-
公开(公告)号：CN110543411B
公开(公告)日：2021-07-02
申请号：CN201810561267.6
申请日：2018-05-29
申请人： 南京大学
IPC分类号： G06F11/36
摘要： 本发明涉及一种演化环境下变异测试强度需求预测方法。该方法基于特征提取和错误检测数目对软件的各个版本通过数据清洗和特征选择，构建用于模型训练的特征矩阵和强度向量；在此基础上，应用BP神经网络方法构建预测模型，并在模型构建时不断通过信号前向传播和误差后向传播结果调整模型权重，从而学习生成一个变异测试强度需求预测模型BP‑Model；最后，将当前软件版本的特征向量输入到BP‑Model中，最终生成当前软件版本的变异测试强度需求。本发明目的在于解决目前存在的新版本软件变异测试强度未知的难题，进而帮助测试人员制订合理的变异测试需求，帮助测试人员在有限的时间内构建有效的测试用例集。
-
公开(公告)号：CN112579431A
公开(公告)日：2021-03-30
申请号：CN201910951890.7
申请日：2019-09-30
申请人： 南京大学
摘要： 本发明提出了一种基于图像识别的跨平台脚本录制与回放方法，用于在移动应用自动化测试领域来降低自动化测试脚本编写门槛、避免同一应用在不同设备、不同平台下的脚本重复编写和维护开销，该发明的主要创新在于(1)对传统脚本录制方法的改良，提供投放了远程真机的Web端供用户实时操作和录制。(2)结合图像识别和布局匹配技术以实现已录制脚本在多台设备，不同平台下的运行回放，简化自动化脚本生成过程的同时大幅度提升测试脚本的跨平台能力，提高了自动化测试有效性和通用性。
-
-
公开(公告)号：CN102253889B
公开(公告)日：2014-02-26
申请号：CN201110225316.7
申请日：2011-08-07
申请人： 南京大学
IPC分类号： G06F11/36
摘要： 一种回归测试中基于分布的测试用例优化方法，对于回归测试中的测试用例集，依据执行剖面在剖面空间中的分布对测试用例的执行顺序进行优先级排序，优先级高的测试用例将被优先执行，使得执行顺序临近的测试用例尽可能分散在剖面空间中，以尽早最大化错误检测能力，提高错误检测速率。本发明在不进行任何测试用例约简的前提下，对测试用例的执行顺序进行排序，即测试用例的创建顺序并不作为其执行顺序，而是使用基于分布的测试用例优先级技术对执行顺序进行排序。这样一方面使得测试用例集合的错误检测能力不受影响，另一方面提高了错误检测的速率，使得程序员可以尽早地找到更多的错误，节省了程序员寻找错误的时间成本。
-
公开(公告)号：CN113742205B
公开(公告)日：2024-04-23
申请号：CN202010487203.3
申请日：2020-05-27
申请人： 南京大学
IPC分类号： G06F11/36 , G06F21/57 , G06F40/253 , G06F40/30 , G06N3/0464
摘要： 一种基于人机协同的代码漏洞智能检测方法，其特征是结合已有的代码漏洞检测工具集和收集到的漏洞数据集进行正报和误报漏洞标记以及控制流图和抽象语法树的特征提取，构建一个代码漏洞误报检测模型；然后根据代码漏洞程序切片后的结果生成漏洞评审任务；随后利用采样策略选取部分漏洞评审任务随机分配给众包安全评审专家；最后，结合并分析代码漏洞误报检测模型结果与众包安全评审专家结果，并将其持续反馈到代码漏洞检测模型中，进而有效地识别代码漏洞。
-
公开(公告)号：CN117234587A
公开(公告)日：2023-12-15
申请号：CN202210715645.8
申请日：2022-06-02
申请人： 南京大学
IPC分类号： G06F8/74 , G06F8/75 , G06F11/36 , G06V20/62 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048
摘要： 一种基于图像理解与代码分析结合的移动测试脚本意图识别的方法，包括图像理解模块和代码识别模块。图像理解模块生成Appium测试脚本中通过Xpath定位控件的语句的意图描述信息，在自动化运行脚本过程中转储必要的媒体信息后，通过OCR技术和深度学习模型针对不同类型的图片生成其语义信息。代码识别模块通过模版匹配的方法将Id类定位的控件映射到其源代码所在的响应函数，将响应函数输入改进的code2seq模型中生成其意图信息。最后将这两个模块生成的意图信息进行整合，生成最后完整的测试脚本的意图报告。
-
公开(公告)号：CN117194213A
公开(公告)日：2023-12-08
