计算机技术在软件方面的发展离不开大量的编码,这些源码许多都能够通过互联网方便获取到。虽然这方便了大家对编程的学习,却也导致在编码上存在大量抄袭行为。因此,方便、有效、快捷的代码抄袭检测方法在当前的时代背景下就显得尤为重要。传统的代码相似性检测方法大多利用程序的属性或结构信息,随着时间的推移,对属性的选择和统计越来越纷杂,对结构的分析也越来越复杂。对相似度检测方法的设计者来说,选择哪种属性和结构信息,以及使用哪种方式利用这些信息是一项困难的工作。针对代码相似性检测方法中属性或结构信息选择和利用困难的问题,提出了一种基于深度学习的代码相似性检测方法。该方法先通过预处理将代码转换为时间序列,再利用神经网络的学习能力让算法自己提取这个时间序列中的特征,而无需人为选择。提取出的特征以特征向量的方式展现,最后两个特征向量之间的余弦相似性体现了两份代码之间的相似性。同时,对于不同的使用场景,如编程语言不同,也可以通过改变训练数据来完成适配,而无需修改算法。实验结果表明,该方法具有很好的检测效果。如今高校普遍设立程序设计课程,学生在完成作业过程中存在不少抄袭情况,而对老师来说,人工判别抄袭情况是一件费力且准确率低的事情。因此,根据设计的基于深度学习的代码相似性检测方法,开发了一个面向高校C语言程序作业代码抄袭检测系统。用户在系统中上传代码,系统将返回这些代码的相似度情况。通过试运行,证实这个系统极大地提高了老师批改C语言作业的效率和对抄袭的判别准确率。