一种基于相似度哈希技术的软件相似项目筛选方法

一种基于相似度哈希技术的软件相似项目筛选方法，包括：选取多个样本项目构建知识库；准备被检测项目；读取知识库中样本项目，对每个样本项目生成样本项目文本字符串并使用Simhash和Minhash分别提取特征向量；对被检测项目生成被测项目文本字符串，并使用Simhash和Minhash分别提取两种特征向量；将被检测项目提取的Simhash特征向量与各样本项目的Simhash特征向量进行比对，得到对应的Simhash汉明距离值；将被检测项目提取的Minhash特征向量与各样本项目的Minhash特征向量进行比对，得到对应的Minhash签名相似值；依据Simhash汉明距离值和Minhash签名相似度值初步筛选出多组候选项目；对每个候选项目进行粒度更细的文件级或代码片段级溯源分析，最终筛选出最相似的目标项目。