論文の概要: Effective Construction of Feature Database of Fingerprinting Functions for Code-Clone SCA

• arxiv url: http://arxiv.org/abs/2610.24479v1
• Date: Sat, 17 Oct 2026 05:51:32 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:54:45.658334
• Title: Effective Construction of Feature Database of Fingerprinting Functions for Code-Clone SCA
• Title（参考訳）: Code-Clone SCAのためのフィンガープリント機能の特徴データベースの構築
• Abstract要約: コードクローン検出(CCD)技術は、コードの再利用のインスタンスを識別するための重要なツールとして登場した。 CCDアルゴリズムの大幅な進歩にもかかわらず、学術ツールと現実世界のアプリケーションの間には顕著なギャップが持続している。 そこで我々は,より効率的なCCD機能データセットを構築するために,適切なオープンソースリポジトリを選択するための,新しい体系的なアプローチを提案する。
• 参考スコア（独自算出の注目度）: 11.161854696987005
• License:
• Abstract: In contemporary software development, the extensive adoption of third-party libraries has become standard practice to avoid reinventing the wheel. This trend is particularly evident in programming ecosystems that lack mature package managers, such as C/C++. Within this context, Code Clone Detection (CCD) techniques have emerged as essential tools for identifying instances of code reuse, thereby mitigating security and legal concerns. Despite significant advances in CCD algorithms, a notable gap persists between academic tools and real-world applications. This disparity primarily arises because academic tools rely on experimental datasets composed of a limited number of indexed repositories, whereas real-world applications require a much broader scope of code sources. To address this challenge, we propose a novel, systematic approach for selecting appropriate open-source repositories to construct a more effective CCD feature dataset. Our method, OSSScope, employs a greedy algorithm to analyze the diversity of fingerprinting functions across 2.55 million C repositories on GitHub, maximizing unique fingerprinting functions while minimizing the number of repositories required. OSSScope compiles an optimal feature dataset containing 61 million fingerprinting functions from 190K repositories, resulting in a 22.65% improvement in recall over SOTA tools, and covers over 95% of the features from other sources. Leveraging the selected repositories, we introduce RClassifier, a lightweight classification model that determines whether a repository should be included, streamlining construction for migration to other language ecosystems. Our evaluation of RClassifier in the Golang ecosystem validates its effectiveness, achieving recall comparable to the dataset produced by OSSScope.
• Abstract（参考訳）: 現代のソフトウェア開発では、車輪の再発明を避けるため、サードパーティ製ライブラリが広く採用されている。 この傾向は、C/C++のような成熟したパッケージマネージャが欠けているプログラミングエコシステムで特に顕著である。 このコンテキスト内では、コードクローン検出(CCD)技術がコードの再利用のインスタンスを識別する重要なツールとして登場し、セキュリティと法的懸念を軽減する。 CCDアルゴリズムの大幅な進歩にもかかわらず、学術ツールと現実世界のアプリケーションの間には顕著なギャップが持続している。 この相違は主に、学術ツールは限られた数のインデックス化されたリポジトリからなる実験的なデータセットに依存しているためである。 この課題に対処するために,より効果的なCCD機能データセットを構築するために,適切なオープンソースリポジトリを選択するための,新しい体系的なアプローチを提案する。 当社の方法であるOSSScopeでは,GitHub上の255万のCリポジトリにまたがる指紋認証機能の多様性を分析するために,greedyアルゴリズムを採用している。 OSSScopeは190Kリポジトリから6100万の指紋認証機能を含む最適な機能データセットをコンパイルし、その結果、SOTAツールよりも22.65%改善され、他のソースから95%以上をカバーしている。 選択したリポジトリを活用して、RClassifierを導入します。RClassifierは、リポジトリを含めるべきかどうかを決定する軽量な分類モデルで、他の言語エコシステムへのマイグレーションのための構築を合理化します。 GolangエコシステムにおけるRClassifierの評価は、OSSScopeが生成したデータセットに匹敵するリコールを達成し、その有効性を検証する。

