L05a-3 代码盗用与引用:公开的代码也有主人
第四根失范支柱代码盗用:permission、attribution、任务规则三个边界;安全复用四条;引用数据和代码的四件套与公式。含课件 weather-sim 仓库案例和删文件头辨析。
一句话版
别人的代码和数据集能用,但要按许可用、留着原作者的名字、守任务的规则,并写清你用的是哪一版、改了什么。
前两页讲了剽窃、捏造和篡改,见 L05a 和 L05a-2。这一页讲第四根柱子。
先认识这几个词
| 词 | 英文 | 一句人话 |
|---|---|---|
| 代码盗用 | Code Theft | 把别人的代码当成自己的,或缺许可、缺署名地复用 |
| 许可证 | license | 作者写明别人可以怎样使用这份代码或数据的条款 |
| 文件头 | header | 源文件开头写版权和许可的那几行注释 |
| 仓库 | repository | 存放代码和改动历史的地方,比如 GitHub 上的一个项目 |
| commit hash | 提交编号 | 仓库里某一次改动的唯一编号,能精确指向一个版本 |
| release | 发布版本 | 仓库作者打了标签的某个固定版本 |
一个类比:借书
从图书馆借书,你可以读、可以摘抄,但有几条规矩:要按图书馆的借阅规则来,书上的作者名不能撕掉,写文章引用时要写清书名、作者和第几版。
用别人的代码一样。许可证就是借阅规则;文件头就是书上的作者名;引用时写清版本,好让别人找到同一本。任务规则多一层:老师可能规定这次作业某些书不许借。
类比在一处失效:书借了要还,代码复制了就一直在你那里。所以规矩要在复制那一刻就守住,事后很难补。
从零讲起
1. 代码盗用:三个边界
它解决什么问题
GitHub 上有大量公开代码,搜一下就能复制。很多同学的想法是「既然公开了,就是给人用的」。代码盗用这根柱子,就是要说清公开和能随便用之间差了什么。
直觉
课件给代码盗用的定义是:把别人的代码当成自己的,或在缺少必要许可与署名的情况下复用。它是剽窃在代码场景的特化,额外强调许可。
课件页脚那句话最好记:公开可见的代码不是无主的,边界是 permission(许可)、attribution(署名)和任务本身的规则(the rules of the task)。公开只解决了你能不能看到它,没解决你能不能把它交上去当成自己的作业。
一步一步看
目标:拿删掉许可头交上去的公开 notebook 代码逐个过三个边界,看公开可见为何不等于无主。
案例:同学从一个公开的 notebook 复制了特征工程代码,删掉许可头,交进小组项目。逐个边界检查。
-
边界一 permission:许可允许这样用吗?没核过许可证写了什么条件。
-
边界二 attribution:署名留了吗?许可头被删,看不出原作者是谁。
-
边界三 rules of the task:任务允许吗?没读任务规则,不知道能否整段复用。
-
下结论:三个边界都没过,是代码盗用。公开可见不等于无主。
怎么判断
复用任何一段别人的代码前,问三句:
| 边界 | 问题 | 过不了时的典型情况 |
|---|---|---|
| permission | 许可证允许我这样用吗 | 没有许可证,或许可证限制了用途 |
| attribution | 原作者的名字和许可声明还在吗 | 删掉了文件头、改了变量名 |
| rules of the task | 这次任务允许复用外部代码吗 | 作业要求独立完成,或要求声明外部代码 |
意思是:三条都过了,复用才合法;任何一条过不了,先停下来问清楚。课件的建议是:拿不准能不能复用,提交之前先问。
常见误解
以为改了变量名、调了顺序,代码就算自己的了
课件 weather-sim 漫画里的错误路径就是复制、删文件头、改变量名、当作自己的提交。改名只让来源更难追,没改变代码是别人写的这件事。
以为开源许可就是「随便用」
开源许可大多有条件,最常见的条件就是保留原作者的版权和许可声明。下一个概念会讲。
试一下
同学 F 从一个没有任何许可证文件的公开仓库复制了一个函数,保留了作者注释,在报告里写了仓库链接。三个边界各过没过?