申请号：CN202210700870.4
申请日：2022-05-27
申请人： 南京大学
IPC分类号： G06F11/36 , G06F16/36 , G06F16/33 , G06F16/901 , G06F40/242 , G06F40/247 , G06N5/022 , G06N5/02 , G06V20/62 , G06V10/44 , G06V10/82
摘要： 一种基于知识图谱的移动应用功能点测试知识库搭建的方法，包括知识图谱特征提取模块、知识图谱关系提取模块、知识图谱共指消解模块和知识图谱智能查询模块。知识图谱特征提取模块主要负责将大量带有复现步骤的移动应用众包测试报告进行有效的信息提取和拆解，来帮助构建知识图谱。知识图谱关系提取模块是为了将知识图谱特征提取模块中分析出来的数据进行整合。知识图谱共指消解模块是为了将知识图谱特征提取模块与知识图谱关系提取模块整理好的数据上传到指定的Neo4j图数据库中。知识图谱智能查询模块是为了帮助使用者快速了解知识图谱，并帮助移动应用自动化测试人员提供自动化功能点测试下一步该做什么的指引帮助。
-
公开(公告)号：CN117194212A
公开(公告)日：2023-12-08
申请号：CN202210700869.1
申请日：2022-05-27
申请人： 南京大学
IPC分类号： G06F11/36 , G06F18/22 , G06F18/23213 , G06V10/764 , G06V10/82 , G06V10/74 , G06V20/70 , G06F40/289 , G06F40/247 , G06F40/268 , G06F40/194
摘要： 一种基于深度图像语义挖掘的移动应用众包测试报告聚类的方法，包括特征提取模块、距离计算模块、约束规则构建模块和半监督聚类模块。在特征提取模块，提取结构特征、内容特征、缺陷行为和复现步骤四个特征来表示由屏幕截图和文本描述组成的众包测试报告。在距离计算模块，利用提取的特征，采用不同的距离算法分别计算每一对测试报告四个特征相应的半监督聚类距离，并利用加权算法得出每一对测试报告之间总体的半监督聚类距离。在约束规则构建模块，构建语义约束规则，包括Must‑Link和Cannot‑Link。在半监督聚类模块，在语义约束规则的引导下，采用K‑Medoids算法对测试报告进行半监督聚类。
-
公开(公告)号：CN117171006A
公开(公告)日：2023-12-05
申请号：CN202210701026.3
申请日：2022-05-27
申请人： 南京大学
IPC分类号： G06F11/36 , G06F40/194 , G06F16/35 , G06F40/58 , G06F40/289 , G06F40/30 , G06V20/70 , G06V20/62 , G06V10/82 , G06V10/764 , G06V10/44
摘要： 一种基于图像文本语意融合分析的移动应用众测报告一致性检测的方法，包括文本增强模块、分类器模块、分解器模块和检测器模板。文本增强器模块对文本描述进行增强，来使得具有不同类型的缺陷的测试报告均匀分布。分类器模块首先为众包测试报告中的缺陷构建了一个分类法。然后基于BERT模型构建了分类器。在分类器将缺陷进行分类后，引入分解器来分析应用程序的屏幕截图和文本描述。通过从文本描述中提取到的特征，以及从应用程序截图中提取包含附加信息的控件，检测器可以根据不同的策略检测到众包测试报告的一致性。
-
公开(公告)号：CN110717602B
公开(公告)日：2023-08-29
申请号：CN201910952057.4
申请日：2019-09-29
申请人： 南京大学
IPC分类号： G06N20/10
摘要： 本发明提供的是一种基于噪音数据的机器学习模型鲁棒性评估方法，包括原始数据集处理、噪音数据获取、模型训练、模型预测、准确率下降比计算和模型鲁棒性评估。原始数据集处理包括收集百分百标签正确的原始数据集，并采用10次10‑折交叉验证划分原始训练集和原始测试集。噪音数据获取包括在原始训练集的基础上，采用分层抽样方法抽取t′＝|D|·α个数据，并将其标签替换为错误标签，其中α为噪音数据率。模型训练包括基于常见分类算法，并分别输入原始训练集和混有噪音数据的训练集分别构建原始模型和新模型。模型预测包括基于原始测试集，对这原始模型和新模型分别进行准确度评估。准确率下降比计算包括计算新模型较原始模型而言准确率下降的比率。模型鲁棒性评估包括横纵向比较准确率下降的比率的大小，衡量模型鲁棒性强弱，实现了判断模型健壮性的标准。
-
-
-
-
-
-
-
-
-
搜索结果
52 条记录 (耗时 0.041 秒)