​我个人为我们课程DIY过一个知网查重的软件工具，是基于数据流分析的，效果还不错，反正修改变量名，提取函数这些小伎俩是完全无用的，甚至可以做到一定的跨语言查重（只把c#代码copy到java里，然后改一改跑起来是会被发现的）。说明程序代码也会进行对比查重算抄袭重复率。下面具体说说程序代码进行知网查重的方法，具体如下：

以c为例，具体流程大概是，先调用预处理器把注释干掉，把macro展开，因include <>而弄进来的那波标准库头文件特殊标记一下，然后建立CFG（control flow graph）进行知网查重。因为CFG关心的是变量的值会怎么传播，所以在中间插入一大堆无副作用的语句是不会有任何效果的，把变量换个名或挪个位置（比如加多一层block）也没啥卵用。

c++的话就会麻烦很多，毕竟在c++里就算a + b这么个简单语句，因为operator+可以重载，所以指不定执行完这个语句就可以把地球都炸了呢，而且这个重载在不同namespace里还可能不同，比如namespace A是用核弹炸地球，namespace B是对整个地球播一段爱的供养神马的……在c++里建立CFG会是个噩梦……程序代码进行知网查重的方法比较复杂吧！！

不过说起来我们的课程比较特殊，因为作业用的是类ACM的提交系统，所以对运行环境有比较严格的限制，这保证了程序代码知网查重查重的准确率。如果是完全开放性的程序代码知网查重（即对语言和第三方lib等等都不做限制的话）恐怕会很困难。

=== 举个例子 ===
以下是前几天刚刚检测到的抄袭代码片段……下面两段java代码被检测出有高度匹配（右图里getARGBData函数只是把二维数组给复制4份凑成一个三维数组而已，没干其他事）……

另外一点，为了减少漏网之鱼，知网查重时一般都会用低阈值初筛，再人工介入复核。此外建立回溯机制，比如如果某人现场考试的成绩和作业排名差异较大的话，会触发重查，专门为他调低阈值重查一遍+人工复核。不过正因为有人工复核，所以思路相同一般是不至于误判的，毕竟只要代码行数一多，思路再相同，代码风格上也会有很大差异。