attribution 过了,作者注释和链接都在。permission 过不了,没有许可证意味着作者没明确授权别人复用,要先问作者。rules of the task 题目没说,要去读任务规则。
2. 安全复用四条
它解决什么问题
知道了三个边界,具体落到动作上该怎么做?课件给了四条安全复用规则(SAFE REUSE RULES),照着做就能把复用变成可追溯的。
从哪来(补充)
以常见的 MIT 许可证为例,条文写明:上述版权声明和本许可声明应包含在软件的所有副本或主要部分中。也就是说,MIT 允许几乎任何用途,唯一的硬条件是把版权和许可声明留着。出处:Open Source Initiative: The MIT License。
这正是安全复用第二条「保留文件头」要守的东西。
直觉
四条规则是:
- Check the License:看清是 MIT、GPL 还是 CC,按各自的署名要求做
- Keep Headers:永远不删原文件的版权和许可头
- Document Changes:写清相对原版改了什么
- Cite the Repository:链到你实际用的那个 branch 或 release
前两条对应 permission 和 attribution,后两条让别人分得清哪部分是原作者写的、哪部分是你改的。
一步一步看
目标:拿 MIT 仓库里的一个绘图函数把四条逐条做完,看复用怎样变得可追溯、分得清哪部分是你写的。
案例:想在作业里复用一个 MIT 许可仓库里的绘图函数。四条逐条做。
-
Check the License:MIT 允许复用,条件是保留版权和许可声明。
-
Keep Headers:文件头原样保留,不删不改。
-
Document Changes:在注释和报告里写清改了哪些地方、为什么。
-
Cite the Repository:链到实际用的那个 release 或 branch。
-
下结论:四条做完,复用可以追溯,别人分得清哪部分是你写的。
怎么判断
拿四条去对照你的提交,每条问一句能不能指出证据:
| 规则 | 能指出的证据 |
|---|---|
| Check the License | 说得出许可证名称和它的署名要求 |
| Keep Headers | 复用文件的开头,原作者的版权和许可声明还在 |
| Document Changes | 注释或报告里有一段「相对原版改了什么」 |
| Cite the Repository | 报告里有指向具体 release 或 branch 的链接 |
意思是:每条规则都要留下看得见的证据,凭记忆说「我守了」不算。
常见误解
以为删掉文件头是「整理代码」
课件 weather-sim 漫画的错误路径里有一步 DELETE HEADER,安全复用规则直接写成 Keep Headers。删头抹掉的是归属,整理代码不需要动它。
以为链到仓库首页就够了
仓库会一直更新,首页上的代码明天可能就变了。要链到具体的 branch 或 release,别人才能拿到你用的那一版。
试一下
你复用了一个仓库里的两个函数,改了其中一个的参数默认值。报告里只写了「部分代码参考了某仓库」加首页链接。四条里哪几条没做到?
Document Changes 没做到,没写改了哪个函数的哪个默认值。Cite the Repository 不完整,只链了首页,没链到具体版本。Check the License 和 Keep Headers 从这段描述看不出来,要去核。
3. 引用数据和代码:四件套
它解决什么问题
写论文引用书和文章,大家都会。可是用了一个数据集、一个软件包,参考文献怎么写?很多人只写个名字,别人根本找不到同一版本,也就复现不了你的结果。
直觉
课件的要求是让复用可追溯:写清创建者(creator)、确切版本(exact version)、许可证(license),以及你改了什么(what you changed)。这四件套各管一件事:谁做的、哪一版、能怎么用、你动了哪里。
课件还给了两个引用公式:
- 代码:Author (Year). Title [Software]. Version. URL/DOI.
- 数据集:Creator (Year). Title [Dataset]. Repository. DOI.
