本文介绍了一种针对源代码作者归属的新型攻击方法，通过一系列基于蒙特卡洛树的语义保持的代码转换，可以误导基于机器学习的代码归属分析，并对两种最新的归属方法的准确率造成了巨大的影响，表明当前的代码作者归属方法不适用于实际应用，需要更加强大的技术。

May, 2019

这篇论文介绍了 AuthAttLyzer-V2，它是一种新的源代码特征提取器，用于源代码作者归属的确定，重点关注词法、语义、句法和 N-gram 特征。论文通过对来自 3,000 个作者的 24,000 个源代码样本进行研究，结合 Random Forest、Gradient Boosting 和 XGBoost 模型来识别个体编码样式，提供了有关代码作者独特属性的洞察。对于恶意软件分类来说，这种方法对于理解和解释作者归属中的复杂模式至关重要。

Jun, 2024

本文介绍了 SHIELD，对六种当前最先进的作者归属方法进行攻击后的实验，通过在 Google Code Jam 竞赛中利用 200 个编程者数据集，从非有目标攻击和有目标攻击两个方向对不同的代码归属提取技术进行了实验，发现现有的作者归属方法对抗攻击的脆弱性，并对攻击成功率和身份识别信任度的影响进行了分析。

Apr, 2023

通过从可执行二进制文件中获得的一组新颖的特征，我们成功地从程序员的角度研究了机器学习的程序员去匿名化，我们使用源代码作者的归属、汇编风格等技巧，并在来自 Google Code Jam 的数据上评估了我们的方法，在 100 位程序员中获得高达 96％的准确度。因此，我们首次进行了可执行二进制文件属性归因，并表明程序员需要采取极端措施来保护其隐私。

Dec, 2015

本文旨在总结如何应用机器学习技术进行源代码分析的最新研究动态，并回顾 12 类软件工程任务及相应的机器学习技术、工具和数据集。在文献调研的基础上，文章总结了研究观察和发现，并总结了每个任务的通用步骤、机器学习技术和可用数据集和工具，并讨论了这一领域面临的各种挑战。

Oct, 2021

这篇论文提出了一种基于深度学习的代码作者归属度量的新框架 RoPGen，该框架结合了数据增强和梯度增强在对抗训练阶段，在四个 C、C++、Java 编写的程序数据集上进行测试，并显著提高了 DL-based 代码作者归属度量的鲁棒性。

Feb, 2022

这篇论文介绍了一种基于细胞自动机理论的文本网络特征提取方法，着眼于拓扑和动态方面的衡量，表明此方法在作者识别上优于传统的基于拓扑度量的方案，并强调预处理步骤对识别效果的影响。

Oct, 2016

本研究旨在调查与分析语言模型设计用于软件工程任务的研究是否共享代码及模型，以及针对模型训练所用的能源的透明度，从可持续的角度收集有用的信息。我们发现，当前研究中存在信息和工件共享的不足，约 40％的调查论文没有共享代码或训练过的工件，我们建议共享源代码和训练过的工件，以实现可持续的可重复性，同时还应该共享有关训练所需时间和硬件配置的全面信息，以确保模型的碳足迹透明度。

Jul, 2023

通过实证分析大型语言模型（LLMs）的写作特征、对比专有和开源模型的异同、并探索通过语言的词汇、句法和结构方面的风格特征整合实现对 AI 生成文本的追溯，为神经网络作者归属提供经验性洞见，为应对 AI 生成的错误信息的威胁铺平道路。

Aug, 2023

开源 AI 软件项目的安全性和测量方法是关键，通过使用代码所有权和时间度量，该研究证实高级所有权与漏洞减少呈正相关，并开发了基于 Python 的命令行应用程序来评估和基准测试项目。

Dec, 2023