Gian lận học thuật là một thách thức phổ biến trong giáo dục khoa học máy tính, và các nhà giáo dục dựa vào các hệ thống phát hiện để giải quyết vấn đề này trên quy mô lớn. Tuy nhiên, các hệ thống này vẫn dễ bị tổn thương trước các cuộc tấn công làm xáo trộn mã nguồn, làm thay đổi cấu trúc của chương trình trong khi vẫn giữ nguyên hành vi của nó. Những tiến bộ gần đây trong trí tuệ nhân tạo đã làm trầm trọng thêm vấn đề này. Để giải quyết những thách thức này, luận văn này giới thiệu các cơ chế phòng thủ chống lại việc làm xáo trộn mã nguồn tự động, tăng cường khả năng chống chịu của các hệ thống phát hiện.

Abstract:

Plagiarism is a prevalent challenge in computer science education, and educators rely on detection systems to address it at scale. However, these systems remain vulnerable to obfuscation attacks that alter the structure of a program while preserving its behavior. Recent advancements in artificial intelligence have exacerbated this problem. To address these challenges, this dissertation introduces defense mechanisms against automated obfuscation, enhancing the resilience of detection systems.

Ngôn ngữ:	Eng
Tác giả:	Saglam, Timur
Thông tin nhan đề:	Mitigating Automated Obfuscation Attacks on Software Plagiarism Detection Systems
Nhà xuất bản:	KIT Scientific Publishing
Loại hình:	Tài nguyên giáo dục mở / Bộ sưu tập: Công nghệ thông tin
Bản quyền:	https://creativecommons.org/licenses/by/4.0/
Nguồn gốc:	https://library.oapen.org/handle/20.500.12657/114390
Mô tả vật lý:	342p.
Năm xuất bản:	2026