公式下面有一句脚注:始终写上确切的版本号或 commit hash,好让结果可以复现。
一步一步看
目标:给报告里的数据集和软件包逐件补齐四件套,看齐了之后别人怎样拿到同一版本复现结果。
案例:报告用了一个公开数据集和一个开源软件包,要把它们写进参考文献。四件套逐件补。
-
creator:写数据集的创建者、软件的作者。
-
exact version:写版本号;没有版本号就写 commit hash。
-
license:写明许可证,确认你的用法在许可之内。
-
what you changed:列出你相对原版做的改动。
-
下结论:四件套齐了,别人能拿到同一个版本复现你的结果。
怎么判断
检查一条数据或代码引用,对照公式逐项看:
| 公式里的项 | 管什么 | 缺了会怎样 |
|---|---|---|
| Author / Creator 与 Year | 谁做的、什么时候 | 署名缺失,过不了 See who |
| Title 与类型标签 [Software] / [Dataset] | 引的是什么东西 | 读者分不清是论文还是工具 |
| Version / commit hash | 哪一版 | 别人拿到新版,结果对不上,过不了 Reproduce |
| URL / DOI / Repository | 去哪找 | 找不到原件,过不了 Trace |
意思是:引用公式的每一项,都对应 Boundary Test 里的一个问题。许可证和改动不在公式里,要另外在报告里写明。
常见误解
以为写了数据集名称就算引用了
同名数据集可能有好几个版本,内容不同。没有版本或 DOI,别人拿到的可能不是你用的那一份。
以为软件包很常用就不用引
四件套的目的是可追溯,和软件有多出名无关。版本不同,函数的默认行为可能不同,结果也会不同。
试一下
按课件公式,为一个虚构的软件包写引用:作者 Lee,2024 年发布,名称 FastClean,版本 2.1,网址自拟。再说说为什么必须写版本。
Lee (2024). FastClean [Software]. Version 2.1. https://example.org/fastclean。必须写版本,因为别人装到 3.0 版时,清洗规则可能已经变了,结果就复现不了。
把它们串起来
代码盗用是剽窃在代码场景的特化。它多了一个边界:许可。公开可见只让你看得到代码,能不能用、怎么用,由许可、署名和任务规则三条一起决定。
安全复用四条把三个边界落成动作:看许可、留文件头、写改动、链到具体版本。引用四件套和公式再往前一步,让别人能找到同一份数据和同一版代码,复现你的结果。
到这里四根柱子讲完了。下一页讲失范一旦发生会扩散到哪里,以及怎样在做作业的过程中预防它。
课件里的坑
- [跨页对照] p.8 漫画错误路径里的 DELETE HEADER,在 p.14 被写成硬规则 Keep Headers。两页合看才完整:删头抹掉的是归属
- [读题提醒] p.8 正确路径四步是 CHECK PERMISSION、READ COMPETITION RULES、LINK ORIGINAL REPOSITORY、DOCUMENT MODIFICATIONS,和 p.14 的安全复用四条措辞不同,内容同族;默写时看题问的是哪一页
- [读题提醒] p.13 的四件套(creator、version、license、changes)和 p.14 的引用公式不完全重合:公式里没有许可证和改动,这两项要在报告正文另写
课后 10 分钟:考点复习
这 10 分钟怎么用:合上页面,先默写三个边界词、安全复用四条、引用四件套和两个公式;再做课件例题和变式题;最后回查一个易错点:公开可见不等于无主。
必背
- Code Theft 是把别人的代码当成自己的,或在缺少必要许可与署名的情况下复用
- 公开可见的代码不是无主的;边界是 permission、attribution、以及任务本身的规则
- 安全复用四条:Check the License、Keep Headers、Document Changes、Cite the Repository
- 引用数据与代码要写清 creator、exact version、license、what you changed
- 引用公式:代码写 Author (Year). Title [Software]. Version. URL/DOI;数据集写 Creator (Year). Title [Dataset]. Repository. DOI;必须含确切版本或 commit hash
课件例题
例 1(课件 p.8):公开仓库里的 weather-sim
见下方完整例题。
例 2(课件 p.14):哪一条规则否定了「删掉文件头」
题面:SAFE REUSE RULES 四条是什么?其中哪一条直接否定 p.8 错误路径里的 DELETE HEADER?
