Deep Metric Learning for Code Authorship Attribution and Verification

Authorship Attribution Methods, Challenges, and Future Research Directions: A Comprehensive Survey

“…Their method achieved an accuracy of 84.94% across 20,458 authors. White and Sprague [112] input SentencePiece tokens into a bi-directional LSTM to generate embeddings; then, an SVM and KNN were used to classify the authors on 1600 C/C++ programmers. In closed-world tasks, SVM had an accuracy of 91.50%, while KNN had an accuracy of 90.38%.…”

“…Their approach achieved an accuracy of 84.94% across 20,458 authors. Similarly, in 2021, White and Sprague [112] worked with metric learning to address the problem of authorship identification and verification. It leverages a bi-directional LSTM to generate embeddings that group similar and separate dissimilar samples.…”

“…There is a large accuracy variation ranging from 42% to 94% in Refs. [111][112][113][114]. Its highest performance slightly trails behind RFC paired with NN-generated code representations.…”

Métricas para verificación de autoría y emulación de procesos cognitivos

“…Algunos autores consideran que la escritura no es una actividad mecánica que reproduce el pensamiento, sino es una herramienta epistemológica y cognitiva que lo transforma. La acción de escribir pone en marcha muchos procesos que involucran aspectos cognitivos, neurológicos y educativos (Illes et al, 2020;Omidian et al, 2021;White and Sprague, 2021). Particularmente, la legibilidad y el parámetro de Hurst tienen impacto directo procesos cognitivos como la memoria y la comprensión lectora respectivamente.…”

“…En primer lugar la denominada Identificación de Autoría (IA) se emplea para determinar la probabilidad de que un autor sea el responsable de un escrito dado, de entre un conjunto de autores sospechosos (se asume que el verdadero autor se encuentra entre los posibles sospechosos, lo que no es cierto en la mayoría de los escenarios del mundo real) (Okuno et al, 2014;Alhijawi et al, 2018). En segundo lugar la Verificación de Autoría (VA) ayuda a confirmar si un sospechoso es o no el autor de un texto particular (Nirkhi Smita, 2016;White and Sprague, 2021;Theophilo et al, 2021;Boenninghoff et al, 2019). Finalmente, la Caracterización de Autoría (CA) se utiliza para recopilar meta-información del autor, como el género, antecedentes lingüísticos, edad, etc.…”