろ

インデント全く空けないマンです

【キーワード抽出】
キーワード： 再帰
抽出レス数：0

【キーワード抽出】
キーワード： 探索
抽出レス数：0

【キーワード抽出】
キーワード： ソート
抽出レス数：0



あっ、ふーん・・・（察し）
このスレの住民のレベルが知れるな

　　　　　　　　　　　　　　　
新聞社名を隠して新聞記事を読んだ場合、

朝日の記事だけはすぐに判別が可能なんだよね・・・

なんというアホ研究。

世界に何百万人プログラマがいると思ってんだ。

まあ確かに、きったないコード書く人もいれば、几帳面にコメント残す奴もいるからな。

特徴が表れている箇所は20行目から30行目、もしくは40行目から50行目

また底辺労働者のスレか。

馬鹿ほど良く釣れるスレ

>>5
最悪って言うか、癖を理解するのに時間がかかるんだよな。
まぁ、自社内だとある程度のルールが確立されているけども、
他社との共同作業とか外注買い取りとかはまじでやりにくいんだわ。

後妻業さくらのたかじんメモは解読出来ないのか？

>>102
Javaなら、classファイルから逆コンパイルできる

>>163
java以外でも可能だよ

読めるかどうかは別だかな

まあ、ITSSレベル4の俺に言わせると、コードなんか新人かコーダにおまかせです。


俺が設計したシステムの特徴から俺を特定するってなら、面白い。
きっとUMLの書き方の特徴を解析されるとバレるだろうな。

LINT ???

会社で、バッチで作ってって言われて、作ったのがあるが、
要望全部放り込んだら、4500行くらいになった。
これも、ちゃんと判定してくれるかな。

そんな事どーでもいいだろ　CPUのIDコードが、ネット上を流れる書き込みの頭に付くことを知っていれば
そして、文末にはもちろん書いた奴のデータが付加されることも・・・

勉強だけして、レベル4だえっへんって
いってるやつを10分くらいの
面談で見抜く方法を提示願う。

応用力が無くて、自意識過剰なやつは
レベル4でも使いにくい。
いらないわ

>>161
同意します

>>169
問題を作らせる問題を出す

レベル4ってあのバイオセーフティーレベルの・・・
生き物として最凶最悪に危険なやつ・・・

最近は開発環境が勝手に整形するというのに、
ほんとプログラム書けない奴がする研究は馬鹿だな。

>>151
http://www.retropc.net/ohishi/s-os/

なんだこれ、こんな話があったのかよ…　今知ったわ…　すごい話だなこれ

>>155
朝日と産経と信濃毎日の社説はいくら隠してもすぐわかる。

ソース晒してるハッカー？

>>164
少なくとも作者の判別に使えるだけのソースの癖まではほとんど復元できないよね

最近の若い奴らはgoogle検索結果のコピペで間に合わせて作るから
個人特定とかまず無理（´・ω・`）

ソースコピペならまだしもwikipeの概要コピペしてる奴まで居る

業務によっても違うし
保守だと元のに合わせるからさらに違う

漏れは修正OK出て金も貰えるなら
原形留めないほど弄繰り回してからでないと
保守しないというか断る