借鉴反作弊工具，我写了一个检测AI的AAE

文章目录

- 一、突发奇想~
- [二、show me your code！](#二、show me your code！)
- - [1. 进程扫描：保守点，先扫进程吧](#1. 进程扫描：保守点，先扫进程吧)
  - [2. 代码检测：对付粘贴的AI代码](#2. 代码检测：对付粘贴的AI代码)
  - [3. 综合研判+报告导出：把复杂的结果变简单](#3. 综合研判+报告导出：把复杂的结果变简单)
- 三、使用教程
- - [1. 安装依赖](#1. 安装依赖)
  - [2. 运行工具](#2. 运行工具)
  - [3. 开始检测](#3. 开始检测)
- 四、目前支持的功能&未来计划
- - 已支持功能（主打一个实用）
  - 未来要填的坑（欢迎大家提PR）
- 五、最后

家人们谁懂啊！被一款反作弊工具的架构惊艳（并非）到连夜"抄作业"，花了一天时间肝出个编程场景专属的AI检测工具------AAE-Anti AI Engine，主打一个"进程+代码"双重暴击，让藏在代码里的AI痕迹无所遁形～今天就来聊聊这个"技术借鉴"的工具是怎么诞生的！

一、突发奇想~

作为常年混迹编程圈的"搞事开发者"，最近被AI搞得有点崩溃：

帮朋友改代码，越看越不对劲------注释工整到离谱，命名又怪又规范，追问之下才承认是Copilot写的，关键还藏了个隐形bug；
公司招实习生，收到的代码作业堪称"完美"，结果面试时让他解释逻辑，支支吾吾说不出个所以然，后来才发现是Claude生成的；
自己用AI辅助写代码，改着改着就忘了哪部分是AI写的，调试时对着陌生的代码结构怀疑人生。

本来想直接用现成的工具，结果翻了一圈发现：要么只能检测代码，没法判断是不是实时用AI工具写的；要么功能太复杂，普通开发者用着费劲。刚好之前研究过一款反作弊工具的架构，那套"进程扫描+特征匹配"的思路简直绝了，干脆照着这个框架，针对性做个编程场景的AI检测工具------AAE就这么提上了日程！

二、show me your code！

说干就干，翻出之前研究反作弊工具时记的笔记连夜琢磨，核心思路直接借鉴：进程扫描+特征检测，但细节上全是编程场景的定制化改造，毕竟反作弊和反AI编程，需求还是差挺大的～

先放张反作弊工具的通用架构图，方便大家理解我"抄作业"的核心（主打一个直观，看不懂也没关系，知道它牛就完事儿）：
反作弊工具通用架构
进程监控模块
特征提取模块
风险研判模块
异常预警模块
实时进程扫描
隐藏进程检测
进程指纹库
违规特征库
实时特征匹配
异常行为捕捉
多维度校验
风险等级判定
日志记录

简单唠两句：反作弊工具的核心就是"盯进程+抓特征"，先监控所有运行进程，再提取违规软件的特征比对，最后判定风险，这套逻辑被我直接拿过来，改成了AI编程检测版👇

这是我肝一天搞出来的AAE架构图，对比着看，是不是借鉴得很明显但又有点不一样？
AAE-Anti AI Engine架构
AI进程扫描模块
代码特征检测模块
综合研判模块
报告导出模块
实时进程扫描
隐藏进程检测
AI编程工具指纹库(Cursor/Copilot等)
代码特征提取(注释/命名/结构)
多语言适配(Python/Java等)
AI代码特征库
双重校验(进程+代码)
傻瓜式风险判定(高/疑似/低)
研判日志
JSON报告导出
可视化展示

重点差异：把反作弊工具的"违规软件"相关模块，全换成了AI编程工具和AI代码特征，还加了报告导出、多语言适配，毕竟咱是编程场景专属，得比反作弊工具更懂开发者～

1. 进程扫描：保守点，先扫进程吧

ACE的进程扫描是用来抓作弊软件的，我直接改成了"AI编程工具雷达"，把市面上主流的AI编程工具全收录进指纹库：

Cursor、Claude、Codex这些AI IDE搞里头；
GitHub Copilot、Tabnine这种IDE插件也搞里头；
运行工具时自动扫描系统进程，一旦检测到这些工具在运行，直接标记"AI辅助风险"。

最有意思的是，为了抓那些"偷偷运行"的工具和插件，还特意做了进程隐藏检测------毕竟总有人以为关掉窗口就万事大吉，殊不知AI进程还在后台"打工"=)

2. 代码检测：对付粘贴的AI代码

这部分是重点改造的地方，反作弊工具的特征匹配太硬核，我简化成了编程小白也能看懂的逻辑，核心抓AI代码的三个"破绽"：

注释率异常：AI写的代码注释往往又多又全，甚至有点"废话连篇"，注释率远超人工编写的正常范围；
命名熵异常：AI喜欢用冗长但规范的变量名，比如"userInformationProcessingModule"，人类很少这么跟自己过不去；
结构指纹：AI生成的代码结构有固定套路，比如try-catch的写法、函数嵌套的逻辑，提取这些特征就能快速匹配。

比如我们扫描下本项目，会发现本项目也AI含量挺大的哈哈~

3. 综合研判+报告导出：把复杂的结果变简单

反作弊工具的报告太专业，普通人看不太懂，AAE直接做了"傻瓜式判定"：

进程扫描检测到AI工具+代码特征匹配→判定"高概率AI辅助编程"；
仅进程扫描检测到AI工具→判定"疑似AI辅助编程"；
仅代码特征匹配→判定"疑似AI生成代码"；
两者都没检测到→判定"低概率AI参与"。

还支持JSON格式报告导出，不管是自己存档，还是公司HR、面试官用来核验，都方便得很。

三、使用教程

工具做出来后，特意简化了操作流程，不用复杂配置，下载就能用（windows也有傻瓜式的exe文件，可以在仓库打包中查看）：

1. 安装依赖

复制代码

cd aae
pip install -r requirements.txt

2. 运行工具

直接运行Python脚本：
- python main.py
打包成Windows可执行文件（适合不懂代码的小白）：
- pip install pyinstaller pyinstaller build.spec
- 打包完成后，直接双击dist/AAE-Anti-AI-Engine.exe就能用，图形界面一目了然，不用记任何命令。

3. 开始检测

实时检测：打开工具后保持运行，自动扫描进程，写完代码后点击"检测当前项目"，秒出结果；
离线检测：把要检测的代码文件拖进工具，不用运行AI工具也能判断是否为AI生成。

四、目前支持的功能&未来计划

已支持功能（主打一个实用）

进程扫描：覆盖10+主流AI编程工具；
代码检测：基于3类核心特征，支持Python、Java、JavaScript等主流语言；尝试接入hugging face的模型，但是效果不是很理想
综合研判：直观输出风险等级，小白也能看懂；
报告导出：JSON格式，方便二次处理。

未来要填的坑（欢迎大家提PR）

增加更多编程语言支持，目前主要覆盖后端语言，前端和移动端还在适配；
优化AI工具指纹库，争取做到实时更新，不让新出的AI工具"漏网"；
增加代码相似度对比，判断是否来自同一AI模型生成；
做个VS Code插件，直接在IDE里实时检测，不用来回切换工具。

五、最后

GitHub仓库地址 ：https://github.com/shiker1996/aae

最后来个灵魂拷问：你用AI写代码会主动说明吗？有没有被AI代码坑过的经历？评论区聊聊～