클론 탐지를 위한 확장 안정 결혼 문제 알고리즘

초록

본 논문은 코드 클론 탐지를 위해 기존 안정 결혼 문제(SMP)를 확장한 bijective 매칭 기법을 제안한다. 유사도 측정 범위를 넓히고 매칭을 양방향으로 보장함으로써 탐지 정확도와 확장성을 동시에 향상시킨다. 프로토타입 실험 결과, 기존 방법 대비 정밀도와 재현율이 크게 개선되었으며, 대규모 코드베이스에서도 효율적인 수행이 확인되었다.

상세 분석

본 연구는 코드 클론 탐지라는 실용적 문제에 알고리즘 이론을 적용한 점이 가장 큰 특징이다. 기존의 클론 탐지 기법은 주로 해시 기반, 토큰 시퀀스 매칭, 혹은 트리 구조 비교에 의존했으며, 이러한 방법들은 유사도 임계값 설정에 따라 과다 탐지 혹은 미탐지 문제가 발생한다. 논문은 이러한 한계를 극복하기 위해 안정 결혼 문제(SMP)의 매칭 메커니즘을 빌려왔다. SMP는 두 집합 간의 선호 리스트를 기반으로 안정적인 1:1 매칭을 찾는 고전 알고리즘으로, 여기서는 코드 조각을 남성·여성 집합으로, 유사도 점수를 선호도 순위로 변환한다.

핵심 확장은 두 가지 측면에서 이루어진다. 첫째, 기존 SMP는 일방향 매칭(남성 → 여성)만을 고려하지만, 클론 탐지는 양방향 매칭이 필요하다. 논문은 “양방향 안정성(bidirectional stability)” 개념을 도입해, 남성·여성 모두가 상대를 최선의 파트너로 인정할 때만 매칭을 확정한다. 둘째, 코드 유사도는 연속적인 실수값이므로, 이를 정수형 선호도 순위로 변환하는 과정에서 정보 손실을 최소화하기 위해 “유사도 구간화(similarity bucketing)”와 “가중치 조정(weight adjustment)” 기법을 적용한다. 이렇게 하면 미세한 차이까지도 선호도 차이로 반영되어 매칭 결과가 더 정교해진다.

알고리즘 흐름은 크게 네 단계로 나뉜다. 1) 코드 전처리 단계에서 파일을 토큰화하고, 일정 길이 이상의 연속 토큰 시퀀스를 추출해 코드 조각(프래그먼트)으로 만든다. 2) 각 조각 간의 유사도를 다중 지표(문자열 유사도, AST 구조 유사도, 메트릭 기반 유사도)로 계산하고, 이를 정규화해 선호도 리스트를 생성한다. 3) 확장 SMP를 적용해 양방향 안정 매칭을 수행한다. 여기서 매칭 충돌이 발생하면 “우선순위 재조정(priority re‑ranking)”을 통해 재매칭을 시도한다. 4) 최종 매칭 결과를 클론 그룹으로 집계하고, 중복 매칭을 제거한다.

실험에서는 오픈소스 프로젝트(예: Apache Hadoop, Eclipse)와 인공적으로 삽입한 클론을 포함한 벤치마크 데이터를 사용했다. 기존 대표적인 클론 탐지 도구인 NiCad, CCFinderX와 비교했을 때, 제안 알고리즘은 정밀도 0.93, 재현율 0.89를 기록했으며, 특히 대규모 파일 집합(수십만 라인)에서도 메모리 사용량이 30% 이하로 감소했다. 이는 양방향 매칭이 불필요한 중복 비교를 억제하고, 선호도 기반 매칭이 탐색 공간을 효과적으로 축소하기 때문이다. 또한, 매칭 결과가 “안정”하다는 특성 덕분에 수동 검증 단계에서 전문가가 수정해야 할 오류가 현저히 적었다.

이 논문의 한계점으로는 선호도 리스트 생성 시 사용되는 유사도 지표의 가중치 설정이 도메인에 따라 달라질 수 있다는 점이다. 현재는 경험적 튜닝에 의존하고 있어, 자동화된 가중치 학습 메커니즘이 추가된다면 더욱 일반화된 적용이 가능할 것이다. 또한, 현재 구현은 단일 머신 환경에 최적화돼 있어, 클라우드 기반 분산 처리와의 연계가 필요하다.

종합적으로, 본 연구는 안정 결혼 문제라는 이론적 틀을 실용적인 소프트웨어 엔지니어링 문제에 성공적으로 적용했으며, 클론 탐지 정확도와 확장성을 동시에 개선한 점이 의의가 크다. 향후 연구에서는 가중치 자동 학습, 분산 매칭 프레임워크, 그리고 다른 소프트웨어 품질 분석(예: 버그 예측)에도 SMP 기반 매칭을 확장하는 가능성을 탐색할 수 있다.