学位论文学术不端行为检测系统工作原理

　　论文也有测谎仪

　　近来，论文剽窃丑闻频频见于报端，从校长到学生，从历史陈案到史上最牛，可以说是一片腥风血雨。现在，一套名为学位论文学术不端行为检测系统悄然在各大高校现身。

　　文·余小北 南都周刊记者·炫风

　　张伟最近很忐忑，他的学位论文《试析中日“战略互惠”外交新思想》已经交出去一些时日了，可是还没有结果，这让他不仅担心起自己的学位证，继而担心起自己的前途。

　　作为非全日制研究生，这两年来他真正呆在学校里的日子屈指可数，论文也是在最后一个星期东拼西凑起来的。

　　用了新的学术测谎仪，他很担心论文过不了。

　　这断时间以来学术不端丑闻频频见于报端，从校长到学生，从历史陈案到史上最牛，可以说是一片腥风血雨，在这个时候，一套名为学位论文学术不端行为检测系统（简称TMLC）的产品悄然走红于各大高校，张伟所在大学使用的就是这套系统。

　　反剽窃就像“找不同”

　　这个“反抄袭”系统是世界首个用全文文献为比对资源来检测学术不端行为的系统，由中国学术期刊电子杂志社与同方知网公司联合研发，耗时三年，在2008年12月底研制成功， 2009年3月研究生院开始使用。官方宣称目前已涵盖上千家期刊编辑部，360多家高校，基本上覆盖了全国重点院校。中国知网科研诚信管理系统研究中心主任孙雄勇向记者介绍，到目前为止，光是研究生学术论文检测，TMLC的检测量就已达到20万篇次。

　　该人士表示，该系统的技术核心是自适应多阶指纹特征检测技术，具有检测速度快，准确率较高，抗干扰性强等特征。这里的“指纹”只是一个形象的比喻，正如每个人说话都有口头禅，这个口头禅就是你的一个特征，这个特征就叫信息指纹。具体到一篇文章来说，比如研究金庸小说，金庸喜欢用什么字，用字的规律是多少，每个字在整个文章出现的概率是多少，这就是一个指纹。

　　在每一次检测过程中，待检文章首先按照篇章、段落、句子等层级分层处理，然后创建指纹，而比对资源库中的比对文献，也采取同样技术创建指纹索引。通俗来说，就是将论文和数据库进行比对，根据其重合处的比例，判断该论文是否存在抄袭行为。

　　不过，广东省某市公安局网络工程师冯骋认为，这种技术原理上比较简单，已经有很多现成的算法，而且根据中文的特征，算法上也不可能有太大突破，依赖的还是数据库的采集，然后拿文章进去对比，相似度达到多少，就认为抄袭。

　　在这套系统里，最小能检验到句子。只要论文与数据库的文献存在一个相同的句子，就能被检测系统发现。因此这也是张伟担心所在，“谁不用CTRL+C和CTRL+V呢？”

　　和所有善于钻空子的大学生一样，张伟也不至于傻到一字不漏地照搬。他老早就未雨绸缪，上论坛求助一些从事软件开发的技术人员。有“高手”告诉他，可以尝试将全篇论文的个别字符替换，如用查找替换功能，把所有的全角逗号换成半角逗号、把所有的“为什么”换成“为何”、 把“把”替换成“将”，就可以绕过检测。

　　这正是张伟最担心的地方。在得知学校采用反剽窃系统后，他立即打听到开发公司的情况，并伪装成院校老师，打电话向对方求证一些技术细节。对方告诉他，简单的替换都会被系统识破，就是因为当系统检测单位精确到句子而不是段落时，传统的破解方法已经失效，重合比率技术可以进行防范。

　　武汉大学数学与统计学院信息与计算科学系林川副教授指出，这种检测技术也有技术漏洞。首先关于特征提取的合理性，将直接影响到最终比对结果。其次是匹配效率问题，不同专业、不同方向的技术指标并不相同，特别是一些特殊领域的文献。比如做历史的研究，很多时候把历史材料、文献梳理出来就是好的论文，这就必然涉及到对很多材料的引用，评价，论述，但这样就有可能被判定为抄袭。

　　道高一尺，魔高一丈？

　　新华网针对论文抄袭事件的调查显示，44.25%的投票者认为这是“普遍现象，屡见不鲜”，24.28%的投票者在评价此事的社会影响时选择了“不抄白不抄，大家都这样”。而TMLC的问世，无疑更加加剧了双方之间的博弈。电脑可以为反剽窃者所用，更可以为反反剽窃者所用。林川副教授说这套系统很难起到完全杜绝的作用，只是在一定程度上减少简单抄袭和剽窃行为，而且可能会产生新的问题：一是可能会产生新的利益链条，如产生专业修改抄袭文章的利益团体，二是抄袭手段更加隐蔽，如“抄其意而不抄其文”。

　　事实上，这些新的问题已经产生。“反反剽窃”几乎同时上路了。

　　现实版《黑客帝国》？想象自己像帅到掉渣的基努·李维斯一样，在网络世界中无情地侵入TMLC，面对浩瀚的资源沧海一声笑？.....不过，用冯骋的话来说，这个系统根本没有侵入的必要，即便侵入，也是一个空壳。

　　话说回来，还真有专业级的破解方法。根据一些资深技术人员的建议，可以：1、由专业人员利用黑客技术，首先破解密码，进入相关数据库，修改“指纹”，待检测通过后，恢复数据；2、如果能够知道该软件的算法（林川认为这并不难做到），就可以在文献中插入相关信息，避开或绕开对比文献的“指纹”等等。

　　其实，当论文已经工具化的时候，社会上就必然会相应地产生为需要这种工具的人服务的产业，不用费尽心思让自己成为电脑高手，金钱依然发挥着强劲的作用。

　　张伟更后悔的是没去花钱买个“保险”。

　　因为，在淘宝网上已经有相关的针对反剽窃软件的论文检测服务，张伟本可以将自己的论文提前发给商家，以判定其论文能否通过检测。这些“服务”叫价从50－800元不等。在宝贝详情上赫然写着：本项服务就是针对“学位论文学术不端行为检测系统”对于申请人提交的论文进行人工预评估，找出可能被发现的抄袭的部分，并对于服务申请人提供相应的修改意见和指导，提升申请人的论文质量和水平。我们拥有博士学位以上的学术人员10多名，均为一线的相关科研人员，有着丰富的科研论文写作、审稿经验。

　　记者细心观察了一下，基本上每个商家都有不错的“生意进账”。而网友的评价是：速度快，非常满意。

　　如果现在再写一篇论文，张伟会如何处理呢？他说自己还有张底牌——对自己大段摘抄的论文进行改写，像近义词替换和句子重组。这一点，连开发公司的孙雄勇也承认：“我们在研发过程中遇到的另一个技术难关就是如何应付语序、结构上的改写。对于这些更高层次的、语义上的改写的反“反剽窃”，还将进一步研究。”

　　是啊，中文语义博大精深，防不胜防。(SMW)