関連論文リスト

• SIEVE: A Parameterized GitHub Corpus Builder for Software Engineering Research [3.2498534294827053]
  SIEVE(Software Ingestion & extract for Verifiable Evaluation)は、オープンソースのパラメータ化GitHubコーパスビルダーである。 リポジトリ内の個々の関数、メソッド、クラスを特定し、それらをレコードとして抽出する。 プログラミング言語(Python、Java、JavaScript、C++)、リポジトリの品質、作成日など、いくつかの基準に基づいて、コーパスの構築を直接制御する。
  論文  参考訳（メタデータ） (2026-10-15T18:42:31Z)
• Adaptive Critical Token-Aware Retrieval for Repository-Level Code Generation [53.85136813868056]
  ACToRは、リポジトリレベルのコード生成のための適応型クリティカルトークン対応検索フレームワークである。 我々は、ACToRが、リポジトリレベルのベンチマークにおいて、最先端のメソッドを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2026-09-01T17:59:39Z)
• Evaluating Tool Cloning in Agentic-AI Ecosystems [7.733750839250171]
  この研究は、エージェントAIエコシステムにおけるツールクローンの大規模測定としては初めてのものである。 7,508のモデルコンテキストプロトコル(MCP)リポジトリ、87,564の抽出ツール、12,447のツールを備えた1,353のスキルレポジトリ、合計8,861のリポジトリ、100,011のツールエントリをカバーしている。
  論文  参考訳（メタデータ） (2026-05-10T23:39:44Z)
• ReCUBE: Evaluating Repository-Level Context Utilization in Code Generation [7.907933839674293]
  大規模言語モデル(LLM)は、エージェント探索またはフルコンテキスト生成を通じて大規模で動作する有能なコーディングアシスタントとして登場した。 ReCUBEは,LLMが残されているすべてのソースファイル,依存関係仕様,ドキュメントをコンテキストの唯一のソースとして使用して,実世界のリポジトリ内でマスクされたファイルを再構築するベンチマークである。 本稿では,エージェントフレームワークに統合可能な依存グラフベースのツールセットであるCaller-Centric Exploration (CCE)ツールキットを提案する。
  論文  参考訳（メタデータ） (2026-03-26T08:04:15Z)
• GREPO: A Benchmark for Graph Neural Networks on Repository-Level Bug Localization [50.009407518866965]
  リポジトリレベルのバグローカライゼーションは、ソフトウェアエンジニアリングの重要な課題です。 GNNは、複雑なリポジトリ全体の依存関係をモデル化できるため、有望な代替手段を提供する。 GREPOは、リポジトリスケールのバグローカライゼーションタスクのための最初のGNNベンチマークである。
  論文  参考訳（メタデータ） (2026-02-14T23:22:15Z)
• RealSec-bench: A Benchmark for Evaluating Secure Code Generation in Real-World Repositories [58.32028251925354]
  LLM(Large Language Models)は、コード生成において顕著な能力を示しているが、セキュアなコードを生成する能力は依然として重要で、未調査の領域である。 我々はRealSec-benchを紹介します。RealSec-benchは、現実世界の高リスクなJavaリポジトリから慎重に構築されたセキュアなコード生成のための新しいベンチマークです。
  論文  参考訳（メタデータ） (2026-01-30T08:29:01Z)
• A Retrieval-Augmented Generation Approach to Extracting Algorithmic Logic from Neural Networks [48.83701310501069]
  NN-RAGは,大規模で異種なPyTorchを検証済みニューラルネットワークの検索可能なライブラリに変換する検索拡張生成システムである。 19のリポジトリに適用して、パイプラインは1,289の候補ブロックを抽出し、991(73.0%)を検証し、80%以上が構造的にユニークであることを実証した。
  論文  参考訳（メタデータ） (2025-12-03T23:28:30Z)
• Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
  Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。 Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
  論文  参考訳（メタデータ） (2024-10-02T09:11:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。