软件克隆指相似的代码实现了同样的功能,通常当人们通过复制粘贴操作来重用代码时,软件克隆就会被引入,这不仅侵犯了被克隆的软件的知识产权,还容易引入软件缺陷。长此以往下去,代码的可理解性和可维护性都会受到很大的影响,因此,旨在快速有效地自动定位那些克隆代码的软件克隆检测引起了广泛的关注。目前已有很多相关研究被提出,这些方法普遍将软件的代码克隆检测当做是一个封闭环境里的静态任务。然而,真实的情况是,用于生成代码克隆的模式并不总是一成不变的,为了欺骗克隆检测系统,抄袭者(称为克隆生成者)通常会对代码片段进行一系列具有欺骗性的修改,以使产生的克隆难以被检测。由于现有的克隆检测方法忽略了抄袭者和克隆检测器之间存在的这种动态的“竞争”过程,这样他们注定对代码的对抗性修改不鲁棒。在此背景下,本文提出了基于对抗学习的软件克隆检测方法,对动态环境下的克隆检测进行研究,主要创新如下:第一,针对真实的克隆检测任务环境中存在的动态竞争,本文建模了抄袭者和克隆检测器之间的对抗过程,他会模拟真实环境中的代码抄袭者对代码做伪装,并使用伪装后的克隆代码训练检测模型,最终获得一个对针对性伪装后的克隆代码鲁棒的检测器。实验结果表明,抄袭者模型学习出来的抄袭策略确实可以帮助构建更强大的克隆检测器,同时有助于发现当前的克隆检测器的弱点,为之后针对性的研究提供线索。第二,针对跨语言环境下的软件克隆检测,本文使用了一种基于树的skip-gram模型来获取不同语言代码中的词嵌入,这种处理方法有助于自动学习不同语言场景下词之间的映射。另一方面,考虑到跨语言的代码克隆对之间可能会有一些结构上的刻意伪装,我们针对不同的编程语言分别建模了一个抄袭伪装模型,来建模一些抄袭者在做“代码翻译”时可能的伪装操作,最后对抗性地训练抄袭者模型与跨语言克隆检测模型。本文在当前的跨语言克隆检测数据集上进行了实验对比,结果表明本文的对抗跨语言克隆检测确实能取得性能上的提升。