برنامهنویسان تمایل دارند استایل مخصوص خود را داشته باشند، اما خواندن تمامی خطوط کدها برای پیدا کردن نشانههای مشخصی دربارهی نویسندهی برنامه کار آسانی نیست.
محققان سیستم یادگیری ماشینی را توسعه دادهاند که میتواند از طریق کد منبع اصلی یا باینری کامپایل شده، استایل برنامهنویس را شناسایی کند. این روش الگوریتمی را برای شناسایی ساختار کدنویسی برنامهنویس به سیستم آموزش میدهد. روش مذکور مبتنی بر نمونه کارهای برنامهنویس است و از آنها برای شناسایی ویژگیهای مشترک در نمونههای برنامهنویسی استفاده میکند.
این برنامه نیاز به قطعات بزرگ برنامههای گرفته شده ندارد و مقدار کوچکی از آنها اغلب کفایت میکند.
در آزمایش به دست آمده از نتایج Google Code Jam، فناوری مبتنی بر هوش مصنوعی نسبتا دقیق بود، اما خالی از ایراد هم نبود. با ۶۰۰ برنامهنویس و هشت نمونه کار استفاده شده از آنها، سیستم یادگیری ماشین توانست ۸۳ درصد مواقع برنامهنویس را شناسایی کند.
این فناوری میتواند برای بازجویان و شناسایی سازندگان بدافزارها مفید باشد، همچنین میتواند برای موارد دزدی در خلق اثر هم کارآمد باشد، در این زمان یادگیری ماشین توانایی پیدا کردن شباهت کارهای کاملا تصادفی و کپیکردنها را دارد.
محققان سیستم یادگیری ماشینی را توسعه دادهاند که میتواند از طریق کد منبع اصلی یا باینری کامپایل شده، استایل برنامهنویس را شناسایی کند. این روش الگوریتمی را برای شناسایی ساختار کدنویسی برنامهنویس به سیستم آموزش میدهد. روش مذکور مبتنی بر نمونه کارهای برنامهنویس است و از آنها برای شناسایی ویژگیهای مشترک در نمونههای برنامهنویسی استفاده میکند.
این برنامه نیاز به قطعات بزرگ برنامههای گرفته شده ندارد و مقدار کوچکی از آنها اغلب کفایت میکند.
در آزمایش به دست آمده از نتایج Google Code Jam، فناوری مبتنی بر هوش مصنوعی نسبتا دقیق بود، اما خالی از ایراد هم نبود. با ۶۰۰ برنامهنویس و هشت نمونه کار استفاده شده از آنها، سیستم یادگیری ماشین توانست ۸۳ درصد مواقع برنامهنویس را شناسایی کند.
این فناوری میتواند برای بازجویان و شناسایی سازندگان بدافزارها مفید باشد، همچنین میتواند برای موارد دزدی در خلق اثر هم کارآمد باشد، در این زمان یادگیری ماشین توانایی پیدا کردن شباهت کارهای کاملا تصادفی و کپیکردنها را دارد.