提示
四条里有一条的名字就带着 Header。
解答
四条是 Check the License、Keep Headers、Document Changes、Cite the Repository。直接否定 DELETE HEADER 的是 Keep Headers:永远不删原文件的版权和许可头。删头抹掉的是归属。
完整例题
课件 p.8 原题:学生在公开仓库 open-source / weather-sim 找到代码,作者 Alex Rivera,MIT License 可见。错误路径是复制、删掉文件头、改变量名、当作自己的提交。请指出错误路径踩了哪根柱子、缺了哪几个边界,并写出正确路径。
① 定性。错误路径是 Code Theft:把别人的代码当成自己的提交,同时删掉了署名和许可信息。
② 逐个边界看。permission:MIT 许可允许复用,但条件是保留版权和许可声明,删头就违反了条件。attribution:文件头里有 Alex Rivera 的名字,删掉后看不出原作者。rules of the task:学生没去读比赛或任务规则,不知道能否复用外部代码。
③ 正确路径。课件给了四步:
- 核实许可(CHECK PERMISSION)
- 读比赛或任务规则(READ COMPETITION RULES)
- 链回原仓库(LINK ORIGINAL REPOSITORY)
- 记录自己的改动(DOCUMENT MODIFICATIONS)
另外,许可头和作者头要原样保留。
④ 依据。课件页脚:公开可见的代码不是无主的,边界是 permission、attribution 和任务规则。
⑤ 结论。复用本身可以,错在删头、改名、冒充。按四步走,同一段代码就能合法地用进作业。
变式题(先自己做)
自编情境:同学 G 从一个 GPL 许可的仓库复制了一个模块,保留了文件头,在报告里写了「代码来自某仓库」并附首页链接;他改了模块里两个函数,没有记录改了什么。任务规则写明「允许使用外部代码,但须注明来源和改动」。请检查三个边界和安全复用四条,指出问题并给出修法。
提示
先过三个边界,再过四条规则。注意任务规则里的「改动」两个字,和链接指向的是不是具体版本。
判分点与答案
判分点:① 判出 attribution 已满足;② 判出任务规则要求的改动说明没做到;③ 指出链接要指向具体版本;④ 提到要核 GPL 的条件。
三个边界:attribution 满足,文件头留着、报告写了来源。rules of the task 不满足,规则要求注明改动,G 没记录。permission 要核:GPL 有它自己的署名和使用条件,G 要读条款,确认作业的使用方式在许可之内。
四条规则:Keep Headers 做到了。Document Changes 没做到。Cite the Repository 不完整,首页链接要换成具体 release 或 commit。Check the License 需要补核。
修法:在报告里写明改了哪两个函数、改了什么;把链接换成具体版本;读一遍 GPL 的条款,确认用法合规。
闪卡自测
1. Code Theft 的定义是什么?
把别人的代码当成自己的,或在缺少必要许可与署名的情况下复用(p.4)。
2. 公开代码复用的三个边界词是什么?
permission、attribution、rules of the task。公开可见 ≠ 无主(p.8)。
3. weather-sim 正确路径的四步?
CHECK PERMISSION、READ COMPETITION RULES、LINK ORIGINAL REPOSITORY、DOCUMENT MODIFICATIONS(p.8)。
4. 引用四件套是哪四样?
creator、exact version、license、what you changed(p.13)。
5. 代码和数据集的引用公式?
Author (Year). Title [Software]. Version. URL/DOI;Creator (Year). Title [Dataset]. Repository. DOI(p.14)。
6. 安全复用四条?
Check the License、Keep Headers、Document Changes、Cite the Repository(p.14)。
下一讲
下一页 L05a-4 讲一次失范的后果链,以及把诚信变成工作流的六步预防。
个人整理的学习笔记,不是官方材料;数字与结论以课件和讲师为准。