随着信息技术的发展,计算机显得越来越重要,计算机专业学生的编程能力也得到空前重视。为了增强编程训练,在线作业提交系统OJ系统(Online Judge System)得到广泛应用。学生可以在OJ上提交作业,系统自动判断该题是否正确,从而能大大减轻教师工作量。随着作业量的增加,学生抄袭现象越加严重,因此,需要一个机制检测抄袭并努力杜绝抄袭。抄袭的检查涉及到多个方面的因素,为了尽可能提高准确率,本文主要完成了以下工作:(1)代码相似度的计算基于数字指纹技术对学生新提交的代码计算相似度。其过程分三个步骤进行处理:数字化、指纹化、相似度计算。(2)特征提取与计算为了使用机器学习判断抄袭,定义了特征并对特征进行提取。特征包括代码相似度是否超过阈值、相似度超过或者低于阈值的百分比类别值、题目难度、代码风格相似度、历史抄题率类别值、相似集中度等。(3)机器学习模型及效果分析对OJ系统中现有代码抄袭检测方法进行改进,使用融合随机森林(Random Forest)与梯度提升决策树(Gradient Boosting Decision Tree)的改进算法,弥补单个算法的不足。并将两个算法的结果进行对比,证明了改进算法的优越性。(4)相似度阈值的动态调整用来判断是否抄袭的相似度阈值为出题人主观给定的值,可能不合理。阈值设置过高会产生漏检测现象,设置过低会导致误报现象。本文通过对检测结果进行分析,并结合教师的人工确认,实现动态调整阈值的目的。通过以上算法实现的抄袭检测模型,能达到95.6%的准确率,使得尽量减轻教师工作量的同时,防止了抄袭的发生。