Programa AntiCopia

´
UNIVERSIDAD DE LA SERENA, INGENIER´A EN COMPUTACION
I

1

Proyecto AntiCopia
´
´
Busqueda de suplantacion de codigo
´

Resumen—En el mundo actual, donde la tecnolog´a ya se ha instalado de forma permanente y predominante en
ı
nuestros hogares, estamos viviendo una verdadera utop´a de las comunicaciones y la cual no todos conllevan de
ı
buena manera. Dentro de este marco y entrelos multiples malos usos de la tecnolog´a actual nos centraremos en la
ı
´
´
suplantacion de documentos, para lo cual los estudiantes son una fuente creciente de suplantadores en todo tipo de
´
archivos, ya sea extra´dos de internet como de sus propios pares. En este trabajo nos centraremos en la suplantacion
ı
´
´
de codigo java, creando un software dirigido a profesores de ingenier´aen computacion, para lo cual se utilizara la
ı
´
librer´a llamada lucene y funciones matematicas para el descubrimiento de estos hechos il´citos.
ı
ı
´
´
Index Terms—Suplantacion de codigo, plagio, proyecto AntiCopia, lucene

!

1.

´
I NTRODUCCI ON

S

i bien el problema de las copias ha ocurrido
˜
desde muchos anos antes de que los primeros atisbos de tecnolog´a como laconocemos
ı
hoy apareciera, la llegada de internet, adem´ s
a
del aumento en el nivel de conocimiento acerca
´
de la computacion entre los usuarios comunes,
ha provocado un crecimiento excesivo de estas pr´ cticas, en consecuencia ya hace algunos
a
˜
anos se han empezado a desarrollar herra´
mientas que ayuden a la deteccion de plagios.
Dentro de este marco Iniciativas como Plagium,
viper,AntiPlagiarist, Copyscape o CrossCheck
entre otros, son alternativas disponibles en internet y las cuales reafirman la necesidad de
desarrollo en esta materia.
Ahora bien algunas de las preguntas que
nos formulamos como desarrolladores fueron,
´
¿Como realizar un aporte a estos estudios?, ¿El
´
enfoque a un publico especifico aumentar´a la
ı
´
efectividad del software?. En la busqueda derespuestas para estas preguntas, encontramos
con la librer´a creada por Apache, “lucene”.
ı
´
La cual proporciona m´ todos de indexacion y
e
´
´
busquedas para multiples tipos de archivos de
texto, las que ser´ n de mucha utilidad en el
a

tema, por otra parte el enfoque a profesores
´
de computacion nos proporcionar´a un mayor
ı
control de palabras claves y frases comunes
entreprogramadores, por ende se podr´a reaı
lizar un mejor filtro de los archivos antes de
buscarlos, aumentado as´ la efectividad de las
ı
´
busquedas que se realicen.
Con estos objetivos en mente se elige el
´
lenguaje java de Oracle para la implementacion
del software y al cual nos referiremos m´ s
a
´
detalladamente a continuacion.

2.

LUCENE

´
Lucene es un software derecuperacion de
´
´
informacion (IR) de codigo abierto. Es una
˜
API flexible que permite anadir capacidades de
´
´
indexacion y busqueda a cualquier sistema que
se est´ desarrollando. Inicialmente fue implee
mentado en Java por Doug Cutting. Despu´ s
e
se crearon versiones en otros lenguajes como
Delphi, Perl, C#, C++, Python, Ruby y PHP.
Entre las caracter´sticas que hicieron de luı
´cene una buena opcion para este proyecto se
encuentran:
´
Indexacion incremental
´
En la indexacion incremental se pueden
˜
anadir documentos a un ´ndice ya creado
ı

I

con anterioridad de forma f´ cil, frente a
a
´
la indexacion por lotes en la que, una vez
que ha sido creado el ´ndice para un conı
˜
junto de documentos, el anadir algunos
documentos nuevos es una tarea dif´cil,ı
por lo que se opta por reindexar todos
los documentos de nuevo. Lucene soporta
´
ambos tipos de indexacion.
Origen de datos
Lucene permite indexar tanto documentos
y p´ ginas web como el contenido procea
dente de una base de datos.
´
T´ cnica de indexacion
e
Al eliminar palabras como a, unos, el, la,
etc., poco representativas del documento,
˜
se reduce considerablemente el...